数学博士创造的“弱智吧”怎么就成了AI的试金石？

今年4月，中科院、滑铁卢大学等机构联合发表了一篇AI行业论文，让互联网上的“乐子人”直呼离谱。

研究显示，百度贴吧“弱智吧”数据集训练出的AI大模型，跑分超过百科、知乎、豆瓣、小红书等平台，在问答、头脑风暴、分类、生成、总结等8项测试中取得了最高分。

这个充满荒诞段子的中文社区，一跃成为最佳的中文AI训练数据库之一。

然而弱智吧里的发言“画风”通常是这样的：“生鱼片是死鱼片”“等红灯是在等绿灯”“咖啡因来自咖啡果”“一个半小时是几个半小时？”……

这些看起来荒谬又搞笑的语句，和AI有什么关系？这个问题终于在今年的外滩大会创新者舞台上有了答案。

弱智吧的核心成员首次在线下露面，带着他们的段子向AI“开炮”，还顺便揭秘了这群段子手的真实身份。

段子为什么能作为训练AI的语料？

 在外滩大会的创新者舞台，弱智吧成员和AI专家进行了“脑洞”和理论的交锋。他们也同样疑惑，为什么许多AI公司会选择弱智吧作为语料库？

 无界方舟CEO曾晓东说，他们的研究方向是“利用人工智能技术让机器人更像人”，训练AI时一直在寻找口语化的、多轮问答的语料。“其实喂给大模型的不只是段子，还包括其他人对段子的回复。要找这样好玩的、高质量的中文对话，很多同行、数据公司都会提起弱智吧。”

9月7日，弱智吧成员胡萝北讲述了弱智吧和AI的交手经历。

早在2022年，他就试过发一些段子让AI来解读，AI搜罗了大量信息来做名词解释，却无法理解段子真正的含义。胡萝北说，“没有一个AI能笑着走出弱智吧，因为他不懂幽默。”

弱智吧里的段子看似无厘头，其实包含了很强的逻辑性，比如“明知山有虎，不去明知山”，其实是拆解了“明知”这个动词，重新组合成“明知山”，巧妙替换了句子的含义。曾晓东说，正是这些语言陷阱，锻炼了语言大模型对中文的解读和推理能力，让AI能像人一样进行交流。

胡萝北说，没想到有一天弱智吧的段子会成为训练大模型的语料，“AI看似与普通人无关，但机器人其实是对人类的模仿，从某种程度而言我们每天都在为未来的AI投喂数据。”

“弱智吧”里有数学博士、AI从业者、脱口秀演员……

弱智吧的段子为什么对AI有如此奇效？胡萝北形容弱智吧是段子里的“基础科学”，因为段子里有很强的逻辑性。

除了是弱智吧的核心成员，胡萝北的另一重身份是脱口秀演员。他写过一个段子，“种什么因得什么果，种咖啡因得咖啡果”，像是套公式做题，给文字套上公式后，就产生了一种打破常理的喜剧效果。

胡萝北透露，其实他是数学系毕业的，弱智吧吧主公孙闬也是数学系毕业的，“我们这群核心成员里很多人都是理科生，有时候突然扔一个数学题到群里就开始一起解答。”

这个诞生于PC贴吧时代的兴趣社区，在互联网浪潮中走过了20年。吧主公孙闬透露，创建人当年还是小学生，前些年去国外攻读数学系博士。

“贴吧的吧主已经交替了好几代，我们都长大了，进入了各行各业，也有人在从事AI相关的工作。大家把自己在生活中的见闻经历写成段子，所以这个社区还活跃着，大家都能玩得开心。”

公孙闬说，他负责审核贴吧里的帖子，每天有500条左右，现在还经常会发现一些新的原创段子让人眼前一亮。这些来自不同领域、取材于真实生活的段子，有强大的逻辑，也有浪漫的修辞。“语言是好玩的，如果AI无法理解这类打破常规的语言，就会让人失去沟通的欲望。”

胡萝北最后用和外滩的“外”相对的“内”来总结，我们现在看似生活在一个被AI包围的时代，但“内”字里的“人”又没有被完全困住，“正像网友们说的，弱智吧是人与AI之间的最后一道防线。

文章来自于“九千光年”，作者“储帆”。