Bestanden ja – verstanden nein

In einem Kommunikationsexperiment nach Alan Turing konnten Menschen Künstliche Intelligenzen und echte Menschen nicht auseinanderhalten. Was sagt das über die Intelligenz dieser Programme? Und was bedeutet es für unser Vertrauen in die Onlinekommunikation? Eine Einordnung.

Das Experiment dauert fünf Minuten. Auf dem Bildschirm des Nutzers erscheinen zwei Chatfenster. In einem antwortet ein Mensch, im anderen ein Computerprogramm. Der Nutzer weiß nicht, wer wer ist. Am Ende muss er entscheiden: Welcher Gesprächspartner war der echte Mensch?

So ähnlich hatte der britische Mathematiker Alan Turing schon 1950 vorgeschlagen, die Frage zu klären, ob eine Maschine denken kann. Statt über Bewusstsein, Geist und Verstehen zu streiten, sollte man ihr Verhalten prüfen. Wenn ein Mensch im Gespräch nicht mehr zuverlässig erkennt, ob er es mit einer Maschine oder einem anderen Menschen zu tun hat, dann, so die berühmte Idee, habe die Maschine den Test bestanden.

Die KI ging eher als Mensch durch als der Mensch

75 Jahre später ist diese Schwelle keine Science-Fiction mehr. In einer aktuellen Studie in den „Proceedings of the National Academy of Sciences“ (PNAS) berichten Cameron Jones und Benjamin Bergen von der University of California San Diego, dass mehrere moderne Sprachmodelle den eingangs geschilderten Drei-Parteien-Turing-Test bestanden haben.

Die Ergebnisse sind verblüffend. Wurde GPT-4.5 mit einer passenden Rolle ausgestattet, hielten die Versuchspersonen das Programm in etwa drei von vier Fällen für den Menschen – also häufiger als den tatsächlichen Menschen. Auch LLaMa-3.1–405B, ein großes Sprachmodell von Meta, wurde in etwas mehr als jedem zweiten Fall als Mensch eingeordnet. In einer weiteren Studie mit 15 Minuten Gesprächszeit lagen GPT-5 und LLaMa ebenfalls im Bereich oder über der Zufallsschwelle von 50 Prozent. Der zum Vergleich herangezogene Chatbot Eliza aus den 1960er-Jahren fiel dagegen klarer auf und wurde nur in jedem sechsten Fall für den Menschen gehalten.

Entscheidend ist allerdings ein Detail: Die erfolgreichen Modelle wurden vorher angewiesen, eine menschliche Persona zu spielen – etwa eine junge, eher introvertierte Person, die Internetkultur kennt und gelegentlich Netzjargon benutzt. Ohne diese Inszenierung schnitten dieselben Modelle deutlich schlechter ab. Demnach könnten die Programme heute sehr gut menschlich wirken, wenn man ihnen sagt, wie sie das tun sollen – so sehr, dass manche Menschen mit ihnen sogar eine Beziehung führen.

Woran glauben wir, KI erkennen zu können?

Interessant ist, wie die Prüfer versuchten Menschlichkeit zu erkennen. Sie stellten nur selten klassische Intelligenzfragen nach Mathematik, Logik oder Faktenwissen. Viel wichtiger waren Sprachstil, Smalltalk, Humor, Unsicherheit, Tippfehler, Gesprächsfluss und Persönlichkeit. Manche hielten einen Gesprächspartner gerade deshalb für menschlich, weil er etwas nicht wusste oder etwas unvollkommen formulierte. Perfekte Antworten können als KI somit verdächtig wirken. Menschlichkeit zeigt sich offenbar auch an der richtigen Dosis Beiläufigkeit.

Die Frage ist deshalb nicht mehr, ob ein Programm fünf Minuten lang wie ein Mensch klingen kann. Die neue Frage lautet: Können sie das verlässlich, über längere Zeit, in unterschiedlichen Situationen und gegenüber geschulten Prüfern?

Ab wann können KIs uns verlässlich täuschen?

Dafür dürfte mehr Rechenleistung allein nicht reichen. Größere Modelle, längeres Training und größere Datenmengen helfen zwar, denn sie machen die Sprache flüssiger, das Wissen breiter und die Imitation überzeugender. Doch Menschen bleiben in einem Gespräch dieselbe Person. Sie erinnern sich an frühere Aussagen, haben eine Lebensgeschichte, Vorlieben, Lücken, Stimmungen und Widersprüche. Heutige Sprachmodelle können eine solche Identität nachahmen, aber sie besitzen meist kein stabiles, überprüfbares Selbstmodell. Sie haben keine innere Vorstellung davon, wer oder was sie selbst sind, was sie wissen und was nicht, was sie zuvor gesagt haben und welche Rolle sie in einer bestimmten Situation einnehmen.

Ein Programm, das den Turing-Test verlässlich besteht, müsste wissen, was es zuvor gesagt hat, welche Details zu seiner Rolle passen und wo es sich nicht verheddern darf. Es bräuchte außerdem ein besseres Weltmodell. Menschen sprechen nicht nur über Wörter, sondern über eine gemeinsame Wirklichkeit: über Räume, Körper, Zeit, Wetter, Müdigkeit, Peinlichkeiten, Alltagserfahrungen. Sprachmodelle kennen vieles davon aus Texten, aber sie sind nicht in derselben Weise in eine Welt eingebettet. Multimodale Systeme, die auch Bilder, Stimmen, Videos und vielleicht Handlungen in Simulationen verarbeiten, könnten diese Lücke verringern.

Hinzu kämen sogenannte agentische Fähigkeiten, etwa Ziele über längere Zeit und mehrere Zwischenschritte zu verfolgen, nachzufragen, Fehler zu korrigieren, Informationen zu suchen und aus Rückmeldungen zu lernen. Auch eine bessere Einschätzung von Unsicherheit wäre nötig. Ein Mensch kann sagen: „Das weiß ich nicht“, „Ich müsste nachsehen“, „Ich habe mich geirrt“. Sprachmodelle können solche Sätze formulieren, aber sie verwechseln zu oft Wissen, Vermutung und plausible Erfindung. In kurzen Gesprächen fällt das nicht immer auf, in langen anspruchsvollen Tests schon.

Ab wann wäre eine KI wirklich intelligent?

Aber wäre ein zuverlässig bestandener Turing-Test ein Nachweis menschenähnlicher Intelligenz? Kann eine KI ein Bewusstsein entwickeln? Der Turing-Test misst Verhalten an der Oberfläche einer Interaktion. Er prüft nicht direkt, ob ein System etwas versteht, eigene Ziele hat, Erfahrungen macht oder aus Gründen handelt. Ein Schauspieler kann einen Arzt überzeugend darstellen, ohne Medizin studiert zu haben.

Ein überzeugender Intelligenznachweis müsste daher anders aussehen. Ein Programm müsste neuartige Probleme lösen, für die es keine eintrainierten Muster gibt. Es müsste Wissen von einem Bereich auf einen anderen übertragen, Ursachen und Folgen verstehen, aus wenigen Erfahrungen lernen, langfristig planen und sein eigenes Nichtwissen erkennen. Es müsste nicht nur Antworten geben, sondern seine Annahmen prüfen, Fehler korrigieren und in einer veränderten Welt handlungsfähig bleiben. Von einigen dieser Fähigkeiten sind moderne KI-Systeme nicht mehr weit entfernt, bei anderen stehen sie noch am Anfang.