Anlass für diesen Text ist ein Blogbeitrag von Nightcat. Sie hat in einem Dialog mit einer Maschine überrascht festgestellt, dass diese durchaus humorvoll antwortet. Ihre Erklärung: Das LLM spiegle offenbar ihren eigenen Humor, und im Dialog klinge das dann wie eine schlagfertige, humorvolle Antwort.
Zuerst wäre zu klären, was Humor überhaupt ist. Eine einheitliche Antwort gibt es nicht: Schon vor rund 100 Jahren wurden 77 Humortheorien gezählt. Fünf davon stellt »Psychologie Heute« vor. Die Überlegenheitstheorie (wir lachen über die Schwächen anderer) reicht bis zu Platon und Hobbes zurück. Die Inkongruenztheorie ist ebenfalls sehr alt. Sie sieht das Unvorhersehbare, Überraschende als wesentliches Element des Humors. Dazu kommen die Entlastungs‑, die Erregungs- und die Umschalttheorie. Keine von ihnen erklärt nach Ansicht des dort zitierten Psychologen G. Neil Martin vollständig, warum wir lachen.
Eines setzen aber, soweit ich sehe, alle Theorien voraus: Der Mensch braucht kognitive Fähigkeiten, um Humor auszudrücken oder zu verstehen. Eine KI besitzt diese Fähigkeiten nur im Sinne von Informationsverarbeitung, Mustererkennung und Lernen aus Daten. Ein Bewusstsein schreibt man heutigen KI-Systemen überwiegend nicht zu, und ob man bei ihnen von echtem Verstehen sprechen kann, ist zumindestens umstritten. Von Absichten und subjektivem Erleben ganz zu schweigen. Bestenfalls simuliert eine KI diese Dinge.
Wie kann eine KI dann situativ humorvoll antworten? Fragen wir doch einfach nach, in dem Fall die KI Claude:
Wenn eine KI eine Bemerkung macht, die der Mensch im Allgemeinen als humorvoll empfindet: Hat sie dann einfach nur den menschlichen Humor gespiegelt, oder wie funktioniert das?
Es gibt kein separates Humormodul. Das Modell erzeugt Text Token für Token, bedingt auf alles, was im Gespräch bisher steht. Eine situative Pointe ist also derselbe Mechanismus wie jede andere Antwort, nur dass der Kontext (deine Formulierung, die Stimmung, der Gesprächsverlauf) die Fortsetzung in Richtung “witzig” lenkt. Zwei Trainingsstufen prägen das: das Vortraining auf Texten, in denen Menschen pointiert schreiben, und das Nachtraining mit menschlichen Bewertungen, das Antworten bevorzugt, die gut ankommen.
Eine pointierte Bemerkung braucht typischerweise zwei Dinge: eine Repräsentation der Situation, die genug Material enthält (was ist erwartbar, was ist peinlich, was widerspricht sich?), und eine Fortsetzung, die diese Erwartung knapp und überraschend bricht. Beides sind Mustererkennungsleistungen, die ein Modell dieser Größe erbringen kann. Deshalb wirkt Humor aus dem Gespräch heraus besser als Witze auf Zuruf: Er wird nicht abgerufen, sondern jedes Mal neu zusammengesetzt. Dass Kürze und Timing dabei oft stimmen, liegt vermutlich daran, dass pointierte Texte im Trainingsmaterial genau so gebaut sind.
Die KI bedient sich also der Mustererkennung. Das funktioniert besonders gut, wenn der Gesprächsverlauf im Kontext steht: Das Modell setzt fort, was bisher gesagt wurde, in Ton und Stimmung. Dazugelernt hat es dabei nichts. Die Gewichtung ändert sich im Gespräch nicht.
Damit wäre Nightcats Spiegel-These zumindest nicht widerlegt. In wie weit man das als Humor verstehen will, ist dabei fast schon eine philosophische Frage. Faszinierend ist es allemal.
Vor drei Wochen fing es an. Erst traf es Arthur Müller, den ehemaligen Inhaber des örtlichen Eisenwarenhandels. Zwei Tage später fand man den Pastor in seinem Studierzimmer, und gestern war es der pensionierte Oberstudienrat Peter Wanke.