"Leben 2.0: Wie Wörter überleben, sich vermehren – und jetzt auch in der KI wohnen"
In Tegmarks Stufenmodell kann Leben 2.0 seine "Software" – Wissen, Verhalten, Kultur – frei umschreiben, während die biologische "Hardware" fix bleibt. Sprache ist diese Software, und Wörter sind ihre kleinsten lauffähigen Module. Aus memetischer Sicht (Dawkins, später Dennett und Blackmore) ist ein Wort dabei kein bloßes Werkzeug des Sprechers, sondern selbst ein Replikator – ein Informationsmuster mit eigenen "Interessen": überleben, sich vervielfältigen, mutieren.
Die drei Evolutionsprinzipien angewandt auf ein Wort
Replikation geschieht bei jeder Äußerung, die ein Gegenüber dazu bringt, das Wort später selbst zu verwenden – eine Kopie springt von Gehirn zu Gehirn.
Mutation zeigt sich im Bedeutungs- und Lautwandel. Ironisch passend: Das Wort "Mem" selbst hat mutiert. Dawkins prägte es 1976 als nüchternen Fachbegriff für kulturelle Replikatoren – heute bezeichnet es im Alltag fast nur noch lustige Internet-Bilder. Die Mutante war fitter als das Original und hat es fast verdrängt.
Selektion entscheidet, welche Variante sich durchsetzt. Fitnesskriterien sind u. a. Kürze, emotionale Ladung (Empörung und Humor erhöhen nachweislich die Weitergabe), das Füllen einer Bedeutungslücke und schlicht Netzwerkgröße – ein Schneeballeffekt. Entscheidend: Fitness heißt nicht Wahrheit oder Nutzen für den Sprecher. In der Memetik werden Meme deshalb manchmal als "Gedankenviren" beschrieben – Parasiten, deren Erfolg unabhängig davon ist, ob er dem Wirt nützt.
Substrat 1: Das Gehirn
Im Gehirn existiert ein Wort als Knoten in einem assoziativen Netzwerk, verstärkt durch jede Wiederholung (Priming). Häufig benutzte Wörter sind leichter abrufbar – und leicht abrufbare Wörter werden häufiger benutzt: ein sich selbst verstärkender Kreislauf, unabhängig vom Wahrheitsgehalt. Übertragen wird vertikal (Eltern → Kind, wie Vererbung) und horizontal (Peergroups, Medien – wie eine Epidemie, viel schneller als Generationenwechsel).
Substrat 2: KI-Hardware – das Beispiel "delve"
Trainingskorpora sind fossilisierte Abdrücke menschlicher Sprache; jedes Wort hinterlässt eine statistische Spur in den Modellgewichten. "Delve" war im allgemeinen Englisch eher selten und gehoben. In den Daten, mit denen Sprachmodelle feinabgestimmt wurden, kam es offenbar überproportional häufig vor – die Modelle "erbten" diese Vorliebe. Seit Chatbots massenhaft genutzt werden, ist die Häufigkeit von "delve" in menschlichen Texten (Abstracts, E-Mails, Artikeln) messbar gestiegen, weil viele beim Schreiben KI-Unterstützung nutzen und deren Wortwahl übernehmen. Eine Variante, die im alten Habitat eine Nische hatte, wurde im neuen Habitat zum dominanten Stamm – und kolonisiert nun rückwirkend das ursprüngliche.
Rückkopplung: ein gemeinsames Ökosystem
Die Beziehung läuft in beide Richtungen: Wörter formen, woraus ein Modell "besteht" (seine Gewichte sind buchstäblich aus Sprachmustern gebaut), und das Modell formt durch seine Ausgaben wieder menschliche Sprache zurück. Susan Blackmore prägte für diese Stufe den Begriff "Tem" bzw. "Teme" (technologisches Mem) – ein dritter Replikator, der Maschinen statt Gehirne als Kopiermedium nutzt und zunehmend ohne menschliche Zwischenstation auskommen könnte, etwa wenn KI-Text direkt wieder in Trainingsdaten landet. Das birgt das Risiko, das in der ML-Forschung als "Model Collapse" diskutiert wird: schrumpfende sprachliche Vielfalt durch eine Art Inzucht im Trainingsmaterial.
#KünstlicheIntelligenz #KI #AI #Sprache #Memetik #Sprachphilosophie #PhilosophyOfMind #LanguageEvolution #CognitiveScience #DigitalEvolution #FutureOfAI #TechPhilosophy #Bewusstsein