وقتی «چه عالی!» یعنی «اصلا عالی نبود»: آیا هوش مصنوعی طعنه را می فهمد؟

فرض کنید دانش آموزی بعد از ارائه ای که فایلش باز نشده و نیمی از گروه حرفش را فراموش کرده، از هم کلاسی اش می شنود: “Great job!” آیا واقعا تشویق شده یا با طعنه روبه روست؟ واژه ها به تنهایی پاسخ نمی دهند؛ موقعیت، رابطه دو نفر، لحن و دانسته های مشترک باید کنار هم قرار گیرند. همین مثال ساده پرسشی جدی درباره تشخیص طعنه در هوش مصنوعی پیش می کشد: آیا مدل زبانی منظور را می فهمد یا فقط نشانه هایی را پیدا می کند که معمولا کنار طعنه دیده است؟

برای مدرس زبان، ممتحن آزمایشی و سازنده نرم افزار، این پرسش کاربردی است. چت بات ممکن است پیام مشتری یا گفت وگوی زبان آموز را تحلیل کند، اما اشتباه در تشخیص شوخی می تواند بازخورد را نامتناسب کند. در این یادداشت، یافته های چند پژوهش تازه را با احتیاط می خوانیم و می بینیم چگونه می توان همین ابهام را به تمرین کاربردشناسی در کلاس تبدیل کرد.

معنی جمله با منظور گوینده یکی نیست

معناشناسی می پرسد جمله از نظر واژه و ساخت چه می گوید؛ کاربردشناسی بررسی می کند گوینده در بافت خاص چه منظوری دارد. “That was brilliant” پس از حل موفق مسئله می تواند تحسین واقعی باشد. همان عبارت پس از خراب کردن ارائه ممکن است طعنه باشد. نشانه های کمک کننده فقط واژه ها نیستند: رویداد قبلی، رابطه گوینده و شنونده، آهنگ صدا، مکث، حالت چهره و هنجارهای فرهنگی هم دخیل اند.

متن محور بودن بسیاری از ابزارها بخشی از این نشانه ها را حذف می کند. حتی وقتی نشانه ای در متن هست، تفسیرش قطعی نیست: پیام “Nice work…” می تواند کنایه، شوخی دوستانه یا تشویق واقعی باشد. بنابراین خروجی دوحالته «طعنه/غیرطعنه» گاهی بیش از اندازه مطمئن به نظر می رسد.

پژوهش روی داده مصنوعی چه هشدار می دهد؟

Mahato، Mishra و Ghosh در مقاله داوری شده ACL 2026 با عنوان LLMs in Sarcasm Detection? It’s elementary! (Or is it?) مسئله را از زاویه تفاوت داده مصنوعی و گفتار انسانی بررسی کردند. طبق چکیده مقاله، مدل ها در داده های مصنوعی به عملکرد نزدیک به کامل رسیدند، اما در ارزیابی بر گفتار انسانی طبیعی افت کردند تا حد نزدیک شدن به حدس تصادفی. نویسندگان این شکاف را با اتکا به نشانه های آماری سطحی به جای سرنخ های کاربردشناختی مرتبط می دانند. این نتیجه درباره مجموعه داده ها و آزمون های همان مقاله است؛ نباید آن را حکم کلی درباره همه مدل ها یا همه انواع طعنه دانست. (Mahato et al., 2026, *Proceedings of ACL*, pp. 29169–29199, DOI: 10.18653/v1/2026.acl-long.1346.)

این تمایز برای کسی که ابزار آموزشی می سازد مهم است. اگر داده تمرین پر از جمله های اغراق آمیز مثل “Oh, fantastic!” در کنار یک اتفاق بد باشد، مدل می تواند الگوی کلمه را حفظ کند. اما مکالمه طبیعی اغلب ظریف است، و همان واژه در بافتی دیگر معنای مخالف می گیرد. نمره خوب روی مثال های ساخته شده، به تنهایی ثابت نمی کند سامانه در گفت وگوی واقعی هم منظور را می گیرد.

مدل در فهم بی ادبی و بافت چه می کند؟

Andersson و McIntyre در مطالعه ای اکتشافی، ChatGPT 3.5 را با نمونه های بی ادبی ضمنی، صریح، فرازبانی و طعنه روبه رو کردند و از آن خواستند بی ادبی و منبع آن را تشخیص دهد یا بازنویسی کند. پژوهشگران گزارش کردند مدل در بسیاری از نمونه ها بی ادبی را تشخیص می داد، اما در شوخی دوستانه و کاربردهای غیرتوهین آمیز دقتش ناپایدار بود؛ ارزیابی لحن و منظور ضمنی نیز دشوار می شد. این مطالعه بر یک نسخه مشخص از مدل و مجموعه وظایف اکتشافی تکیه دارد و معادل ارزیابی همه مدل های امروز نیست. (Andersson & McIntyre, 2025, *Journal of Pragmatics*, 239, 16–36, DOI: 10.1016/j.pragma.2025.02.001.)

مطالعه دیگری از Tantucci و Culpeper پنج مشاجره واقعی درباره جای پارک را مرحله به مرحله به ChatGPT 4.0 عرضه کرد. در آن موقعیت های خاص، پژوهشگران مشاهده کردند که مدل در جریان تعامل طولانی تر گاهی به سمت پاسخ های بی ادبانه تر می رود. این یافته به خودی خود به معنای داشتن احساس یا قصد انسانی در مدل نیست؛ رفتار خروجی در یک طراحی مشخص بررسی شده است. اما نشان می دهد تفسیر بافت و انتخاب پاسخ اجتماعی، موضوعی فراتر از شناسایی یک کلمه منفی است. (Tantucci & Culpeper, 2026, *Journal of Pragmatics*, 260, 173–193, DOI: 10.1016/j.pragma.2026.03.008.)

یک تمرین کوتاه برای کلاس انگلیسی

مدرس می تواند یک عبارت ثابت مثل “That’s just great” را در سه موقعیت عرضه کند: دوست پس از موفقیت گروه، هم تیمی پس از خراب شدن فایل ارائه، و گوینده ای که با لبخند آن را در شوخی دوستانه می گوید. از زبان آموزان بخواهید برای هر مورد چهار پرسش را پاسخ دهند: چه اتفاقی افتاده؟ گوینده و شنونده چه رابطه ای دارند؟ چه نشانه ای در لحن یا متن داریم؟ چه تفسیر دیگری ممکن است؟ سپس از ابزار هوش مصنوعی بخواهید برای هر تفسیر شاهد بیاورد و میزان اطمینانش را توضیح دهد.

در این فعالیت، پاسخ مدل کلید جواب نیست؛ یک هم گفت وگوی قابل نقد است. دانش آموز می تواند بگوید «با این بافت، برداشت من طعنه است، چون فایل خراب شده؛ ولی بدون لحن، قطعیت ندارم». چنین جمله ای توانایی مهمی را تمرین می دهد: جداکردن مشاهده از حدس و بیان عدم قطعیت. برای زبان آموزان چندزبانه نیز نباید یک برداشت فرهنگی را تنها تفسیر مجاز معرفی کرد؛ تفاوت سبک شوخی و هنجارهای ادب، بخشی از بحث است.

ممتحن آزمایشی و مدرس مدرسین چه بهره ای می برند؟

در آزمون آزمایشی، طعنه ممکن است در پاسخ گفتاری، ایمیل یا گفت وگوی نقش آفرینی ظاهر شود. مدل می تواند برای بازاندیشی پس از آزمون، چند برداشت محتمل و نشانه های زبانی را پیشنهاد کند؛ اما ممتحن نباید تحلیل قطعی «این پاسخ بی ادبانه است» را جایگزین معیارهای روشن نمره دهی کند. بهتر است rubric، هدف تکلیف، مخاطب و بافت در دسترس باشد و داوری نهایی بر عهده ارزیاب انسانی بماند.

در کارگاه تربیت مدرس، از شرکت کنندگان بخواهید یک ورودی ثابت را در دو بافت متفاوت بیازمایند و پاسخ مدل را با هم مقایسه کنند. سپس از آنان بخواهید توضیح دهند چه اطلاعاتی کم بوده و چه پرسشی می توانست ابهام را کاهش دهد. این کار سواد انتقادی هوش مصنوعی را با آموزش کاربردشناسی پیوند می دهد، بی آنکه وانمود کند یک تمرین کوتاه توانش بینافرهنگی را به تنهایی می سنجد.

برای سازنده وب و .NET: بافت را وارد طراحی کنید

اگر در حال ساخت سامانه پشتیبانی یا ابزار بازخورد هستید، خروجی قطعی و تک برچسبی را تنها گزینه نگذارید. در طراحی رابط، امکان «اطمینان پایین»، «به بافت بیشتری نیاز است» و چند تفسیر رقیب را در نظر بگیرید. همراه ورودی، فقط اطلاعات مجاز و ضروری موقعیت را بدهید؛ مثلا پیام قبلی یا هدف تکلیف، نه داده شخصی نامرتبط. برای آزمون سامانه، نمونه هایی بسازید که واژه یکسان در موقعیت های متفاوت به کار می رود و نمونه های طبیعی را نیز جداگانه ارزیابی کنید. نتیجه را برحسب نوع بافت و خطا گزارش کنید، نه صرفا یک عدد کلی.

در سطح پیاده سازی، این یعنی قرارداد API هم باید عدم قطعیت را بازتاب دهد: برچسب پیشنهادی، توضیح شواهد و محدودیت زمینه می توانند فیلدهای جداگانه باشند. اگر کاربر قصد یا رابطه گویندگان را نمی داند، سامانه باید بتواند سوال روشن کننده بپرسد یا از داوری خودداری کند. چنین رفتاری برای تجربه کاربر صادقانه تر است و احتمال تبدیل حدس زبانی به تصمیم پرهزینه را پایین می آورد.

پس آیا هوش مصنوعی طعنه را می فهمد؟

پاسخ دقیق تر این است: مدل ها می توانند در بعضی بافت ها نشانه های طعنه و بی ادبی را تشخیص دهند، اما عملکردشان به داده، مدل، نوع تعامل و اطلاعات زمینه وابسته است؛ پژوهش های یادشده شواهدی از محدودیت و شکنندگی در شرایط مشخص عرضه می کنند، نه حکم نهایی درباره هر سامانه. برای کلاس زبان، همین ناپایداری فرصت خوبی است تا زبان آموز شواهد، منظور و بدیل ها را تحلیل کند. برای محصول نرم افزاری نیز پیام روشن است: لحن را واقعیت قطعی فرض نکنید، بافت را حفظ کنید و به کاربر اجازه تردید و اصلاح بدهید.

منابع:

Mahato, P., Mishra, A. S., & Ghosh, K. (2026). DOI: 10.18653/v1/2026.acl-long.1346.

Andersson, M., & McIntyre, D. (2025). DOI: 10.1016/j.pragma.2025.02.001.

Tantucci, V., & Culpeper, J. (2026). DOI: 10.1016/j.pragma.2026.03.008.

نسخه همراه با تصویر و پیوندهای پژوهشی در وب سایت شخصی: https://mahdiyar-ghassemi.ir/تشخیص-طعنه-هوش-مصنوعی/