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 bedeutenden Technologie geworden, die die gesamte Techbranche in die Zukunft führt.
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 im Jahr 2021 mit 93,5 Milliarden US-Dollar bewertet.
Als treibende Kraft 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 möglicherweise sogar noch länger.
Die groben Eckpunkte der KI-Geschichte, etwa der Turing-Test und Schachcomputer, sind im kollektiven Bewusstsein verankert. Unterhalb der Oberfläche des Allgemeinwissens verbirgt sich jedoch eine reichhaltige, komplexe 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 häufig als Konzept auf dem neuesten Stand der Technik gilt, stellen sich Menschen seit Jahrtausenden künstliche Intelligenzen vor, und diese Vorstellungen haben die Fortschritte auf diesem Gebiet bis heute spürbar beeinflusst.
Zu den bedeutenden mythologischen Beispielen gehören der bronzene Automat Talos, der die griechische Insel Kreta beschützte, und die alchemistischen Homunkuli der Renaissance. Figuren wie Frankensteins Monster, HAL 9000 aus 2001: Odyssee im Weltraum und Skynet aus der Terminator-Reihe sind nur einige Beispiele dafür, wie wir künstliche Intelligenz in der modernen Fiktion dargestellt haben.
Eines der fiktiven Konzepte mit dem größten Einfluss auf die Geschichte der KI sind Isaac Asimovs Drei Gesetze der Robotik. Auf diese Gesetze wird häufig Bezug genommen, wenn Forscher und Organisationen in der realen Welt eigene Robotergesetze entwickeln.
Tatsächlich verwiesen der Engineering and Physical Sciences Research Council (EPSRC) und der Arts and Humanities Research Council (AHRC) des Vereinigten Königreichs bei der Veröffentlichung ihrer 5 Grundsätze für Entwickler, Konstrukteure und Nutzer von Robotern, ausdrücklich auf Asimov als Referenz, erklärten jedoch, dass Asimovs Gesetze „in der Praxis einfach 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 Kunststoffpanzern erkennen und darauf reagieren – und sie funktionierten ohne Computer.
Später in den 1960er-Jahren baute die Johns Hopkins University ihren Beast, einen weiteren computerlosen Automaten, 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, würde ihren Fortschritt jedoch untrennbar mit dem der Informatik verknüpfen. 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 zum Spielen 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 Forschungsfeld prägte.
Auf dem Workshop stellten Allen Newell und Herbert A. Simon außerdem ihr Computerprogramm Logic Theorist vor, das mit Unterstützung des Programmierers Cliff Shaw entwickelt worden war. Logic Theorist wurde dafür konzipiert, 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 die anderen Forscher dem Programm nicht viel Aufmerksamkeit“, so Simon.
Spiele und Mathematik waren zentrale Themen der frühen KI, weil sich auf sie das Prinzip des „Schließens als Suche“ leicht anwenden ließ. Das Schließen als Suche, auch Mittel-Zweck-Analyse (MEA) genannt, ist eine Problemlösungsmethode mit drei grundlegenden Schritten:
- Bestimme den aktuellen Zustand des Problems, das du beobachtest (du hast Hunger).
- Identifiziere das Endziel (du hast keinen Hunger mehr).
- Lege die notwendigen Maßnahmen zur Lösung des Problems fest (du machst ein Sandwich und isst es).
Die frühe Logik hinter der KI: Wenn die Maßnahmen das Problem nicht gelöst haben, suche eine neue Reihe von Maßnahmen und wiederhole den Vorgang, bis das Problem gelöst ist.
Neuronale Netze und natürliche Sprachen
Da Regierungen während des Kalten Krieges bereit waren, Geld in alles zu investieren, was ihnen einen Vorteil gegenüber der anderen Seite verschaffen konnte, erhielt die KI-Forschung in den 1950er- und 1960er-Jahren umfangreiche Fördermittel von Organisationen wie DARPA.
Diese Forschung brachte eine Reihe von Fortschritten im maschinellen Lernen hervor. So erzeugte der General Problem Solver von Simon und Newell mithilfe der MEA Heuristiken, also mentale Abkürzungen, die mögliche Problemlösungspfade 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 Schwerpunkt der Forscher in dieser Zeit war der Versuch, KI zum Verständnis menschlicher Sprache zu bringen. Daniel Brubow leistete mit seinem STUDENT program, das zum Lösen von Textaufgaben entwickelt worden war, 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 umzuwandeln versuchte, 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 verblassen. Die Finanzierung versiegte, als eine Vielzahl realer Probleme, mit denen die KI-Forschung konfrontiert war, die hochfliegenden Versprechen auf den Boden der Tatsachen zurückholte. Das größte darunter war die begrenzte Rechenleistung.
Wie Bruce G. Buchanan in einem Artikel für AI Magazine erklärte: „Frühe Programme waren zwangsläufig in ihrem Umfang begrenzt – durch die Größe und Geschwindigkeit von Speicher und Prozessoren sowie durch die vergleichsweise umständlichen frühen Betriebssysteme und Programmiersprachen.“ Diese Phase, in der die Finanzierung verschwand und der Optimismus nachließ, wurde als KI-Winter bekannt.
Die Zeit war von Rückschlägen und interdisziplinären Meinungsverschiedenheiten unter KI-Forschern geprägt. Das Buch Perceptrons von Marvin Minsky und Frank Rosenblatt aus dem Jahr 1969 entmutigte die Forschung an neuronalen Netzen so sehr, dass bis in die 1980er-Jahre nur sehr wenig auf diesem Gebiet geforscht wurde.
Daneben gab es die Spaltung zwischen den sogenannten „Neats“ und den „Scruffys“. Die Neats bevorzugten Logik und symbolisches Schließen, um ihre KI zu trainieren und auszubilden. Sie wollten, dass KI logische Probleme wie mathematische Theoreme löst.
John McCarthy führte die Idee, Logik in der KI einzusetzen, mit seinem Vorschlag Advice Taker proposal von 1959 ein. Außerdem wurde die 1972 von Alan Colmerauer und Phillipe Roussel entwickelte Programmiersprache Prolog speziell als logische Programmiersprache konzipiert und wird bis heute in der KI eingesetzt.
Die Scruffys versuchten derweil, 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 oder einem neuen Ereignis begegnen, können Sie auf Erinnerungen an ähnliche Menschen 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 das Bedienungspersonal, haben aber aufgrund früherer Erfahrungen in anderen Restaurants eine allgemeine Vorstellung davon, wie man eine Bestellung aufgibt.
Von der Wissenschaft zur Industrie
Die 1980er-Jahre markierten eine Rückkehr der Begeisterung 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 laufen, so wie normale Computer auf Code laufen – weiteres Interesse amerikanischer Unternehmen. Um nicht ins Hintertreffen zu geraten, steckten US-Unternehmen erhebliche Mittel in die KI-Forschung.
Insgesamt führte 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, die KI-Finanzierung der Organisation praktisch vollständig; bereits zugesagte Mittel versiegten jedoch erst 1993.
Das Fifth Generation Project hatte nach 10 Jahren Entwicklungszeit viele seiner Ziele verfehlt. Da Unternehmen massenproduzierte Universalchips günstiger und einfacher kaufen und KI-Anwendungen in Software programmieren konnten, brach der Markt für spezialisierte KI-Hardware wie LISP-Maschinen zusammen, wodurch der Gesamtmarkt schrumpfte.
Außerdem begann sich bei den Expertensystemen, die zu Beginn des Jahrzehnts die Tauglichkeit von KI bewiesen hatten, ein fataler Fehler zu zeigen. Je länger ein System eingesetzt wurde, desto mehr Regeln fügte es für seinen Betrieb hinzu und desto größer musste die Wissensbasis werden, die es verarbeiten konnte. Schließlich wuchs der für die Pflege und Aktualisierung der Wissensbasis erforderliche Personalaufwand so stark an, dass der weitere 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
Aufbruch ins neue Jahrtausend und in die moderne Welt der KI
Das Ende der 1990er- und der Beginn der 2000er-Jahre ließen erste Anzeichen für den kommenden KI-Frühling erkennen. Einige der ältesten Ziele der KI wurden endlich erreicht, etwa Deep Blues Sieg über den damaligen Schachweltmeister Gary Kasparov im Jahr 1997 – ein Meilenstein für die KI.
Anspruchsvollere mathematische Werkzeuge und die Zusammenarbeit mit Bereichen 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-Gegenparts für sich beanspruchen. Marvin Minsky seinerseits erklärte 2003, das Feld der KI sei seit 30 Jahren „hirntot“ gewesen.
Unterdessen fand KI in einer Vielzahl neuer Industriebereiche Anwendung: etwa in Googles Suchmaschinenalgorithmus, im Data Mining und in der Spracherkennung. Neue Supercomputer und Programme traten gegen hochrangige menschliche Gegner an und besiegten sie sogar – etwa IBMs Watson, der 2011 bei Jeopardy! gegen Ken Jennings gewann, der einst 74 Folgen der Spielshow in Folge gewonnen hatte.
Zu den wirkungsvollsten KI-Anwendungen der vergangenen Jahre gehören die Algorithmen von Facebook. Sie bestimmen, welche Beiträge Sie wann sehen, und versuchen so, für die Nutzer der Plattform ein kuratiertes Online-Erlebnis zu schaffen. Algorithmen mit ähnlichen Funktionen finden sich auf Websites wie YouTube und Netflix, wo sie anhand des bisherigen Verlaufs vorhersagen, welche Inhalte Zuschauer als Nächstes ansehen möchten.
Der Nutzen dieser Algorithmen für irgendjemanden außer den Gewinnen dieser Unternehmen ist umstritten, da selbst ehemalige Mitarbeiter vor dem Kongress über die Gefahren ausgesagt haben, die sie für Nutzer darstellen können.
Manchmal wurden diese Innovationen nicht einmal als KI erkannt. Wie Nick Brostrom 2006 in einem CNN-Interview sagte: „Viele hochmoderne KI-Technologien sind in allgemeine Anwendungen eingeflossen, ohne 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, hielt bis in die 2010er-Jahre nicht an. Heute bemühen sich Start-ups ebenso wie etablierte Techunternehmen darum, zu behaupten, ihr neuestes Produkt werde von KI oder maschinellem Lernen angetrieben. In einigen Fällen ist dieser Wunsch so stark, dass Unternehmen 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 durch die bereits erwähnten Social-Media-Algorithmen oder durch virtuelle Assistenten wie Amazons Alexa. Über KI-Winter und platzende Blasen hinweg hat sich das Feld der künstlichen Intelligenz behauptet und ist zu einem äußerst wichtigen Bestandteil des modernen Lebens geworden. In den kommenden Jahren dürfte es exponentiell weiterwachsen.