Henkilökohtainen komiikkamalli

Versio 2 · päivitetty 3.10.2026

Read in English →

Tekoäly osaa jo kirjoittaa vitsejä, joita ihmiset pitävät aidosti hauskoina. Tähän asti on lähinnä kysytty, onko kone hauska. Kysyn tässä toista: mitä tapahtuu, kun jokaisella on oma vitsikone, joka oppii jokaisesta naurahduksesta ja ohituksesta, mikä juuri häntä naurattaa, ja keksii heti seuraavan vitsin hänelle? Videosovellukset etsivät jo valmiista sisällöstä sen, mistä todennäköisesti pidät. Tämä tekisi sisällön alusta asti sinulle, vähän kuin koomikko, jonka koko yleisö olet sinä. Siksi kysymys ei koske vain viihdettä vaan myös sitä, mitä yhteiselle huumorille ja ihmisten käyttäytymiselle tapahtuu.

Tekoälyn tuottamasta huumorista on puhuttu yllättävän paljon. Yksi kysymys on silti jäänyt paljon vähemmälle huomiolle kuin itse vitsien tuottaminen:

Mitä ihmisten käyttäytymiselle ja huumorikulttuurille tapahtuu, kun yhdellä ihmisellä on käytännössä rajaton määrä hänen omaan makuunsa optimoitua huumoria?

Mitä tiedetään jo: AI osaa olla hauska

Tutkimuksessa on jo aika vahvaa näyttöä siitä, että kielimallit pystyvät tekemään sisältöä, jota ihmiset pitävät aidosti hauskana.

• Gorenzin ja Schwarzin vuonna 2024 PLOS One -lehdessä julkaistussa tutkimuksessa ChatGPT 3.5:n tuottamat vitsit arvioitiin keskimäärin vähintään yhtä hauskoiksi kuin ihmisten, ja joissakin tehtävissä hauskemmiksi. Mukana oli myös vertailu The Onionin ammattilaisten otsikoihin: mallin otsikot arvioitiin keskimäärin yhtä hauskoiksi kuin alkuperäiset (USC Today, PsyPost).
• Vuoden 2025 Computers in Human Behavior -tutkimuksessa GPT-4o pärjäsi ihmisiä paremmin tekstipohjaisessa huumorissa, mutta ei kuvapohjaisessa (Axios).
• Vuonna 2026 on tutkittu järjestelmällisesti sekä vitsien generointia että sitä, pystyykö malli itse arvioimaan, mikä vitsi toimii (Sakabe ym., AAAI 2026).

Myös käytännön suunta on selvä. Vuonna 2026 Engineering Applications of Artificial Intelligence -lehdessä julkaistu tutkimus rakensi multimodaalisen järjestelmän, joka generoi kuutta eri huumorityyppiä (mm. sanaleikit, liioittelu, absurdi ja musta huumori), muuttaa vitsit automaattisesti lyhytvideoiksi kuvineen ja äänineen ja mittaa niiden menestystä oikeilla lyhytvideoalustoilla (ScienceDirect). Automaattinen huumoritehdas + jakelu + palautesilmukka on siis jo tutkimusaihe.

Aukko: kenelle huumori tehdään?

Suuri osa kirjallisuudesta kysyy joko “Voiko AI olla hauska?” tai “Voiko AI auttaa koomikkoa kirjoittamaan?”. Google DeepMind esimerkiksi tutki tekoälyä nimenomaan koomikoiden luovuustyökaluna: kahdenkymmenen ammattikoomikon työpajoissa silloiset mallit tuottivat usein kliseistä materiaalia, vaikka koomikot näkivät niissä potentiaalia työkaluna (Mirowski ym., FAccT 2024).

Oma kysymykseni on eri: ei se, osaako kone olla hauska, vaan mitä tapahtuu, kun jokaisella on oma, loputon ja juuri hänen makuunsa viritetty huumorivirtansa.

Tekninen ero TikTokiin

TikTok yrittää löytää miljoonien olemassa olevien videoiden joukosta seuraavan, josta pidät. Generatiivinen järjestelmä voisi tehdä toisin:

generoi → näytä → reaktio → päivitä makumalli → generoi uudelleen

Jos käyttäjä reagoi vaikkapa 😅 / 😂 / 💀 / ohita / jaa, malli saa valtavan määrän erittäin puhdasta preferenssidataa. Muutamassa sadassa kierroksessa se voisi ehkä oppia todella hienojakoisen “huumoriprofiilin”: tykkäät kontekstinvaihdoista mutta et sanaleikeistä; synkästä huumorista silloin kun se on absurdia mutta et pelkästä shokista; tietystä rytmistä; tietyn mittaisista setup–punchline-pareista ja niin edelleen.

Tähän liittyy tuore löydös, joka tekee ideasta kiinnostavamman. AAAI 2026 -tutkimuksessa ihmiset ja kielimallit eivät arvioineet huumoria samalla tavalla: mallit painottivat enemmän uutuutta, ihmiset enemmän empatiaan liittyviä tekijöitä (Sakabe ym.). Käytännössä pelkkä “AI arvioi omat vitsinsä” ei siis ehkä riitä — käyttäjän oma nauru tai reaktio on arvokkaampi signaali.

Kolme sukupolvea: vitsikone, loputon syöte ja oma komiikkamalli

Erottaisin kolme sukupolvea:

1. AI joke generator — “tee minulle vitsi”.
2. Infinite AI comedy feed — loputon generoitu virta.
3. Personal comedy model — järjestelmä oppii nimenomaan sen, mikä saa sinut nauramaan, ja alkaa generoida sitä reaaliajassa.

Kolmas on minusta varsinainen uusi idea. Silloin kyse ei enää oikeastaan ole meemigeneraattorista vaan huumorin suosittelujärjestelmän ja generatiivisen mallin hybridistä.

Siinä voi olla aika voimakas “TikTok-hetki”: nykyiset suosittelujärjestelmät etsivät sisältöä. Tämä keksii seuraavan sisällön juuri sinua varten.

Uutuusarvo

Hain vastineita tutkimuksista (arXiv, ACL Anthology, AAAI, ScienceDirect) ja tuotteista hakusanoilla kuten personalized humor generation, humor preference modeling, AI meme app learns your sense of humor ja AI generated video feed. Lähimmät vastineet:

• iFunny mainostaa algoritmia, joka “oppii huumorintajusi”. Se kuitenkin valitsee olemassa olevia, käyttäjien tekemiä meemejä — se on sukupolvea 3 edeltävä suosittelija, ei generaattori.
• Sora-sovellus (OpenAI, 2025) on AI-generoidun videon syöte personoidulla järjestyksellä. Sisältö on kuitenkin käyttäjien generoimaa ja syöte lajittelee sitä; se ei generoi seuraavaa videota yhden katsojan reaktioiden perusteella. Lähinnä sukupolvea 2.
• Who Laughs with Whom? (Murakami ym., 2026) osoittaa, että huumorimieltymykset jakautuvat käyttäjäryhmiin ja että mallin mieltymyksiä voi persoonakehotteella ohjata tietyn ryhmän suuntaan. Tämä on ryhmätasoista eikä yksilön reaaliaikaista oppimista.
• lmfaoooo, SemEval-2026 (“Humor Is an Audience”) mallintaa kohdeyleisön mieltymyksiä tulkittavina huumoripiirteinä ja valitsee niiden avulla generoiduista ehdokkaista. Se on teknisesti lähimpänä, mutta yleisö on kilpailutehtävän annettu kohderyhmä, ei yksittäinen käyttäjä jatkuvassa palautesilmukassa.

Yksittäiset palaset siis ovat olemassa: generointi, ryhmätason preferenssimallit, generoidut syötteet ja olemassa olevan sisällön personointi. En löytänyt tuotetta tai tutkimusta, joka yhdistäisi ne silmukaksi, jossa yhden ihmisen reaktiot päivittävät hänen makumalliaan ja ohjaavat suoraan seuraavan vitsin generointia. En myöskään löytänyt vakiintunutta tutkimushaaraa kirjoituksen pääkysymykselle — mitä rajattomasta personoidusta huumorista seuraa käyttäytymiselle ja huumorikulttuurille. Uutuusarvo on juuri tässä yhdistelmässä ja kysymyksenasettelussa, ei AI-huumorissa sinänsä.

Teoreettinen arvo

Ilman ideaa suosittelija hoitaa jo suuren osan

Lähivuosina AI-generoitu huumori täyttää syötteet joka tapauksessa: Soran kaltaiset generoidut syötteet yleistyvät, automaattiset huumoritehtaat (kuten yllä mainittu lyhytvideotutkimus) tuottavat valtavan sisältövarannon ja nykyiset suosittelijat poimivat siitä kullekin sopivimman. Kun varanto on käytännössä rajaton, hyvä suosittelija jäljittelee jo pitkälle henkilökohtaista generointia. Idean lisäarvo on vain se ero, jonka yksilölle reaaliajassa generoitu sisältö tuo tämän päälle.

Fermi-arvio: noin 0,3–6 miljardia dollaria vuodessa

Mittarina käytän mainosrahoitteisen sosiaalisen median tulot, koska siihen sitoutumisen kasvu realisoituu:

• Alaraja: 317 mrd. $ × 20 % × 0,5 % ≈ 0,3 mrd. $ / vuosi
• Yläraja: 317 mrd. $ × 40 % × 5 % ≈ 6 mrd. $ / vuosi

Haarukka on siis noin 0,3–6 miljardia dollaria vuodessa. Suuruusluokka-arvio, ei ennuste.

Eniten heiluttaa se, kattaako yleinen varanto yksilön maun

Viimeinen kerroin ratkaisee. Jos generoitu varanto on niin suuri, että suosittelija löytää lähes aina “riittävän osuvan” vitsin, lisäparannus jää lähelle nollaa ja idean arvo kaventuu alarajalle tai sen alle. Jos taas hienojakoinen yksilöllinen maku (rytmi, aiheyhdistelmät, henkilökohtaiset viittaukset) on jotain, mitä mikään yleinen varanto ei kata, ero voi olla selvästi suurempi.

Arvio mittaa markkina-arvoa eli sitoutumista, ei hyvinvointia. Kirjoituksen pääkysymys — mitä huumorikulttuurille tapahtuu, kun jokaisella on oma loputon virtansa — jää tämän luvun ulkopuolelle, ja sen etumerkki voi olla kumpi tahansa.