在不久前落幕的美國總統大選中，特朗普（Donald Trump）的意外獲勝讓幾乎所有民調機構顏面盡失，但人工智能（AI）卻做出「理性」的判斷：印度初創企業 Genic.AI 開發的 AI 系統 MogIA 在大選投票前預測，特朗普會獲得最終勝利。
在此之前，MogIA 就已正確預測自2004年開始的3屆美國總統大選結果。而這次，它總共從 Google、Facebook 和 Twitter 等社交平台收集了至少2000萬條數據信息，在進行分析後得出特朗普會獲勝的結論。
這一不同於傳統民調的方法同樣被學術界採用，美國東北大學政治學者 Nicholas Beauchamp 於9月發表論文，介紹他利用 AI 分析2012年大選前 Twitter 上1億條推文的方法，其分析結果與當年選情的吻合度極高。
不過，AI 在本次大選中的「理性判斷」或許是誤打誤撞的結果。Genic.AI 公司創始人 Sanjiv Rai 承認，AI 算法發展到如今，對「諷刺性」語句的識別能力仍然有限，因此社交媒體上的言論可能被 MogIA 系統誤讀。舉例來說，特朗普的社交帳號上一直都有大量的網民留言，但這並不代表這些網民都傾向於支持他，恰恰相反，留言中可能有大量來自反對者的諷刺。
那麼，AI 到底有沒有可能學會識別諷刺？美國史丹福大學助理教授 Noah Goodman 專長於心理學、電腦科學和語言學，他認為在讓 AI 學會識別諷刺之前，人類首先要十分清楚自己對諷刺的理解。Goodman 解釋，讓諷刺發揮作用的是它的語境，人類以過去的經歷和情感為諷刺構築了複雜的框架，但這對電腦來說是障礙，這種層次的信息輸入不是幾行代碼那麼簡單。
在給電腦編寫程式，讓它做一件很酷的事之前，你得先理解這件很酷的事是什麼。
比較詞語間的相關度，能認出諷刺嗎？
「女人需要男人，就像魚需要自行車一樣（A woman needs a man like a fish needs a bicycle）。」
澳洲社會活動家 Irina Dunn 於1970年寫下的這句話，後來成為女權運動的著名口號。任何一個正常受教育的人類都能毫不費力地理解這句話的諷刺意味：一條魚顯然不需要自行車，所以女人也不需要（依靠）男人。
對電腦而言，它們也許不能複製人類學習語言的過程，從而順利地理解上面那句話。但藉助先進的數學工具，研究人員卻可以讓算法識別部分諷刺表達，讓 AI 在通往「覺醒」之路上又向前一步。
印度理工學院孟買分校研究者 Aditya Joshi 等人在今年10月的一篇研究論文中稱，他們的方法能夠顯著提升電腦算法識別諷刺的能力。與傳統語義分析方法不同，他們依靠從 Google News 文章產生的海量詞彙數據庫，分析出不同詞語之間的「相關度」（即兩個詞在一句話裏同時出現的頻率），進而用於判斷一句話是否在諷刺。
「詞嵌入」（Word Embeddings）方法被用來計算詞語間的相關度：每一個詞都可以對應高維空間中的一個向量（Vector），兩個向量若離得越近，相關度也就越高。這樣的好處是，即使「男人」和「女人」的含義完全不同，電腦算法也可以知道，這兩個經常一起出現的詞相關度很高。
Joshi 等人提出這樣一個判據：一句話如果將相關度高的概念與相關度低的概念進行類比，那麼這句話很可能是在諷刺。比如，「男人」和「女人」的相關度很高，而「魚」和「自行車」的相關度很低，這說明 Dunn 的那句名言是在諷刺，Bingo！
這篇論文通過大量的測試證明，該方法在識別諷刺方面，比過去的算法有顯著改進。然而，如同你正在懷疑的那樣，這個算法並不完美。比如，算法沒有識別出這句話的諷刺意味：「哦，我猜是蘋果把芝士吃了。」因為按照算法的判斷規則，「蘋果」和「芝士」的相關度較高，但其他詞語之間並未出現相關度較低的情形，失敗！
民主黨支持者讚特朗普？那一定有問題
從單獨文本尋找信息，往往會遇到語境不足的問題，而電腦要真正理解一句話是否是諷刺，最好結合上下文的語境。
此外，同樣的一句話從不同人的嘴裏說出來，意思也可能完全不同。比如，特朗普的支持者和反對者分別用他的競選口號「讓美國再度偉大」（Make America great again）留言時，表達的含義就截然不同。
葡萄牙里斯本大學研究者 Silvio Amir 等人在7月的一篇研究論文中表示，要讓算法理解諷刺，單靠文本信息是不夠的，其中一個關鍵點是要理解發表這個言論的用戶本身。他們採用「用戶嵌入」（User Embeddings）方法來解決這一問題，與詞嵌入類似，用戶嵌入是為量化不同用戶之間的愛好、教育經歷等的相似度，「相似」的用戶在向量空間裏的距離也會越近。
這篇論文用政治傾向來舉例，如果用藍色圓點代表 Twitter 上關注美國民主黨政客的用戶，紅色圓點代表關注共和黨政客的用戶（同時關注兩黨的用戶不計算在內），分析後很容易看到，擁有類似政治傾向的用戶會聚集在向量空間的同一區域。論文提出，如果某個藍色用戶發表了「支持」特朗普的言論，那麼算法就可以判定，這則發言很可能具有諷刺意味。
研究人員稱，將這一方法與上下文語境分析結合起來，得到的實驗結果顯示，對諷刺判斷的準確率達到87%，比其他算法的準確率更高。此外，這一算法要求的人工配置和監測比其他方法要少，未來在針對社交媒體的研究方面大有可為。
AI 何時能拿到「聖杯」？還是根本不需要
Goodman 認為，這些 AI 系統雖然在識別諷刺方面有所建樹，但仍然處於初級階段，它們仍然沒有真正地懂得幽默。
研究人機交互的麻省理工學院副教授 Missy Cummings 也認為，如今的 AI 系統在理解清晰而明確的指令時仍有困難，更別說理解諷刺表達中的微妙差別了，掌握諷刺是 AI 領域的「聖杯」（Holy Grail）。
她續指：「諷刺往往在於語氣或表情，而非詞彙，諷刺暗藏了許多非語言線索。」她認為 AI 離真正掌握諷刺還很遙遠，「在學術界，我認為至少需要20年的時間。」
Cummings 甚至認為，電腦程式設計師或許不是破解諷刺並將其轉化成代碼的最佳人選，他們可能還需要喜劇演員的幫助。她表示：「我們需要進一步思考，怎樣讓更多不同類型的研究人員參與其中進行合作。」
但喜劇演員 Keith Powell 表示，電腦根本不需要學習諷刺，因為「它們幾乎已經佔領了整個世界，很好地阻止了人類互動。我排隊等咖啡的時候，每個人都在看自己的手機。」
曾參與創建 Google X 實驗室無人車項目領導人 Sebastian Thrun 說：「我最不願意我的機械人做的事就是諷刺人，我希望它們實用而可靠，就像我家的洗碗機一樣。」