آیا هوش مصنوعی واقعاً می‌تواند طنز را بفهمد یا فقط جمله‌هایی تولید می‌کند که در نگاه اول خنده‌دار به نظر می‌رسند؟ این پرسش پس از اظهارات یکی از کارکنان سابق شرکت Anthropic دوباره مطرح شده است. جیکوب کاکسون، پژوهشگر سابق این شرکت، می‌گوید زمانی در محیط کاری Anthropic گروهی از همکارانش مدعی بودند نسخه‌ای از هوش مصنوعی Claude را برای حل مسئله طنز آموزش داده‌اند؛ ادعایی که او آن را اغراق‌آمیز می‌دانست.
کاکسون این موضوع را در گفت‌وگویی با مجله نیویورک مطرح کرد؛ مصاحبه‌ای که در آن چند کارمند سابق شرکت‌های پیشرو هوش مصنوعی درباره تجربه کاری و نگرانی‌هایشان صحبت کرده‌اند. او توضیح داد که در ابتدای حضورش در Anthropic با کانالی در اسلک روبه‌رو شده بود که اعضای آن درباره مدلی از Claude صحبت می‌کردند که به گفته آن‌ها برای حل طنز آموزش دیده بود. واکنش کاکسون این بود که توانایی تولید چند پاسخ خنده‌دار به معنای حل‌شدن مسئله پیچیده طنز انسانی نیست.
این روایت به معنای آن نیست که Anthropic رسماً اعلام کرده طنز را برای همیشه حل کرده است. آنچه منتشر شده، خاطره یک کارمند سابق از گفت‌وگوهای داخلی شرکت است و جزئیات فنی مدل، روش آموزش آن و نتایج آزمایش‌های احتمالی در این گزارش ارائه نشده است. بنابراین، نمی‌توان از این اظهارات نتیجه گرفت که شرکت واقعاً به پیشرفتی قطعی در درک طنز دست یافته یا ادعای رسمی مشخصی در این زمینه داشته است.
درک طنز برای مدل‌های زبانی دشوار است؛ زیرا خنده‌داربودن یک جمله تنها به انتخاب واژه‌ها وابسته نیست. کنایه، شناخت موقعیت، تجربه فرهنگی، لحن، زمان‌بندی و حتی انتظارات مخاطب می‌توانند معنای یک شوخی را تغییر دهند. مدلی ممکن است بتواند لطیفه‌ای رایج را بازگو کند یا دلیل خنده‌داربودن آن را توضیح دهد، اما در مواجهه با کنایه‌های ظریف یا شوخی‌های وابسته به زمینه، پاسخ نامناسبی بدهد.
پژوهش‌های دانشگاهی نیز نشان می‌دهند که توانایی هوش مصنوعی در این حوزه را باید با آزمون‌های مشخص سنجید. مطالعه‌ای منتشرشده در مجموعه مقالات انجمن زبان‌شناسی رایانشی در سال ۲۰۲۵، برداشت انسان‌ها از طنز تولیدشده توسط هوش مصنوعی را بررسی کرد و نشان داد ارزیابی شوخی‌ها می‌تواند تحت تأثیر آگاهی افراد از منبع تولید آن‌ها قرار بگیرد. پژوهشی دیگر درباره تشخیص بخش‌های خنده‌دار اجرای استندآپ کمدی نیز نشان داد مدل‌های زبانی در این وظیفه هنوز محدودیت دارند و نتیجه به روش ارزیابی وابسته است.
اظهارات کاکسون در نهایت موضوعی فراتر از شوخی‌های تولیدشده با هوش مصنوعی را مطرح می‌کند: در شرکت‌هایی که برای ساخت مدل‌های توانمندتر رقابت می‌کنند، گاهی ممکن است برداشت‌های داخلی درباره پیشرفت فناوری با ارزیابی مستقل فاصله داشته باشد. با این حال، خاطره یک کارمند سابق به‌تنهایی برای اثبات وجود چنین مشکلی در کل شرکت کافی نیست. آنچه می‌توان با اطمینان گفت این است که تولید طنز قابل‌قبول، درک عمیق طنز و اثبات علمی توانایی یک مدل در این زمینه سه موضوع متفاوت‌اند.
