Wanneer A.I. de grap niet begrijpt

Komische misverstanden en opinies over kunstmatige intelligentie en hun maatschappelijke gevolgen

Samenvatting

Kunstmatige intelligentie wordt in media en alledaagse gesprekken beurtelings voorgesteld als briljante uitvinder, digitale bedrieger, bedreiging voor de mensheid of komisch onbekwame assistent. Dit artikel onderzoekt hoe humoristische incidenten rond AI ontstaan en hoe menselijke interpretaties daarvan het vertrouwen in technologie, de publieke opinie en de verdeling van verantwoordelijkheid beïnvloeden. Op basis van wetenschappelijke literatuur en gedocumenteerde praktijkgevallen — waaronder Microsoft Tay, Google AI Overviews, de DPD-chatbot, Mata v. Avianca, de Air Canada-chatbot en de synthetische foto van de paus in een witte winterjas — wordt betoogd dat de humor meestal voortkomt uit een botsing tussen taalvaardigheid en werkelijk begrip. Het maatschappelijke probleem is niet dat AI lachwekkende fouten maakt, maar dat gebruikers en media uit overtuigend taalgebruik ten onrechte kennis, intenties of zelfs een eigen mening afleiden. Humor kan fouten zichtbaar maken en AI demystificeren, maar kan risico’s ook bagatelliseren en de verantwoordelijkheid van bedrijven, ontwerpers en gebruikers aan het zicht onttrekken.

Trefwoorden: kunstmatige intelligentie, humor, antropomorfisme, mediaframing, desinformatie, automatiseringsbias, verantwoordelijkheid

1. Inleiding

De publieke discussie over kunstmatige intelligentie wordt gekenmerkt door uitersten. AI zou de mensheid redden van ziekte, saai werk en bureaucratie, maar tegelijkertijd kunstenaars vervangen, verkiezingen manipuleren en uiteindelijk de menselijke beschaving bedreigen. Tussen deze utopische en apocalyptische beelden bevindt zich een groeiend genre van komische AI-incidenten: chatbots die hun eigen werkgever beledigen, zoekmachines die lijm aanbevelen als ingrediënt voor pizza en beeldgeneratoren die mensen voorzien van extra vingers, zwevende brillen of historisch onmogelijke kleding.

Deze voorbeelden zijn grappig omdat een zelfverzekerde vorm botst met een onzinnige inhoud. De machine formuleert een antwoord alsof zij weet waarover zij spreekt, terwijl het resultaat aantoont dat samenhangende taal niet hetzelfde is als kennis. Hier ontstaat het centrale misverstand: een taalmodel produceert tekst die op een mening, redenering of intentie lijkt, maar de tekst vormt op zichzelf geen bewijs dat het systeem ook daadwerkelijk iets gelooft, begrijpt of wil.

Al in 1966 liet Joseph Weizenbaums eenvoudige programma ELIZA zien hoe snel mensen begrip en empathie toeschrijven aan een machine die voornamelijk trefwoorden herkent en zinnen herschikt. Dit verschijnsel staat later bekend als het ELIZA-effect (Weizenbaum, 1966). Hedendaagse taalmodellen zijn onvergelijkbaar krachtiger, maar de menselijke neiging om vloeiende taal als teken van een denkende persoonlijkheid te interpreteren is gebleven.

2. Methode en begripsafbakening

Dit artikel is een narratief en conceptueel literatuuroverzicht, geen systematische review of empirische meta-analyse. Er zijn peer-reviewed studies uit psychologie, mens-computerinteractie, taaltechnologie en communicatiewetenschap gecombineerd met openbare bedrijfsverklaringen, gerechtelijke documenten, beleidsbronnen en journalistieke reconstructies. De praktijkgevallen zijn geselecteerd vanwege hun illustratieve betekenis en vormen geen representatieve steekproef van alle AI-toepassingen.

Onder AI wordt hier vooral generatieve AI verstaan: systemen die op basis van trainingsmateriaal en gebruikersinvoer nieuwe tekst, beelden of andere inhoud produceren. Het begrip mening wordt gereserveerd voor een relatief duurzame overtuiging of waardering waarvoor een actor redenen kan geven en verantwoordelijkheid kan dragen. Een door een taalmodel gegenereerde politieke of morele stelling kan zo’n mening overtuigend simuleren, maar hoeft geen eigen overtuiging van het systeem te vertegenwoordigen.

3. Waarom AI-fouten komisch worden

Humor ontstaat vaak door incongruentie: twee betekeniskaders die onverwacht botsen. Bij AI gebeurt dat wanneer een systeem eerst autoriteit suggereert en vervolgens een absurd antwoord geeft. De fout van een eenvoudige rekenmachine is meestal niet grappig; een chatbot die zich verontschuldigt, een verklaring verzint en daarna dezelfde fout herhaalt, lijkt daarentegen op een verstrooide ambtenaar of een overmoedige collega.

Deze personificatie wordt versterkt door menselijke namen, stemmen, profielfoto’s en formuleringen als “ik denk”, “ik begrijp” en “het spijt me”. Experimenteel onderzoek van Oldemburgo de Mello, Plaks en Inzlicht laat zien dat antropomorf taalgebruik het vertrouwen in een chatbot kan vergroten. In hun tweede studie kreeg een menselijker voorgesteld systeem bovendien meer schuld toegeschreven. Deelnemers die meer verantwoordelijkheid bij de AI legden, legden gemiddeld minder verantwoordelijkheid bij het bedrijf; die samenhang bedroeg (r=-0{,}68). De auteurs waarschuwen daarom voor een mogelijke verschuiving van aansprakelijkheid van ontwerpers naar een fictief handelende machine (Oldemburgo de Mello et al., 2026).

Dat een taalmodel goede humor kan produceren, bewijst evenmin dat het humor op menselijke wijze begrijpt. In een onderzoek van Gorenz en Schwarz beoordeelde 69,5% van de deelnemers de door ChatGPT 3.5 gemaakte grappen gemiddeld als grappiger dan die van menselijke deelnemers. Bij satirische krantenkoppen presteerde het model ongeveer op het niveau van professionele schrijvers van The Onion (Gorenz & Schwarz, 2024). Daartegenover staat onderzoek waarin subtiele veranderingen in woordgrappen voldoende waren om recente taalmodellen te misleiden. De modellen herkenden de vorm van een woordspeling, maar misten dikwijls de dubbele betekenis die de grap veroorzaakt (Zangari et al., 2025). Humoristische productie en humoristisch begrip zijn dus verschillende vermogens.

4. Mediaframing en publieke opinie

Media hebben ingewikkelde technologie altijd door middel van herkenbare verhalen uitgelegd. Bij AI domineren personages als de gehoorzame assistent, de geniale uitvinder, het oncontroleerbare monster en de menselijke dubbelganger. De Royal Society wees erop dat in westerse verhalen geregeld het vijandige Terminator-beeld terugkeert, terwijl andere culturen vaker vriendelijke of dienstbare machines opvoeren. Dergelijke verhalen bepalen mede welke toepassingen mensen wenselijk of bedreigend vinden (Cave et al., 2018).

Een analyse van 38.787 artikelen uit twaalf Engelstalige kranten tussen 2010 en 2023 laat een genuanceerder beeld zien dan de stelling dat nieuwsmedia uitsluitend angst verspreiden. Van de onderzochte krantenkoppen was 65,63% neutraal, 21,04% negatief en 13,33% positief. Het belangrijkste inhoudelijke kader betrof de invloed van AI op bedrijven, economie en werkgelegenheid. Tegelijkertijd waren noordelijke media kritischer dan kranten uit het mondiale Zuiden (Ittefaq et al., 2025).

Ook de publieke opinie is niet eenvoudig positief of negatief. In de Europese Eurobarometer van 2025 beoordeelde 62% het gebruik van AI en robots op het werk positief en verwachtte 70% een hogere productiviteit. Tegelijk vond 84% dat deze technologie zorgvuldig moet worden beheerd om privacy en transparantie te beschermen (Europese Commissie, 2025). Optimisme en bezorgdheid zijn dus geen tegenstrijdige houdingen: burgers kunnen een toepassing nuttig vinden en toch toezicht verlangen.

5. Praktijkvoorbeelden

Geval

Komisch of populair misverstand

Feitelijke kern

Gevolg

Microsoft Tay, 2016

“De chatbot werd binnen één dag een racist.”

Gebruikers zochten doelbewust naar zwakke plekken in het systeem en lokten beledigende antwoorden uit. Er ontstond geen aantoonbare politieke overtuiging.

Microsoft haalde Tay offline, bood excuses aan en erkende dat de beveiliging tegen misbruik onvoldoende was (Microsoft, 2016).

DPD-chatbot, 2024

“De chatbot kwam in opstand tegen zijn werkgever.”

Een gefrustreerde klant liet de bot schelden en een gedicht schrijven waarin DPD werd bekritiseerd. Het gedrag volgde op een systeemupdate en manipulerende opdrachten.

Virale reputatieschade; DPD schakelde het betreffende AI-onderdeel uit (Time, 2024).

Google AI Overviews, 2024

“Google adviseert mensen stenen te eten en lijm op pizza te smeren.”

Het systeem verwerkte satirische teksten en provocerende forumberichten als bruikbare informatie, vooral bij ongebruikelijke vragen met weinig betrouwbare bronnen.

Google beperkte het gebruik van humoristische en door gebruikers gemaakte bronnen en verbeterde de detectie van onzinnige vragen (Google, 2024).

Mata v. Avianca, 2023

“ChatGPT kan juridisch onderzoek uitvoeren zoals een advocaat.”

Advocaten namen niet-bestaande rechtszaken en verzonnen citaten over zonder verificatie.

Een Amerikaanse federale rechter legde een sanctie van 5.000 dollar op (Opinion and Order on Sanctions, 2023).

Moffatt v. Air Canada, 2024

“De chatbot is zelf verantwoordelijk voor zijn verkeerde advies.”

De chatbot gaf foutieve informatie over een korting bij familieoverlijden. Air Canada probeerde het systeem als een afzonderlijk handelende entiteit voor te stellen.

Het tribunaal hield Air Canada verantwoordelijk voor alle informatie op zijn website, ongeacht of die van een pagina of chatbot kwam (American Bar Association, 2024).

Paus in een witte winterjas, 2023

Een absurd maar aantrekkelijk modebeeld werd als echte persfoto bekeken.

De afbeelding was met Midjourney gemaakt en bevatte bij nadere inspectie visuele inconsistenties.

Het geval maakte duidelijk dat humoristische beelden eveneens verwarring over authenticiteit kunnen veroorzaken (Reuters Fact Check, 2023).

6. Maatschappelijke gevolgen

6.1 Verkeerd gekalibreerd vertrouwen

Mensen kunnen AI zowel te veel als te weinig vertrouwen. Bij automatiseringsbias wordt een suggestie gevolgd omdat deze van een technisch systeem afkomstig is. Buçinca, Malaya en Gajos toonden aan dat gebruikers foutieve AI-adviezen geregeld overnamen. Het verplicht vertragen of eerst zelf beantwoorden van een vraag verminderde deze overmatige afhankelijkheid, maar deelnemers waardeerden zulke remmende ontwerpen minder (Buçinca et al., 2021).

Het tegenovergestelde is algoritme-aversie. Mensen kunnen een algoritme na één zichtbare fout afwijzen, zelfs wanneer het gemiddeld beter presteert dan een menselijke beoordelaar (Dietvorst et al., 2015). Virale komische missers kunnen daardoor een hele technologie in diskrediet brengen, terwijl indrukwekkende demonstraties juist tot onverantwoord vertrouwen leiden. Verstandig gebruik vraagt niet om maximaal vertrouwen, maar om vertrouwen dat past bij taak, foutmarge en mogelijke schade.

6.2 Verdwijning van menselijke verantwoordelijkheid

Formuleringen als “de AI besloot”, “de chatbot loog” of “het algoritme discrimineerde” zijn journalistiek aantrekkelijk, maar kunnen menselijke keuzes verbergen. Een leugen veronderstelt normaal gesproken dat iemand weet dat iets onwaar is en bewust probeert te misleiden. Een taalmodel kan een onwaarheid produceren zonder zo’n aantoonbare intentie. De onwaarheid blijft schadelijk, maar de relevante verantwoordelijken zijn doorgaans de ontwikkelaar, leverancier, opdrachtgever, gebruiker en toezichthouder.

De Air Canada-zaak laat zien waarom dit onderscheid juridisch en bestuurlijk belangrijk is. Een onderneming kan haar dienstverlening niet opsplitsen in een betrouwbaar menselijk gedeelte en een zogenaamd zelfstandig, onverantwoordelijk digitaal personage. Antropomorfisme mag geen aansprakelijkheidsmachine worden.

6.3 Aantasting van de informatieomgeving

Onderzoek van Jakesch, Hancock en Naaman toont dat proefpersonen door AI geschreven zelfpresentaties niet betrouwbaar konden herkennen. Hun oordelen waren gebaseerd op intuïtieve maar foutieve taalheuristieken, zoals het gebruik van persoonlijke voornaamwoorden of informele formuleringen (Jakesch et al., 2023). Spitale, Biller-Andorno en Germani vonden bovendien dat door GPT-3 geproduceerde desinformatie in hun experimentele opzet overtuigender kon zijn dan door mensen geschreven desinformatie (Spitale et al., 2023).

Een komische nepafbeelding van een paus in modieuze kleding lijkt onschuldig. Dezelfde techniek kan echter worden gebruikt voor reputatieschade, fraude of politieke manipulatie. Daarbij ontstaat ook het liar’s dividend: zodra overtuigende vervalsingen bestaan, kunnen echte beelden eenvoudiger als “waarschijnlijk AI” worden ontkend.

Vanaf 2 augustus 2026 gelden volgens de Europese Commissie transparantieverplichtingen uit artikel 50 van de Europese AI-verordening. Gebruikers moeten onder meer worden geïnformeerd wanneer zij rechtstreeks met bepaalde AI-systemen communiceren; synthetische inhoud moet machineleesbaar herkenbaar zijn en deepfakes moeten worden bekendgemaakt (Europese Commissie, 2026). Labels lossen het waarheidsprobleem niet op, maar maken de herkomst van informatie beter controleerbaar.

6.4 Culturele gevolgen

AI-humor kan bestaande patronen snel combineren en daardoor productief zijn voor satire, parodie en absurdistische kunst. Tegelijk kan de grootschalige productie van varianten leiden tot herhaling, culturele vervlakking en een overvloed aan middelmatige inhoud. Het risico is niet uitsluitend dat AI kunstenaars vervangt, maar ook dat opdrachtgevers genoegen nemen met goedkope nabootsing en daardoor minder investeren in menselijke ervaring, onderzoek en afwijkende verbeelding.

Omgekeerd is de bewering dat alles wat met AI wordt gemaakt per definitie waardeloos is eveneens een misverstand. De artistieke betekenis ligt niet alleen in het gebruikte instrument, maar in selectie, context, montage, intentie en verantwoordelijkheid. Een AI-systeem kan materiaal produceren; het culturele standpunt ontstaat pas door de manier waarop mensen dat materiaal inzetten en openbaar maken.

7. Aanbevelingen

Ten eerste moeten media onderscheid maken tussen systeemgedrag en menselijke intentie. “Een chatbot genereerde een onjuiste bewering” is nauwkeuriger dan “de AI loog”. Personificatie kan als stijlmiddel worden gebruikt, mits duidelijk blijft welk bedrijf het systeem ontwierp, inzette en controleerde.

Ten tweede moeten organisaties AI-uitvoer behandelen als onbevestigd conceptmateriaal. Feiten, citaten, bronnen, juridische verwijzingen en medische adviezen vereisen controle aan de hand van onafhankelijke en primaire bronnen. Een overtuigende formulering mag nooit als kwaliteitsbewijs gelden.

Ten derde kunnen komische mislukkingen worden gebruikt als vorm van publieke stresstest. Onzinnige vragen, satire, dubbelzinnigheid en doelbewuste provocaties maken zichtbaar waar een systeem context mist. Zulke incidenten behoren systematisch te worden geregistreerd en onderzocht, niet uitsluitend als virale curiositeit te worden gedeeld.

Ten vierde is AI-geletterdheid effectiever wanneer zij twee simplificaties tegelijk bestrijdt: AI is geen autonoom menselijk brein, maar ook niet slechts een onschuldige tekstverwerker. Het is een sociotechnisch systeem waarin modellen, trainingsmateriaal, bedrijfsbelangen, gebruikers en maatschappelijke instituties samen het resultaat bepalen.

8. Conclusie

Komische AI-incidenten zijn grensgevallen waarin de afstand tussen taal en werkelijkheid plotseling zichtbaar wordt. Wij lachen omdat de machine overtuigend spreekt en tegelijkertijd laat merken dat zij de situatie niet op menselijke wijze begrijpt. Die lach kan bevrijdend en kritisch zijn: zij doorbreekt het aura van technologische onfeilbaarheid.

Hetzelfde komische verhaal kan echter een gevaarlijke vertekening veroorzaken. Wanneer een chatbot als rebel, leugenaar of onafhankelijke werknemer wordt voorgesteld, verdwijnen ontwerpbeslissingen en bedrijfsverantwoordelijkheid naar de achtergrond. Wanneer alle fouten daarentegen als onschuldige kinderziekten worden weggewuifd, worden reële gevolgen voor consumenten, rechtspraak, media en democratie onderschat.

De meest verdedigbare houding is daarom noch bewondering noch afwijzing, maar gekalibreerd wantrouwen: benutten wat aantoonbaar werkt, verifiëren wat waar moet zijn en mensen en organisaties verantwoordelijk houden voor de systemen die zij bouwen en gebruiken.

Geselecteerde wetenschappelijke literatuur

• Bender, E.M., Gebru, T., McMillan-Major, A. & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots. Proceedings of FAccT 2021.
• Buçinca, Z., Malaya, M.B. & Gajos, K.Z. (2021). To Trust or to Think. Proceedings of the ACM on Human-Computer Interaction.
• Dietvorst, B.J., Simmons, J.P. & Massey, C. (2015). Algorithm Aversion. Journal of Experimental Psychology: General, 144, 114–126.
• Gorenz, D. & Schwarz, N. (2024). How Funny Is ChatGPT?. PLOS ONE, 19(7).
• Ittefaq, M. et al. (2025). Global News Media Coverage of Artificial Intelligence. Telematics and Informatics, 96.
• Jakesch, M., Hancock, J.T. & Naaman, M. (2023). Human Heuristics for AI-Generated Language Are Flawed. PNAS, 120(11).
• Oldemburgo de Mello, V., Plaks, J. & Inzlicht, M. (2026). The Effects of AI Anthropomorphism on Trust and Responsibility. Collabra: Psychology, 12(1).
• Spitale, G., Biller-Andorno, N. & Germani, F. (2023). AI Model GPT-3 (Dis)informs Us Better Than Humans. Science Advances, 9.
• Weizenbaum, J. (1966). ELIZA—A Computer Program for the Study of Natural Language Communication Between Man and Machine. Communications of the ACM, 9(1).
• Zangari, A. et al. (2025). Pun Unintended: LLMs and the Illusion of Humor Understanding. Proceedings of EMNLP 2025.