A funny companion: Distinct neural responses to perceived AI- versus human-generated humor
作者: Xiaohui Rao, Hanlin Wu, Zhenguang G. Cai
分类: cs.CL, cs.AI
发布日期: 2025-09-13 (更新: 2025-09-16)
💡 一句话要点
脑电研究揭示：相比人类，AI幽默引发更强情绪反应和认知效率提升
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱六：视频提取与匹配 (Video Extraction)
关键词: AI幽默 脑电图 人机交互 认知神经科学 情绪反应
📋 核心要点
- 现有研究缺乏对AI幽默的认知神经机制的深入理解，特别是与人类幽默的对比。
- 本研究利用脑电技术，对比分析了人类和AI生成的幽默对大脑认知和情感反应的影响。
- 实验表明，人们对AI幽默的认知负荷更低，情绪反应更强烈，且随着时间推移，对AI幽默的接受度更高。
📝 摘要（中文）
随着AI助手具备类人沟通能力，包括讲笑话，理解人们对AI幽默的认知和情感反应变得日益重要。本研究利用脑电图(EEG)比较了人们对来自AI和人类的幽默的处理方式。行为分析表明，参与者认为AI和人类的幽默具有相当的趣味性。然而，神经生理学数据表明，AI幽默引发的N400效应较小，表明在处理不协调性时认知努力减少。与此同时，出现了更大的晚期正电位(LPP)，表明更大程度的惊讶和情绪反应。这种增强的LPP可能源于对AI喜剧能力的较低初始期望的违反。此外，出现了一个关键的时间动态：人类幽默表现出习惯化效应，表现为N400增加和LPP随时间推移而减少。相比之下，AI幽默表现出越来越高的处理效率和情绪奖励，N400减少，LPP增加。这种轨迹揭示了大脑如何动态更新其对AI能力的预测模型。这种累积强化过程挑战了幽默中的“算法厌恶”，因为它表明对AI语言模式的认知适应如何导致更强烈的情绪奖励。此外，参与者对AI的社会态度调节了这些神经反应，更高的AI信任度与更强的情感参与相关。这些发现表明，大脑对AI幽默的反应出人意料地积极和强烈，突出了幽默在促进人机社交互动中真正参与的潜力。
🔬 方法详解
问题定义：本研究旨在探究人们在认知和情感上如何处理来自AI的幽默，并与人类幽默进行对比。现有研究表明，人们可能对AI存在“算法厌恶”，即对AI产生的内容持有负面偏见。然而，AI在生成类人文本方面取得了显著进展，因此有必要深入了解人们对AI幽默的神经反应，以及这种反应是否会随着时间推移而改变。
核心思路：本研究的核心思路是利用脑电图（EEG）技术，实时监测参与者在阅读AI和人类生成的幽默内容时的大脑活动。通过分析不同脑电成分（如N400和LPP）的变化，可以推断出参与者在认知和情感上对不同来源幽默的处理过程。研究假设，由于人们对AI的幽默能力预期较低，因此AI幽默可能会引发更强烈的惊讶和情绪反应。
技术框架：研究采用实验范式，要求参与者阅读一系列由AI和人类生成的笑话，并对笑话的趣味性进行评分。同时，使用脑电图记录参与者的大脑活动。数据分析主要集中在两个脑电成分上：N400和LPP。N400反映了认知冲突和语义整合的程度，而LPP则反映了情绪唤醒和注意力的分配。通过比较AI和人类幽默引发的N400和LPP的差异，可以了解人们对不同来源幽默的认知和情感处理机制。
关键创新：本研究的关键创新在于首次系统地比较了人们对AI和人类幽默的神经反应，并揭示了AI幽默可能引发更强情绪反应和认知效率提升的现象。此外，研究还发现，随着时间推移，人们对AI幽默的接受度会逐渐提高，这挑战了传统的“算法厌恶”观点。研究结果表明，通过认知适应，人们可以逐渐接受并欣赏AI生成的幽默内容。
关键设计：研究中，AI生成的笑话使用了预训练语言模型，并经过人工筛选以确保其具有一定的趣味性。实验中，AI和人类生成的笑话随机呈现给参与者，以避免顺序效应。脑电数据采用标准预处理流程，包括滤波、伪迹去除和平均。N400和LPP的分析采用时域和频域分析方法，并进行统计显著性检验。
📊 实验亮点
研究发现，AI幽默引发的N400效应小于人类幽默，表明认知负荷更低；LPP效应大于人类幽默，表明情绪反应更强烈。随着时间推移，人们对AI幽默的接受度逐渐提高，N400效应降低，LPP效应增强。此外，对AI信任度高的参与者，对AI幽默的情感反应更强烈。
🎯 应用场景
该研究成果可应用于人机交互、AI助手设计等领域。通过理解人们对AI幽默的认知和情感反应，可以设计出更具吸引力和亲和力的AI助手，从而促进人机之间的有效沟通和情感连接。此外，该研究还有助于消除人们对AI的偏见，促进AI技术的更广泛应用。
📄 摘要（原文）
As AI companions become capable of human-like communication, including telling jokes, understanding how people cognitively and emotionally respond to AI humor becomes increasingly important. This study used electroencephalography (EEG) to compare how people process humor from AI versus human sources. Behavioral analysis revealed that participants rated AI and human humor as comparably funny. However, neurophysiological data showed that AI humor elicited a smaller N400 effect, suggesting reduced cognitive effort during the processing of incongruity. This was accompanied by a larger Late Positive Potential (LPP), indicating a greater degree of surprise and emotional response. This enhanced LPP likely stems from the violation of low initial expectations regarding AI's comedic capabilities. Furthermore, a key temporal dynamic emerged: human humor showed habituation effects, marked by an increasing N400 and a decreasing LPP over time. In contrast, AI humor demonstrated increasing processing efficiency and emotional reward, with a decreasing N400 and an increasing LPP. This trajectory reveals how the brain can dynamically update its predictive model of AI capabilities. This process of cumulative reinforcement challenges "algorithm aversion" in humor, as it demonstrates how cognitive adaptation to AI's language patterns can lead to an intensified emotional reward. Additionally, participants' social attitudes toward AI modulated these neural responses, with higher perceived AI trustworthiness correlating with enhanced emotional engagement. These findings indicate that the brain responds to AI humor with surprisingly positive and intense reactions, highlighting humor's potential for fostering genuine engagement in human-AI social interaction.