Zum Hauptinhalt springen

Meilensteine der künstlichen Intelligenz

Die Geschichte der künstlichen Intelligenz verläuft nicht als stetiger Aufstieg, sondern in Wellen: große Versprechen, herbe Enttäuschungen, lange Durststrecken, überraschende Durchbrüche. Elf Stationen genügen, um den Bogen zu verstehen.

Die Gründerzeit

1950: Turing stellt die Frage anders

Statt zu fragen, ob Maschinen denken können, fragt Alan Turing, ob eine Maschine ein Gespräch so führen kann, dass ein Mensch sie nicht von einem Menschen unterscheidet.1 Die Frage nach dem Innenleben wird ersetzt durch eine Frage nach dem Verhalten. Dieser Kunstgriff prägt die Debatte bis heute.

1956: Das Fach bekommt seinen Namen

Auf einem Sommerworkshop am Dartmouth College schlägt John McCarthy den Begriff "Artificial Intelligence" vor. Die Teilnehmer sind überzeugt, die wesentlichen Probleme in wenigen Jahren zu lösen. Diese Fehleinschätzung wiederholt sich in jeder Generation.

1958: Das Perzeptron lernt

Frank Rosenblatt baut eine Maschine, die aus Beispielen lernt, statt Regeln zu befolgen: das Perzeptron, Urahn aller neuronalen Netze. Die Presse berichtet begeistert über eine Maschine, die bald laufen, sprechen und sich ihrer selbst bewusst sein werde.

1966: ELIZA und die Leichtgläubigkeit

Joseph Weizenbaum programmiert einen Chatbot, der einen Psychotherapeuten imitiert, indem er Aussagen als Fragen zurückspiegelt. Das Programm ist wenige Seiten lang und versteht nichts. Trotzdem vertrauen ihm Testpersonen Persönliches an. Weizenbaum erschrickt darüber so sehr, dass er zum bekanntesten Kritiker des Fachs wird.2

Die Ernüchterung

1969: Die Grenzen des Perzeptrons

Marvin Minsky und Seymour Papert zeigen mathematisch, was einfache Perzeptronen prinzipiell nicht lernen können.3 Die Forschungsgelder versiegen, das Feld stürzt in den ersten "KI-Winter". Ein zweiter folgt in den späten 1980er Jahren, als die teuren Expertensysteme der Industrie ihre Versprechen nicht halten.

1986: Netze lernen in der Tiefe

David Rumelhart, Geoffrey Hinton und Ronald Williams machen ein Verfahren populär, mit dem sich auch vielschichtige Netze trainieren lassen: die Fehlerrückführung.4 Damit ist Minskys Einwand technisch beantwortet. Nur fehlen noch Daten und Rechenleistung, um es zu zeigen. Es dauert 26 Jahre.

Der Durchbruch

1997: Deep Blue schlägt Kasparow

Ein IBM-Rechner gewinnt gegen den amtierenden Schachweltmeister. Er tut das durch rohe Rechenkraft und einprogrammiertes Schachwissen, nicht durch Lernen. Das Ereignis wirkt symbolisch stärker als technisch.

2012: AlexNet gewinnt den Bilderwettbewerb

Ein tiefes neuronales Netz gewinnt den ImageNet-Wettbewerb mit derart großem Abstand, dass das ganze Fach binnen zwei Jahren umschwenkt. Der Grund für den Erfolg sind nicht neue Ideen, sondern Grafikkarten und Millionen beschrifteter Bilder. Hier beginnt die Gegenwart.

2016: AlphaGo und der ungewöhnliche Zug

Ein System von DeepMind schlägt einen der weltbesten Go-Spieler. Go galt als unerreichbar, weil es sich nicht durchrechnen lässt. Berühmt wird Zug 37 der zweiten Partie: ein Zug, den kein Mensch gespielt hätte und den Fachleute zuerst für einen Fehler hielten. Er gewinnt die Partie.

2017: Der Transformer

Eine Forschergruppe bei Google stellt eine neue Netzarchitektur vor, die Wortbeziehungen über ganze Texte hinweg parallel verarbeitet.5 Sie ist die technische Grundlage praktisch aller heutigen Sprachmodelle. Der Aufsatz gehört zu den meistzitierten der Informatik.

2022: KI wird öffentlich

Mit der Freigabe von ChatGPT wird ein Sprachmodell erstmals für Millionen Menschen ohne Fachkenntnis bedienbar. Technisch ist es ein Zwischenschritt, gesellschaftlich der eigentliche Bruch: Seither diskutiert nicht mehr nur die Fachwelt über KI, sondern Schulen, Gerichte, Redaktionen und Gesetzgeber.

Was die Kurve zeigt

Drei Muster wiederholen sich. Erstens: Zwischen einer Idee und ihrer Wirkung liegen oft Jahrzehnte, weil die Voraussetzungen fehlen. Zweitens: Die Sprünge kommen selten von neuer Theorie, sondern von mehr Daten und mehr Rechenleistung. Drittens: Auf jede Euphorie folgte bisher eine Ernüchterung. Wer die Meilensteine kennt, liest die aktuellen Versprechen mit der nötigen Gelassenheit.

Footnotes

  1. Alan M. Turing: Computing Machinery and Intelligence, Mind 59, 1950.

  2. Joseph Weizenbaum: Die Macht der Computer und die Ohnmacht der Vernunft, Suhrkamp, 1977 (englisch: Computer Power and Human Reason, 1976).

  3. Marvin Minsky, Seymour Papert: Perceptrons: An Introduction to Computational Geometry, MIT Press, 1969.

  4. David E. Rumelhart, Geoffrey E. Hinton, Ronald J. Williams: Learning representations by back-propagating errors, Nature 323, 1986.

  5. Ashish Vaswani u. a.: Attention Is All You Need, NeurIPS, 2017.