Die Fortsetzung des ersten Teils zur Geschichte der künstlichen Intelligenz.
Der Aufschwung
Mitte des 20. Jahrhunderts erlebt das Feld der Künstlichen Intelligenz einen Aufschwung. Unter anderem ausgelöst durch einen Workshop des Dartmouth College, welcher Erwähnung im ersten Teil der Artikelserie findet, nehmen die Bemühungen rund um Entwicklung und Forschung auf dem Gebiet der KI zu.
Das Voranschreiten der technischen Möglichkeiten auf dem Gebiet der Computertechnologie beflügelt diesen Prozess zusätzlich. Das Mooresche Gesetz, welches 2015 seine 50-jährige Geltungsdauer feiern konnte, besagt, dass die Rechenleistung von Prozessoren sich alle 2 Jahre verdoppelt. Mit dieser zusätzlichen Rechenpower wird es möglich, immer komplexere Operationen auszuführen.
Joseph Weizenbaum, ein deutsch-amerikanischer Informatiker, entwickelt 1966 den ersten Chatbot, der unter dem Namen „ELIZA“ berühmt wird.
Der Chatbot simuliert unter anderem einen Psychotherapeuten. Diesen Charakter wählte Weizenbaum aus dem Grund aus, als dass es einem Psychotherapeuten erlaubt sei, in einem Dialog keinerlei Wissen über Sachverhalte zu zeigen, ohne dass seine Glaubwürdigkeit verloren ginge. Obwohl die Programmlogik trivial war, erzeugte „ELIZA“ eine sehr gute Illusion eines Gesprächspartners mit menschlicher Intelligenz. Dieser Effekt wird auch „Eliza-Effekt“ genannt und wird heutzutage von vielen Chatbots verwendet.
1972 erregte das von Ted Shortliffe an der Stanford University entwickelte Programm MYCIN für Aufsehen. Das Programm zeigte sich in der Erkennung von Blutinfektionen und Meningitis einem menschlichen Experten gegenüber ebenbürtig. Allerdings wurde das Programm nie eingesetzt, was aus der generellen Skepsis gegenüber Computersystemen herrührte. Diese Skepsis hält bis heute an, was dazu führt, dass KI im medizinischen Sektor vergleichsweise selten eingesetzt wird.
Neuronale Netze
Nach mehr als 10 Jahren nach diesem Erfolg brachten Sejnowski und Rosenberg den Computern das Sprechen bei. 1987 trainierten sie ein neuronales Netzwerk darauf, Wörter zu lesen, auszusprechen und das Gelernte auf andere Wörter zu abstrahieren. Dieses Unterfangen ist sehr schwierig, da die Beziehung zwischen Phonemen und Graphemen nicht immer 1:1 ist. Ein Beispiel: Während wir das „V“ in Vogel wie ein „F“ aussprechen, sprechen wir das „V“ in Vektor wie ein „W“ aus. Das ist ein sehr deutliches Beispiel, aber es gibt noch viele weitere Kleinigkeiten, die bei der Aussprache beachtet werden müssen. Das neuronale Netzwerk war in der Lage, nach einem entsprechenden Training diese Muster zu erkennen und Wörter korrekt zu betonen.
Nach weiteren 10 Jahren löst erstmals eine Maschine die Menschheit als beste Schachspielentität ab. So titelte die New York Times am 11. Mai 1997, als der Computer „Deep Blue“ von IBM den damaligen Schachweltmeister Garri Kasparow besiegte. Das Programm basiert auf Heuristiken und besteht aus sehr vielen Anweisungen im Programmcode. Dort finden sich Regeln zur Priorisierung der verschiedenen Schachfiguren und deren Verhalten, wann eine Stellung gut ist und wann nicht. Kurz gesagt ein sehr aufwendiger Monolith, der nicht in der Lage ist zu adaptieren, sondern nur fähig ist, auf die bereits bestehenden Regeln zuzugreifen.
21. Jahrhundert
Anfangs des 21. Jahrhundert kommen erstmalig Sprachsteuerungssysteme auf, die es dem Nutzer ermöglichen, dem Computer Anweisung mittels Sprache zu geben. Sprachsteuerung ist zu diesem Zeitpunkt keine neue Erfindung. Allerdings gelingt es nun, dass die Systeme Sprachbefehle fehlerfrei entgegennehmen und smart umsetzen können. Mit „Siri“, dem intelligenten Sprachassistenten von Apple, kann jeder (der ein Apple Gerät besitzt) mit einer KI in Interaktion treten. Die Konkurrenz lässt nicht lange auf sich warten und so bringt Google 2012 „Google Now“, Microsoft 2014 „Cortana“ und Amazon 2015 „Alexa“ heraus.
Diese Entwicklung wird unter anderem durch die großen Erfolge auf dem Feld des „Deep Learning“ möglich. Als „Deep Learning“ bezeichnet man neuronale Netze, die aus einer enormen Anzahl von Neuronen bestehen, die in unzählige tiefe Schichten gegliedert werden. Das „Deep Learning“ wiederum wird erst möglich durch die leistungsstarken Prozessoren, die es heutzutage gibt und die Unmengen an verfügbaren Daten („Big Data“).
Die KI „AlphaGo“ vom Unternehmen „DeepMind“ ist ein gutes Beispiel für diese enorme Leistung, die KI bereits 2016 vollbringen kann. „AlphaGo“ lernte das Spiel Go, was an sich schon beeindruckend ist, da es wesentlich komplizierter ist als Schach und war nach nur einigen Monaten in der Lage, den Go-Weltmeister Lee Sedol zu schlagen.
Status Quo
Ab dem Jahr 2020 kommen zahlreiche generative KI-Systeme auf den Markt, die Inhalte wie Text oder Bild synthetisch erzeugen können. Beispiele für generative KI sind z. B. „ChatGPT“ oder „Dall-E“. Sie funktionieren sie so gut, dass es in zahlreiche Branchen zu Umbrüchen kommt. Arbeitsminister Hubertus Heil prophezeit, dass 2035 kein Arbeitsplatz mehr ohne KI auskommt. Das disruptive Potenzial der Technologie ist enorm hoch und das Ausmaß, welche Rolle künstliche Intelligenz noch einnehmen wird, lässt sich nur erahnen. Eines jedoch ist gewiss – es wird eine Große sein.
Wenn du mehr über künstliche Intelligenz erfahren möchtest, schaue doch mal hier vorbei.
Online-Quellen:
https://www.deutschlandfunkkultur.de/50-jahre-software-eliza-vom-psychiater-inspirierte-100.html
https://www.thats-ai.org/de-CH/units/eine-kurze-geschichte-der-ki
https://www.spektrum.de/lexikon/neurowissenschaft/nettalk/14568
Sonstige Quellen:
Pfannenstiel, M. A. (2022) Künstliche Intelligenz im Gesundheitswesen, Wiesbaden, Springer Fachmedien Wiesbaden.
Sejnowski, T., Rosenberg, C. (1986) NETtalk: A Parallel Network That Learns to Read Aloud. (Technical Report JHU/EEC-86/01.) Baltimore, MD: Johns Hopkins University.
Bildquellen:
Beitragsbild: Bild von Ray Shrewsberry • auf Pixabay
Eliza: Unbekannter Autor, https://commons.wikimedia.org/wiki/File:ELIZA_conversation.jpg, als gemeinfrei gekennzeichnet, Details auf Wikimedia Commons
