Во введении будет показано, почему тема машинного юмора связана одновременно с информатикой, языком и особенностями человеческого восприятия. Здесь формулируются проблема, цель, задачи, объект и методы проекта, а также объясняется, почему грамматически правильный ответ нейросети не всегда становится удачной шуткой.

В этом разделе объясняется, как языковые модели обрабатывают текст и формируют продолжение последовательности слов. Рассматриваются понятия токена, контекста, вероятностного выбора и обучения на больших массивах данных. Описание будет дано без сложных математических формул, чтобы показать отличие статистического прогнозирования от человеческого понимания.

Раздел посвящён основным механизмам юмора: неожиданной концовке, нарушению ожиданий, игре слов, преувеличению, контрасту и узнаваемой жизненной ситуации. Будет показано, что шутка состоит не только из набора слов, но и из замысла, ритма, общего контекста и расчёта на определённую реакцию слушателя или читателя.

Здесь рассматривается зависимость юмора от возраста аудитории, языка, культурных знаний, социальных норм и обстоятельств общения. Один и тот же текст может показаться смешным, нейтральным или непонятным разным людям. Раздел поможет объяснить, почему универсальный юмор встречается редко, а машинный текст часто теряет смысл без дополнительных пояснений.

В разделе анализируются типичные недостатки шуток, созданных языковыми моделями: шаблонность, буквальность, слабая связь между началом и концовкой, неправильное использование каламбуров и неуместные культурные отсылки. Отдельно будет отмечено, что модель может имитировать стиль юмора, но не обладает личным опытом и эмоциональным намерением автора.

Практическая часть начинается с разработки критериев, по которым можно сравнивать шутки без сведения оценки только к личному вкусу. Для анализа будут использованы понятность, оригинальность, неожиданность, уместность, языковая корректность и комический эффект. Каждый критерий будет описан так, чтобы участники могли применять его одинаково.

В этом пункте описывается проведение эксперимента: подготовка одинаковых тем, получение текстов от нейросети, подбор сопоставимых человеческих примеров и организация анонимной оценки. Результаты будут занесены в таблицу, чтобы уменьшить влияние авторства на мнение участников и получить материал для дальнейшего сравнения.

Раздел предназначен для обработки оценок и выявления повторяющихся причин, по которым машинные шутки воспринимались как неудачные. На основе сравнений будут сформулированы рекомендации: как точнее задавать контекст нейросети, какие признаки проверять перед публикацией и почему окончательную оценку юмористического текста должен проводить человек.

В заключении будут обобщены результаты теоретического анализа и практического сравнения текстов. Планируется показать, что слабый комический эффект связан не с одной ошибкой, а с сочетанием ограниченного контекста, шаблонности, культурной зависимости и отсутствия личного опыта у модели. Также будут обозначены границы применимости полученных наблюдений.

В списке литературы будут приведены использованные материалы о языковых нейросетях, архитектуре Transformer, генерации текста, лингвистике и теориях юмора. Источники будут оформлены единообразно и разделены на научно-популярные публикации, справочные материалы и документацию, необходимую для проверки фактов и терминов проекта.