[4] Como resultado, en esta dirección no se hizo ningún desarrollo correcto y las investigaciones posteriores aceptaron una coloración un tanto especializada.
Utsumi [1996] esboza un análisis lógico de la ironía, pero este trabajo no ha sido implementado.
[12] Ephratt [1990] hizo un programa que “parsea” un rango limitado de oraciones ambiguas y detecta textos humorísticos alternativos.
[13] Mele [2002] brinda una formalización basada en un enfoque cognitivo (modelo creencia-deseo-intención) que distingue entre humor real y ficticio.
Un paso más allá sería generar bromas basándose en las reglas sobre las que se sustenta la clasificación.
El nombre del proyecto es un acrónimo de System To Augment Non-speakers' Dialog Using Puns.
[20][22][23] Un algoritmo estadístico de machine learning para determinar si una frase contenía un "that's what she said" (“es lo que ella dijo”) con doble sentido fue desarrollado por Kiddon y Brun en 2011.
[29] Se sabe que los seres humanos interactúan con las computadoras de forma similar a la interacción con otros humanos que pueden describirse en términos de personalidad, cortesía, adulación y favoritismo dentro del grupo.
[30][17][31] Craig McDonough implementó el Mnemonic Sentence Generator, que convierte las contraseñas en oraciones cómicas.
Por ejemplo, la contraseña AjQA3Jtv se convierte en "Arafat joined Quayle's Ant, while TARAR Jeopardized thurmond's vase" ("Arafat se unió a Quayle's Ant, mientras que TARAR puso en peligro el jarrón de Thurmond").