Von den unzähligen technologischen Fortschritten des 20. und 21. Jahrhunderts ist einer der einflussreichsten zweifellos die künstliche Intelligenz (KI). Von Suchmaschinenalgorithmen, die unsere Informationssuche neu erfinden, bis hin zu Amazons Alexa im Verbraucherbereich ist KI zu einer wichtigen Technologie geworden, die die gesamte Techbranche in die Zukunft vorantreibt.
Ganz gleich, ob Sie ein aufstrebendes Start-up oder ein Branchenriese wie Microsoft sind: Wahrscheinlich arbeitet mindestens ein Teil Ihres Unternehmens mit KI oder maschinellem Lernen. Laut einer Studie von Grand View Research wurde die globale KI-Branche mit 93,5 Milliarden US-Dollar bewertet im Jahr 2021.
Als treibende Kraft in der Techbranche gewann KI in den 2000er- und 2010er-Jahren explosionsartig an Bedeutung, doch KI gibt es in irgendeiner Form bereits seit mindestens 1950 und vermutlich sogar noch länger.
Die groben Eckpunkte der KI-Geschichte, etwa der Turing-Test und Schachcomputer, sind im kollektiven Bewusstsein verankert. Doch unter der Oberfläche des Allgemeinwissens verbirgt sich eine reichhaltige, vielschichtige Geschichte. Dieser Artikel fasst diese Geschichte zusammen und zeigt Ihnen den Weg der KI von einer mythischen Idee zu einer Realität, die die Welt verändert.
Siehe auch: Top-KI-Software
Von der Folklore zur Tatsache
Obwohl KI oft als hochmodernes Konzept gilt, stellen sich Menschen seit Jahrtausenden künstliche Intelligenzen vor, und diese Vorstellungen haben die Fortschritte, die heute auf diesem Gebiet erzielt werden, spürbar beeinflusst.
Zu den bekanntesten mythologischen Beispielen gehören der bronzene Automat Talos, der die griechische Insel Kreta beschützte, und die alchemistischen Homunkuli aus der Renaissance. Figuren wie Frankensteins Monster, HAL 9000 aus 2001: Odyssee im Weltraum und Skynet aus der Terminator-Reihe sind nur einige der Darstellungen künstlicher Intelligenz in der modernen Fiktion.
Eines der fiktiven Konzepte, die die Geschichte der KI am stärksten beeinflusst haben, sind Isaac Asimovs drei Robotergesetze. Auf diese Gesetze wird häufig verwiesen, wenn Forscher und Organisationen in der realen Welt eigene Robotergesetze entwickeln.
Als der britische Engineering and Physical Sciences Research Council (EPSRC) und der Arts and Humanities Research Council (AHRC seine 5 Grundsätze für Entwickler, Konstrukteure und Nutzer von Robotern veröffentlichten, verwiesen sie ausdrücklich auf Asimov als Bezugspunkt, erklärten jedoch, dass Asimovs Gesetze „simplizit in der Praxis nicht funktionieren“.
Auch Microsoft-CEO Satya Nadella erwähnte Asimovs Gesetze, als er seine eigenen Gesetze für KI vorstellte, und , bezeichnete sie als „einen guten, wenn auch letztlich unzureichenden Anfang“.
Siehe auch: Die Zukunft der künstlichen Intelligenz
Computer, Spiele und Alan Turing
Während Asimov in den 1940er-Jahren seine drei Gesetze verfasste, entwickelte der Forscher William Grey Walter eine rudimentäre analoge Version künstlicher Intelligenz. Diese winzigen Roboter, die als Schildkröten bezeichnet wurden, konnten Licht und Berührungen mit ihren Kunststoffgehäusen erkennen und darauf reagieren und arbeiteten ohne Computer.
Später, in den 1960er-Jahren, die Johns Hopkins University ihren Beast, einen weiteren Automaten ohne Computer, der mithilfe von Sonar durch die Flure der Universität navigieren und sich bei niedrigem Akkustand an speziellen Wandsteckdosen selbst aufladen konnte.
Die künstliche Intelligenz, wie wir sie heute kennen, sollte ihre Entwicklung jedoch untrennbar mit der Informatik verbunden sehen. Alan Turings Aufsatz von 1950 Computing Machinery and Intelligence, in dem der berühmte Turing-Test vorgestellt wurde, ist bis heute einflussreich. Viele frühe KI-Programme wurden für Spiele entwickelt, etwa Christopher Stracheys Dameprogramm für den Computer Ferranti Mark I.
Der Begriff „künstliche Intelligenz“ selbst wurde erst beim Dartmouth Workshop von 1956 festgeschrieben. Die von Marvin Minsky, John McCarthy, Claude Shannon und Nathan Rochester organisierte Veranstaltung war der Ort, an dem McCarthy den Namen für das aufstrebende Forschungsgebiet prägte.
Auf dem Workshop präsentierten Allen Newell und Herbert A. Simon außerdem ihr Computerprogramm Logic Theorist, das mithilfe des Programmierers Cliff Shaw entwickelt worden war. Logic Theorist wurde entwickelt, um mathematische Theoreme auf dieselbe Weise zu beweisen wie ein menschlicher Mathematiker, und sollte später 38 der ersten 52 Theoreme aus den Principia Mathematica beweisen. Trotz dieser Leistung „schenkten ihm die anderen Forscher auf der Konferenz laut Simon nicht viel Aufmerksamkeit.“
Spiele und Mathematik waren zentrale Themen der frühen KI, weil sich auf sie das Prinzip des „Schlussfolgerns als Suche“ leicht anwenden ließ. Das Schlussfolgern als Suche, auch Mittel-Zweck-Analyse (MEA) genannt, ist eine Methode zur Problemlösung, die drei grundlegende Schritte umfasst:
- Den aktuellen Zustand des beobachteten Problems bestimmen (Sie haben Hunger).
- Das Endziel identifizieren (Sie haben keinen Hunger mehr).
- Die zur Problemlösung erforderlichen Handlungen festlegen (Sie machen sich ein Sandwich und essen es).
Die Logik dieses frühen Vorläufers der KI: Wenn die Handlungen das Problem nicht lösen, eine neue Gruppe von Handlungen festlegen und den Vorgang wiederholen, bis das Problem gelöst ist.
Neuronale Netze und natürliche Sprachen
Da Regierungen im Kalten Krieg bereit waren, Geld in alles zu investieren, was ihnen einen Vorteil gegenüber der anderen Seite verschaffen konnte, erlebte die KI-Forschung in den 1950er- und 1960er-Jahren einen Finanzierungsschub durch Organisationen wie DARPA.
Diese Forschung brachte zahlreiche Fortschritte beim maschinellen Lernen hervor. So erzeugte Simons und Newells General Problem Solver mithilfe der MEA Heuristiken, also mentale Abkürzungen, die mögliche Wege zur Problemlösung blockieren konnten, die die KI zwar erkunden konnte, die aber wahrscheinlich nicht zum gewünschten Ergebnis geführt hätten.
Das erste künstliche neuronale Netz, das ursprünglich in den 1940er-Jahren vorgeschlagen worden war, wurde 1958 dank der Finanzierung durch das United States Office of Naval Research erfunden.
Ein wesentlicher Schwerpunkt der Forscher dieser Zeit war der Versuch, KI zum Verständnis menschlicher Sprache zu bringen. Daniel Brubow leistete mit seinem Programm STUDENT, das Textaufgaben lösen sollte, Pionierarbeit bei der Verarbeitung natürlicher Sprache.
1966 stellte Joseph Weizenbaum den ersten Chatbot, ELIZA, vor – eine Tat, für die Internetnutzer auf der ganzen Welt dankbar sind. Roger Schanks Theorie der konzeptuellen Abhängigkeit, die Sätze in grundlegende Konzepte umwandeln wollte, die als eine Reihe einfacher Schlüsselwörter dargestellt wurden, war eine der einflussreichsten frühen Entwicklungen in der KI-Forschung.
Siehe auch: Trends in der Datenanalyse
Der erste KI-Winter
In den 1970er-Jahren begann der allgegenwärtige Optimismus in der KI-Forschung der 1950er- und 1960er-Jahre zu schwinden. Die Finanzierung versiegte, als die hochfliegenden Versprechen durch die zahlreichen realen Probleme, mit denen die KI-Forschung konfrontiert war, auf den Boden der Tatsachen zurückgeholt wurden. An erster Stelle stand die begrenzte Rechenleistung.
Wie Bruce G. Buchanan in einem Artikel für AI Magazine erklärte: „Frühe Programme waren zwangsläufig begrenzt – sowohl durch Größe und Geschwindigkeit von Speicher und Prozessoren als auch durch die relative Schwerfälligkeit der frühen Betriebssysteme und Programmiersprachen.“ Diese Zeit, in der die Finanzierung verschwand und der Optimismus nachließ, wurde als KI-Winter bekannt.
Diese Zeit war von Rückschlägen und interdisziplinären Meinungsverschiedenheiten unter KI-Forschern geprägt. Marvin Minskys und Frank Rosenblatts Buch Perceptrons aus dem Jahr 1969 entmutigte die Forschung an neuronalen Netzen derart, dass bis in die 1980er-Jahre nur sehr wenig auf diesem Gebiet geforscht wurde.
Dann gab es die Spaltung zwischen den sogenannten „Neats“ und den „Scruffys“. Die Neats bevorzugten Logik und symbolisches Schlussfolgern, um ihre KI zu trainieren und auszubilden. Sie wollten, dass KI logische Probleme wie mathematische Theoreme löst.
John McCarthy führte mit seinem Vorschlag von 1959, dem Advice Taker, die Idee ein, Logik in der KI einzusetzen. Außerdem wurde die von Alan Colmerauer und Phillipe Roussel 1972 entwickelte Programmiersprache Prolog speziell als logische Programmiersprache konzipiert und wird bis heute in der KI eingesetzt.
Die Scruffys versuchten derweil, die KI dazu zu bringen, Probleme zu lösen, die menschliches Denken erforderten. In einem Aufsatz von 1975 beschrieb Marvin Minsky einen gängigen Ansatz der Scruffy-Forscher, die sogenannten „Frames“.
Frames sind eine Möglichkeit, wie Menschen und KI die Welt verstehen können. Wenn Sie einer neuen Person begegnen oder ein neues Ereignis erleben, können Sie auf Erinnerungen an ähnliche Personen und Ereignisse zurückgreifen, um eine ungefähre Vorstellung davon zu bekommen, wie Sie vorgehen sollten – etwa wenn Sie in einem neuen Restaurant Essen bestellen. Sie kennen vielleicht weder die Speisekarte noch die Bedienung, haben aber aufgrund früherer Erfahrungen in anderen Restaurants eine allgemeine Vorstellung davon, wie Sie eine Bestellung aufgeben.
Von der Wissenschaft zur Industrie
Die 1980er-Jahre markierten eine Rückkehr des Enthusiasmus für KI. R1, ein 1982 von der Digital Equipment Corporation implementiertes Expertensystem, sparte dem Unternehmen Berichten zufolge bis 1986 jährlich 40 Millionen US-Dollar. Der Erfolg von R1 bewies die kommerzielle Tauglichkeit von KI und weckte das Interesse anderer großer Unternehmen wie DuPont.
Darüber hinaus weckte Japans Projekt der fünften Generation, ein Versuch, intelligente Computer zu entwickeln, die auf Prolog liefen, so wie normale Computer auf Code laufen, weiteres Interesse amerikanischer Unternehmen. Da sie nicht ins Hintertreffen geraten wollten, investierten amerikanische Unternehmen umfangreiche Mittel in die KI-Forschung.
Insgesamt führten dieses wachsende Interesse und die Verlagerung hin zur industriellen Forschung dazu, dass die KI-Branche bis 1988 auf einen Wert von 2 Milliarden US-Dollar anwuchs. Inflationsbereinigt entspricht das im Jahr 2022 fast 5 Milliarden US-Dollar.
Siehe auch: Trends im Echtzeit-Datenmanagement
Der zweite KI-Winter
In den 1990er-Jahren ging das Interesse jedoch ähnlich zurück wie in den 1970er-Jahren. 1987 strich Jack Schwartz, der damalige neue Direktor von DARPA, praktisch die gesamte KI-Finanzierung der Organisation, doch bereits zugesagte Mittel versiegten erst 1993.
Das Fifth Generation Project hatte nach zehn Jahren Entwicklung viele seiner Ziele nicht erreicht. Als Unternehmen feststellten, dass es günstiger und einfacher war, massenproduzierte Universalchips zu kaufen und KI-Anwendungen in Software zu programmieren, brach der Markt für spezialisierte KI-Hardware wie LISP-Maschinen zusammen, wodurch der Gesamtmarkt schrumpfte.
Darüber hinaus zeigten die Expertensysteme, die zu Beginn des Jahrzehnts die Tauglichkeit von KI bewiesen hatten, allmählich einen fatalen Fehler. Je länger ein System im Einsatz war, desto mehr Regeln fügte es für den Betrieb hinzu und desto umfangreicher musste seine Wissensbasis werden. Schließlich wuchs der für die Pflege und Aktualisierung der Wissensbasis erforderliche Personalaufwand so stark an, dass der Betrieb finanziell nicht mehr tragbar war. Das Zusammenspiel dieser und weiterer Faktoren führte zum zweiten KI-Winter.
Siehe auch: Top-Unternehmen für die digitale Transformation
Ins neue Jahrtausend und in die moderne Welt der KI
Die späten 1990er- und frühen 2000er-Jahre zeigten erste Anzeichen für den heraufziehenden KI-Frühling. Einige der ältesten Ziele der KI wurden endlich erreicht, etwa Deep Blues Sieg über den damaligen Schachweltmeister Garry Kasparov im Jahr 1997 – ein Meilenstein für die KI.
Anspruchsvollere mathematische Werkzeuge und die Zusammenarbeit mit Disziplinen wie der Elektrotechnik führten dazu, dass sich KI zu einer stärker logisch ausgerichteten wissenschaftlichen Disziplin wandelte. Dadurch konnten die bereits erwähnten Neats den Sieg über ihre Scruffy-Gegenstücke für sich beanspruchen. Marvin Minsky erklärte seinerseits 2003, das Gebiet der KI sei seit 30 Jahren „hirntot“ und dies auch schon die ganze Zeit gewesen.
Unterdessen fand KI in zahlreichen neuen Bereichen der Industrie Anwendung: etwa im Suchmaschinenalgorithmus von Google, im Data-Mining und in der Spracherkennung. Neue Supercomputer und Programme traten gegen Spitzenvertreter des Menschen an und besiegten sie sogar – etwa IBMs Watson, der 2011 bei Jeopardy! gegen Ken Jennings gewann, der zuvor 74 Folgen der Quizshow in Folge gewonnen hatte.
Eine der wirkungsvollsten Anwendungen von KI der vergangenen Jahre waren die Algorithmen von Facebook, die bestimmen können, welche Beiträge Nutzer wann sehen – in dem Versuch, das Online-Erlebnis der Plattformnutzer zu kuratieren. Algorithmen mit ähnlichen Funktionen finden sich auf Websites wie YouTube und Netflix; dort sagen sie anhand des bisherigen Verlaufs voraus, welche Inhalte Zuschauer als Nächstes sehen möchten.
Ob diese Algorithmen irgendjemandem außer den Bilanzen dieser Unternehmen zugutekommen, ist umstritten, denn selbst ehemalige Mitarbeiter haben vor dem Kongress über die Gefahren ausgesagt, die sie für Nutzer mit sich bringen können.
Manchmal wurden diese Innovationen nicht einmal als KI erkannt. Wie Nick Brostrom 2006 in einem CNN-Interview sagte: „Ein großer Teil der hochmodernen KI ist in allgemeine Anwendungen eingeflossen, ohne oft als KI bezeichnet zu werden, denn sobald etwas nützlich und verbreitet genug ist, wird es nicht mehr als KI bezeichnet.“
Der Trend, nützliche künstliche Intelligenz nicht als KI zu bezeichnen, setzte sich in den 2010er-Jahren nicht fort. Heute wetteifern Start-ups und etablierte Tech-Unternehmen gleichermaßen darum, zu behaupten, ihr neuestes Produkt basiere auf KI oder maschinellem Lernen. In manchen Fällen ist dieser Wunsch so stark, dass einige ihr Produkt als KI-gestützt bezeichnen, selbst wenn die Funktionalität der KI fragwürdig ist.
KI hat Einzug in die Wohnungen vieler Menschen gehalten – sei es über die bereits erwähnten Social-Media-Algorithmen oder virtuelle Assistenten wie Amazons Alexa. Die künstliche Intelligenz hat trotz Wintern und geplatzter Blasen Bestand gehabt und ist zu einem äußerst wichtigen Bestandteil des modernen Lebens geworden; in den kommenden Jahren dürfte sie exponentiell wachsen.