17 & 4, ach nee, 23

Ich erinnere mich noch gut daran, wie es für mich mit diesen Computern losging: Ich muss so 16 gewesen sein, als ich mich dazu entschloß, an der Informatik-AG unserer Schule teilzunehmen.
Da saßen wir dann nun bei bestem Wetter, 8 Schüler (ja, keine Mädchen), die meisten eindeutig eher unsportliche Brillen-Nerds, mit unserem Mathe-Lehrer P. Wanke im Keller der Schule. Dort gab es seinen ganzen Stolz, eine Zuse, ein Computer in den Ausmaßen einer Schrankwand.

Wir pröckelten nun mit Scheren kleine Löcher in Lochkarten, um dem Computer Befehle zu geben und bauten uns so einen elektronischen Zufallsgenerator.

Es war sterbenslangweilig, so dass ich schon nach kurzer Zeit beschloß, keine tote Computersprache lernen zu wollen, sondern lieber in der Sonne mit den Mädels aus der Nachbarklasse schäkern wollte. Ich meldete mich dann bei einem Italienisch-Kurs an der VHS Charlottenburg an. Meine Computer-Karriere endete hier ziemlich abrupt. Mein Fundstück für die Wunderkammer sind dieses Mal die Lochkarten.

Doch gerade heute ist es wichtig, sich in die Arbeitsweise von Maschinen und insbesondere der KI hineindenken zu können.

Vielleicht kennt ihr das Spiel schon: Fragt eure KI nach einer zufällig gewählten Zahl zwischen 1 und 30.
Erstaunlich oft wird euch die KI die 17 nennen. Und wenn ihr sie anschließend auffordert, eine andere Zahl zu nennen, begegnet euch auffällig häufig die 23.

Nein, ich bin keine Hellseher – aber so funktioniert nun einmal die KI. Denn normalerweise wäre das ein denkbar belangloser Dialog geblieben. Zwei Zahlen eben, die ebenso gut 8 und 26 hätten lauten können.
Das Ganze hatte ich zuvor in einem Instagram-Reel gesehen, in dem daraus eine ziemlich weitreichende Schlussfolgerung gezogen wurde: Wenn eine KI weltweit immer wieder dieselben Zahlen nenne, könne das schließlich kein Zufall sein. Von Manipulation war die Rede. Der erste Gedanke daran ist gar nicht so abwegig. Wenn ich jemanden bitte, eine beliebige Zahl zwischen 1 und 30 zu nennen, gehe ich intuitiv davon aus, dass 3, 14 und 29 ungefähr dieselbe Chance haben wie 17. Genau das scheint hier aber nicht zu passieren.

Nur führt die Spur nicht unbedingt in irgendeine geheime Schaltzentrale künstlicher Intelligenz, sondern sie führt zunächst zu uns selbst und, erstaunlicherweise, zu einem gelben Schwein.

Warum ausgerechnet 17?

Die 17 hatte schon eine bemerkenswerte Karriere als „zufällige“ Zahl, lange bevor es KI überhaupt gab. In der amerikanischen Mathematikszene kursiert seit den 1960er-Jahren eine herrlich absurde Tradition um ein Yellow Pig, ein gelbes Schwein. Sie geht auf die Mathematiker David C. Kelly und Michael Spivak zurück, die sich während ihrer Zeit in Princeton kennenlernten. Wie das Schwein genau entstand, ist längst Teil der eigenen Folklore geworden; eine frühe Quelle beschreibt Kelly und Spivak augenzwinkernd als Freunde, die beim gemeinsamen Trinken statt rosa Elefanten eben gelbe Schweine sahen.

Der private Scherz entwickelte ein erstaunliches Eigenleben. Spivak versteckte Anspielungen auf das Yellow Pig in mehreren seiner mathematischen Bücher, während Kelly die Tradition in das von ihm gegründete Mathematik-Sommerprogramm am Hampshire College mitnahm. Dort wird bis heute am 17. Juli der Yellow Pigs Day gefeiert, mit mathematischen Problemen, Liedern, Kuchen und einem Vortrag über die mathematische und gesellschaftliche Geschichte der Zahl 17.

Interessanterweise gehörte die 17 offenbar nicht einmal von Anfang an zum Schwein. Nach einem Bericht des Harvard Crimson von 1982 kam diese Verbindung erst später hinzu: Das Yellow Pig habe, so Kelly, 17 Wimpern, acht an einem und neun am anderen Auge. Kelly bezeichnete die 17 kurzerhand als „the random number“. Aus einem privaten Mathematikerwitz war damit eine kleine mathematische Mythologie geworden.

Warum ausgerechnet diese Zahl zur Auserwählten wurde, lässt sich nicht mehr eindeutig beantworten. Vielleicht ist das aber gar nicht so wichtig. Spannender ist, was danach geschah: Eine Zahl wurde zum Insiderwitz, der Insiderwitz wurde weitererzählt, immer mehr Menschen begegneten der 17 in einem bestimmten Zusammenhang, und irgendwann konnte die ursprüngliche Geschichte verblassen, während das Muster erhalten blieb.

Die am wenigsten zufällige Zahl

Spätestens in der frühen Hacker-Kultur hatte sich dieses Muster dann festgesetzt. Das Jargon File gehört zu den wunderbaren Dokumenten der frühen Computerkultur. Seit den 1970er-Jahren sammelten Programmierer darin Begriffe, Redewendungen und Insiderwitze ihrer Szene; aus dieser Sammlung entstand später Eric S. Raymonds The New Hacker’s Dictionary. Darin findet sich ein eigener Eintrag über „random numbers“, und der ist für unsere Geschichte bemerkenswert.

Wenn Hacker irgendeine beliebige Zahl als Platzhalter benötigten, heißt es dort sinngemäß, verwendeten sie keineswegs beliebige Zahlen. Bestimmte Zahlen würden von der Hacker-Tradition bevorzugt. Ganz oben steht die 17, die am MIT schon lange als „the least random number“, also als die am wenigsten zufällige Zahl, bezeichnet wurde. Der Eintrag nennt zwei mögliche Ursprünge: die Yellow-Pig-Witze um Michael Spivak oder den Einfluss des Discordianismus (s.u.). Welche Überlieferung tatsächlich zuerst da war und wie die Stränge zusammenliefen, bleibt offen. Eine erhaltene Fassung des Jargon File vom Januar 1991 dokumentiert die Bezeichnung jedenfalls bereits eindeutig.

Besonders hübsch wird die Sache, wenn man im Eintrag nur eine Zeile weiterliest. Direkt unter der 17 steht dort nämlich eine zweite Zahl: 23. Genau jene Zahl also, die KI mir auf die Bitte „Noch eine“ geliefert hatte. Und auch sie besitzt ihre eigene, ziemlich verschlungene Kulturgeschichte.

Von Eris, 23 und der Lust am Muster

Eine Spur der 23 führt zum Discordianismus, einer Ende der 1950er-Jahre in den USA entstandenen Mischung aus Religionsparodie, Philosophie und Gegenkultur. In seinem Mittelpunkt steht Eris, die griechische Göttin der Zwietracht. Eine zentrale Rolle spielt dort das sogenannte Law of Fives, das Gesetz der Fünf. Vereinfacht gesagt behauptet es, dass alle Dinge auf irgendeine Weise mit der Zahl 5 zusammenhängen.

Das ist natürlich Unsinn, aber genau darin steckt der Witz. Sobald wir entschlossen genug nach Verbindungen zu einer bestimmten Zahl suchen, werden wir welche finden. Wir können zählen, addieren, Buchstaben in Zahlen verwandeln, Daten auseinandernehmen oder so lange Beziehungen herstellen, bis die gewünschte Zahl erscheint. Das Gesetz der Fünf ist deshalb nicht nur ein esoterischer Scherz, sondern zugleich eine ziemlich hübsche Demonstration unserer Fähigkeit, Muster zu entdecken, sobald wir mit der Erwartung eines Musters auf die Welt schauen. Die 23 eignet sich dafür hervorragend, denn 2 plus 3 ergibt 5. Im Jargon File wird sie entsprechend als „Sacred number of Eris“ geführt, gemeinsam übrigens mit der 17 und der 5.

Ihre Bekanntheit verdankt die 23 außerdem dem Schriftsteller William S. Burroughs, der merkwürdige Zufälle rund um diese Zahl sammelte und damit Robert Anton Wilson beeinflusste. Wilson und Robert Shea machten daraus in ihrer 1975 erschienenen Illuminatus! Trilogy ein literarisches Spiel mit Verschwörungstheorien, Mystik, Gegenkultur und unserer Lust daran, überall verborgene Zusammenhänge zu entdecken.

Dort begegnen sich unsere beiden Zahlen sogar ausdrücklich. In Illuminatus! ist vom „23/17 phenomenon“ die Rede. Die 23 wird über 2 + 3 mit der Fünf verbunden, für die 17 wird eine entsprechend verspielte numerologische Konstruktion geliefert. Entscheidend ist weniger die Rechnung als das Prinzip dahinter: Wer lange genug nach einem Muster sucht, kann nahezu alles bedeutungsvoll miteinander verbinden.

Damit stehen 17 und 23 bereits 1975 gemeinsam in einem Kultroman der amerikanischen Gegenkultur, mehr als ein halbes Jahrhundert bevor ich meiner KI zwei vollkommen harmlose Fragen stellte und genau diese beiden Zahlen zurückbekam.

Das Muster unserer Vorstellung von Musterlosigkeit

Nun wäre es ausgesprochen verführerisch, daraus eine direkte Abstammungsgeschichte zu konstruieren: von Spivaks gelbem Schwein über den Discordianismus und die Hacker-Kultur bis in die Trainingsdaten von KI. Das wäre allerdings ausgerechnet jene Art von Musterbildung, vor der uns die Geschichte der 23 eigentlich warnen sollte. Wir wissen nicht, warum in unserem konkreten Gespräch gerade 17 und anschließend 23 erschienen. Aus einer einzelnen Antwort lässt sich weder rekonstruieren, welche Trainingsdaten dafür relevant waren, noch lässt sich daraus eine geheime kulturelle Ahnenreihe ableiten.

Was wir sagen können, ist interessanter: 17 und 23 waren lange vor generativer KI kulturell keine vollkommen neutralen Zahlen mehr. Mathematiker spielten mit ihnen, gegenkulturelle Bewegungen gaben ihnen Bedeutung, Hacker machten sie zu Platzhaltern und Insiderwitzen, Bücher und Webseiten trugen diese Verbindungen weiter. Dazu kommt, dass die 17 offenbar Eigenschaften besitzt, die sie für Menschen besonders „zufällig“ aussehen lassen.

2007 bat der Psychologie-Blog Cognitive Daily 347 Leserinnen und Leser, eine zufällige Zahl zwischen 1 und 20 auszuwählen. Bei einer tatsächlichen Gleichverteilung hätte jede Zahl ungefähr fünf Prozent der Stimmen erhalten müssen. 62 Personen entschieden sich jedoch für die 17, also knapp 18 Prozent. Keine andere Zahl kam annähernd so häufig vor. Die Autoren verglichen die Ergebnisse außerdem mit computergenerierten Zufallszahlen und stellten fest, dass Menschen unter anderem Primzahlen überproportional häufig auswählten. Die Untersuchung war eine Online-Leserumfrage und keine kontrollierte psychologische Studie; als Beweis für ein allgemeines psychologisches Gesetz taugt sie deshalb nicht. Als Demonstration unseres merkwürdigen Verhältnisses zum Zufall ist sie trotzdem bemerkenswert, denn die 17 sieht erstaunlich gut nach Zufall aus. Sie liegt nicht am Rand und nicht in der Mitte, ist keine runde Zahl, sondern ungerade und außerdem eine Primzahl.

Es springt uns kein offensichtliches Muster entgegen. Eine 10 sieht gewählt aus, eine 15 ebenfalls. Die 1 wäre fast schon demonstrativ, die 30 viel zu ordentlich. Die 17 dagegen sieht aus, als hätte sie niemand ausgesucht, und genau deshalb suchen erstaunlich viele Menschen sie aus.

Wir besitzen offenbar nicht nur eine Vorstellung davon, wie Ordnung aussieht. Wir besitzen auch eine Vorstellung davon, wie Unordnung aussehen sollte. Sobald viele Menschen dieselbe Vorstellung von Unordnung teilen, entsteht daraus wiederum ein Muster. Die 17 ist damit etwas ausgesprochen Merkwürdiges: das Muster unserer Vorstellung von Musterlosigkeit.

Vielleicht ist die 17 ein kulturelles Fossil

Nun kommt KI ins Spiel. Wenn ich ein Sprachmodell auffordere, mir eine Zahl zwischen 1 und 30 zu nennen, klingt das für mich zunächst wie eine Aufforderung zum Würfeln. Irgendwo scheint eine digitale Lostrommel zu stehen, die kräftig geschüttelt wird, bis eine Kugel herausfällt. Ein Sprachmodell funktioniert jedoch grundsätzlich anders. Es erzeugt Text anhand statistischer Muster. Welche Fortsetzung entsteht, hängt von Wahrscheinlichkeiten, dem Kontext und den technischen Einstellungen des Systems ab. Eine Aufforderung, eine Zahl zu nennen, muss deshalb nicht dasselbe sein wie eine mathematisch gleichverteilte Zufallsziehung.

Diese Wahrscheinlichkeitsräume entstehen zudem nicht im kulturellen Vakuum. Sprachmodelle werden mit riesigen Mengen menschlich erzeugter Texte trainiert. Darin stecken nicht nur Fakten und Grammatik, sondern zwangsläufig auch unsere Konventionen, Lieblingsbeispiele, Klischees, Assoziationen und kulturellen Marotten.

Vielleicht lässt sich die 17 deshalb als eine Art kulturelles Fossil betrachten: nicht in dem Sinne, dass irgendwo im Inneren von KI eine kleine Karteikarte mit der Aufschrift „ZUFÄLLIGE ZAHL = 17“ liegt, sondern weil menschliche Kultur über Jahrzehnte bestimmte Verbindungen geschaffen hat, die sich in Sprache und Text niederschlagen haben können. Wir haben der Maschine unsere Texte gegeben und begegnen darin nun möglicherweise unseren eigenen Mustern wieder.

Gerade deshalb wäre die 17 dann kein besonders gutes Beispiel dafür, wie fremd künstliche Intelligenz uns ist. Sie wäre fast das Gegenteil: ein Hinweis darauf, wie viel Menschliches wir in ihr wiederfinden können, ohne es auf den ersten Blick zu erkennen.

Wenn aus Zahlen Möglichkeiten werden

Bei 17 und 23 ist das vollkommen harmlos. Niemand wird sein Leben anders führen, weil KI eine Vorliebe für bestimmte Primzahlen zeigt. Interessanter wird die Sache, sobald wir die Frage verändern. Wir bitten die KI schließlich nicht nur um Zahlen, sondern fragen nach ungewöhnlichen Ideen für einen Workshop, nach Argumenten für eine Präsentation, nach möglichen Lösungen für ein Problem oder nach einer Geschichte, mit der ein Vortrag beginnen könnte.

Dann bitten wir die künstliche Intelligenz nicht mehr um eine bedeutungslose Zahl, sondern um Möglichkeiten. Und auch in diesem Möglichkeitsraum sind nicht zwangsläufig alle Antworten gleich wahrscheinlich. Manche Beispiele, Metaphern, Modelle und Argumentationsmuster sind in menschlichen Texten häufiger miteinander verbunden worden als andere; manche Wege durch diesen Raum sind breiter ausgetreten.

Für uns kann eine Antwort trotzdem vollkommen neu erscheinen, schließlich haben wir sie vorher nicht gekannt. Doch neu für mich ist nicht dasselbe wie ungewöhnlich im Raum aller möglichen Antworten. Vielleicht gibt es deshalb auch eine 17 der Workshopmethoden, eine 17 der Führungsmodelle oder eine 17 der Präsentationseinstiege: Gedanken, die überraschend wirken, gerade weil wir nicht sehen können, wie naheliegend sie für das Modell eigentlich sind.

Aus der albernen Zahlenfrage wird damit eine ernsthafte Frage über generative KI: Wie groß ist der Möglichkeitsraum, den sie uns eröffnet, und wie viel davon sehen wir tatsächlich?

Nicht Manipulation, sondern Vorsortierung

Das Instagram-Reel, mit dem diese Geschichte begann, sprach von Manipulation. Dafür liefert unser kleines Experiment keinen Beleg. Was es sichtbar macht, ist subtiler und gerade deshalb interessanter: Ein System muss uns nicht manipulieren, um unser Denken zu beeinflussen. Es genügt, wenn es manche Möglichkeiten sichtbarer macht als andere.

Das kennen wir längst aus unserem Alltag. Eine Buchhandlung stellt einige Bücher ins Schaufenster und andere ins hinterste Regal. Eine Suchmaschine sortiert Treffer, ein Navigationssystem schlägt eine Route vor. In jedem Fall wird aus einer großen Zahl theoretischer Möglichkeiten eine kleinere Zahl praktisch sichtbarer Möglichkeiten.

Generative KI fügt diesem Prinzip allerdings etwas Entscheidendes hinzu. Sie sortiert nicht nur Antworten, die bereits irgendwo vor uns liegen, sondern formuliert die Antwort selbst. Und sie formuliert sie für mich, in meinem Dialog, als unmittelbare Reaktion auf meine Frage. Gerade dadurch kann eine statistisch naheliegende Antwort subjektiv wie eine eigens für mich entwickelte Idee erscheinen.

Vielleicht gehört deshalb zu einer neuen Form von KI-Kompetenz nicht nur, falsche Antworten erkennen zu können. Wir sollten auch lernen, naheliegende Antworten als naheliegend zu erkennen und uns gelegentlich zu fragen, welche Möglichkeiten gerade deshalb unsichtbar bleiben, weil sie für das Modell weniger wahrscheinlich sind.

Zeig mir die 17. Und dann such woanders.

Wir reden bei künstlicher Intelligenz viel über Fehler, über Halluzinationen, falsche Quellen und erfundene Fakten. Zu Recht. Vielleicht sollten wir aber gelegentlich eine andere Frage stellen: Welche Antworten bekomme ich nicht?
Denn eine Technologie, die uns theoretisch einen ungeheuren Möglichkeitsraum eröffnet, könnte paradoxerweise dazu führen, dass wir uns darin immer wieder an denselben Stellen treffen. Nicht weil uns jemand dorthin zwingt, sondern weil dort die Wege besonders breit sind.

Vielleicht sollten wir eine KI deshalb gelegentlich nicht nach der besten Idee fragen, sondern danach, welche Antwort sie normalerweise zuerst geben würde, und sie anschließend bitten, genau diese auszulassen. Wir könnten nach weniger naheliegenden Verbindungen fragen, nach Gegenpositionen oder nach Gedanken, die außerhalb der ersten Assoziationen liegen. Also statt nur zu fragen: „Gib mir eine gute Idee.“, könnten wir gelegentlich ergänzen:

„Welche naheliegenden Antworten würdest du normalerweise geben? Lass sie weg.“

Aus der kleinen Geschichte um 17 und 23 ließe sich daher eine einfache Arbeitsregel mitnehmen: „Zeig mir die 17 dieser Antwort. Und dann such woanders.“

Ausgerechnet eine vollkommen belanglose Zahl könnte uns damit etwas ziemlich Wichtiges über künstliche Intelligenz beibringen. Vielleicht besteht die größere Gefahr nämlich gar nicht darin, dass KI uns alle dasselbe denken lässt. Vielleicht beginnt sie viel früher, wenn bestimmte Gedanken für uns immer ein wenig näher liegen als andere.

Quellen & zum Weiterlesen

Raymond, Eric S. (Hrsg.): The New Hacker’s Dictionary. 3. Aufl. MIT Press, Cambridge, MA, 1996. Stichwort „random numbers“.
Das aus dem historischen Jargon File hervorgegangene Wörterbuch dokumentiert die besondere Stellung bestimmter Zahlen in der Hacker-Kultur. 17 wird als am MIT lange bekannte „least random number“ bezeichnet; als mögliche Ursprünge nennt der Eintrag den Discordianismus und die Yellow-Pig-Witze um Michael Spivak. Die 23 erscheint unmittelbar anschließend als „Sacred number of Eris“. Eine Fassung des Jargon File von Januar 1991 dokumentiert diese Zuordnung bereits vor der Buchausgabe.
Jargon File – „random numbers“

Parker, Paul: „Hamming It Up At Hampshire“. The Harvard Crimson, 5. Februar 1982.
Zeitnaher journalistischer Beleg für die Yellow-Pig-Tradition um die Mathematiker David C. Kelly und Michael Spivak. Kelly erklärt darin die Verbindung des Yellow Pig mit 17 Wimpern und bezeichnet 17 als „the random number“. Die Quelle ist besonders hilfreich, weil sie die Tradition bereits Anfang der 1980er-Jahre dokumentiert und damit deutlich vor Internet und generativer KI.
The Harvard Crimson – Hamming It Up At Hampshire

Shea, Robert & Wilson, Robert Anton: The Illuminatus! Trilogy. Dell Publishing, New York, 1975.
Der Romanzyklus verbindet Discordianismus, Verschwörungstheorien und Gegenkultur und spricht ausdrücklich vom „23/17 phenomenon“. Die Passage ist ein wichtiger kulturgeschichtlicher Beleg dafür, dass 17 und 23 bereits in den 1970er-Jahren gemeinsam in einem Spiel mit Zufall, Numerologie und vermeintlich verborgenen Mustern auftauchten.

Gray, Dave & Wegner, Greta: „Is 17 the ‘most random’ number?“ und „Randomness wrap-up“. Cognitive Daily / ScienceBlogs, Februar 2007.
Dokumentation einer nicht repräsentativen Online-Erhebung mit 347 Teilnehmenden zur subjektiven Auswahl einer zufälligen Zahl zwischen 1 und 20. 62 Personen, knapp 18 Prozent, wählten die 17. Die Beiträge diskutieren außerdem Unterschiede zwischen menschlichen Entscheidungen und computergenerierten Zufallszahlen. Wegen des Erhebungsdesigns ist die Untersuchung nicht als kontrollierte psychologische Studie zu behandeln, liefert aber einen anschaulichen empirischen Hinweis auf die besondere Attraktivität der 17.
Cognitive Daily – Is 17 the „most random“ number?
Cognitive Daily – Randomness wrap-up

Brugger, Peter: „From haunted brain to haunted science: A cognitive neuroscience view of paranormal and pseudoscientific thought“. In: Houran, James & Lange, Rense (Hrsg.), Hauntings and Poltergeists: Multidisciplinary Perspectives. McFarland, Jefferson, NC, 2001, S. 195–213.
Brugger behandelt die menschliche Neigung, in mehrdeutigen oder zufälligen Informationen bedeutsame Muster und Zusammenhänge wahrzunehmen. Der Begriff der Apophänie liefert den psychologischen Hintergrund für das im Text beschriebene Phänomen: Wir entdecken nicht nur Muster, sondern bringen Erwartungen darüber mit, wie Muster und Zufälligkeit auszusehen haben.

Nickerson, Raymond S.: „Confirmation Bias: A Ubiquitous Phenomenon in Many Guises“. Review of General Psychology, 2(2), 1998, S. 175–220.
Grundlegender Überblick über den Bestätigungsfehler: Menschen suchen, interpretieren und erinnern Informationen häufig so, dass bestehende Erwartungen gestützt werden. Das ist besonders relevant für virale Experimente wie den 17/23-Test: Wer nach dem vorhergesagten Muster sucht, nimmt Treffer besonders deutlich wahr, während Abweichungen weniger Aufmerksamkeit erhalten.

Falk, Ruma & Konold, Clifford: „Making Sense of Randomness: Implicit Encoding as a Basis for Judgment“. Psychological Review, 104(2), 1997, S. 301–318.
Wissenschaftliche Untersuchung darüber, wie Menschen Zufälligkeit wahrnehmen und beurteilen. Falk und Konold zeigen, dass unsere intuitive Vorstellung von Zufall nicht mit mathematischer Zufälligkeit identisch ist: Menschen orientieren sich unter anderem daran, wie „ungeordnet“ oder schwer zu codieren eine Folge erscheint. Das liefert den theoretischen Hintergrund für die Idee vom „Muster unserer Vorstellung von Musterlosigkeit“.

Tversky, Amos & Kahneman, Daniel: „Belief in the Law of Small Numbers“. Psychological Bulletin, 76(2), 1971, S. 105–110.
Klassischer Beitrag zur menschlichen Fehlwahrnehmung von Zufall und Wahrscheinlichkeit. Tversky und Kahneman zeigen, wie stark Menschen auch von kleinen Stichproben erwarten, dass sie die Eigenschaften eines Zufallsprozesses bereits „repräsentativ“ widerspiegeln. Das hilft zu erklären, warum einzelne auffällige Treffer wie 17 und 23 so schnell als Beleg für ein dahinterliegendes System erscheinen können.