双关语不仅可以迷惑人类，对于机器更是如此。

一个自然而有趣的机器人，不仅可以阅读我们的新闻或告诉我们天气，还可以理解笑话或撰写一首诗，甚至可以讲述引人入胜的故事。但这些往往会碰触到人工智能学习的极限。

神经网络是自然的模仿者，它通过搜索大量文本来学习语言模式。如果一致性是你的目标，那么这种方法效果很好。但神经网络遵守规则，这可能使得它们成为可怕的骗子。而且即使我们有一长串供它学习的双关语，到了实战中，它也不一定能抓住重点。

斯坦福的一个研究团队试图通过幽默理论的见解给AI带来一些创造性的智慧。

以“The greyhound stopped to get a hare cut”为例，为了使双关语起作用，需要在局部语境中添加一些令人惊讶的东西（“stopped to get a hare cut”本身就没有意义），但也有一个让人恍然的因素将它们联系在一起（在这种情况下多亏了“greyhound”这个词）。

神经网络被赋予一对同音异义词（hair/hare）并产生一个与第一个单词相同的句子，但是当第二个单词被替换进来时，就会让人感到惊讶。然后，为了防止它胡言乱语，插入了另一个单词，使整个句子更具逻辑性。

使一个平淡的句子变成带有幽默感的双关语

团队举行了一场双关语竞赛，AI与人类对抗。根据对双关语进行评级的人来说，结果对于机器而言并不是很好。虽然系统产生的双关语比以前AI的尝试更有趣，但它只在10％的情况下胜过人类。另外，双关语被困在一个相当基本的结构中（有时还会在语法上挣扎），例如“Well, gourmet did it, he thought, it'd butter be right”。

团队表示，“我们还无法解决这个问题。”

麻省理工学院计算心理语言学实验室主任Roger Levy表示，这种方法对于建立具有更多个性的人工智能是一个很有潜力的步骤。“幽默是研究心灵本质具有挑战性的一面，但它也是使我们成为人类的不可或缺的一部分。”

四年前，Levy 描述了一种计算方法来预测双关语是否是幽默的，更广泛地说，幽默研究强调了为神经网络带来更多人类智能的必要性。最近，他一直用“惊讶”作为研究AI如何理解语言的其他方面的方法。

“惊讶是AI和认知科学中最核心的概念之一，它反映了我们何时遇到新的或意外的信息，例如在我们阅读时跟踪眼球运动。在机器中，它是用概率测量的，在给定的上下文中概率较低的词更令人惊讶。”

接下来，团队希望将双关语方法应用于更复杂的创作任务，如讲故事。这个想法是让神经网络做出擅长的事情，然后用人类智能编辑结果。例如，可以训练神经网络生成一连串完美连贯的句子，然后学习叙事理论将该输出编辑成具有创造性的短篇小说。