Künstliche Intelligenz (KI) ist die Simulation menschlicher kognitiver Funktionen. Moderne KI kann viele Aufgaben ohne menschliche Hilfe erledigen, etwa ein Brettspiel spielen, eine Reise buchen, einen Veranstaltungsort finden oder einen Artikel schreiben. Wir beschäftigen uns seit mehr als 20 Jahren mit KI und haben die Geschichte dieses faszinierenden Themas mitgestaltet, modernste Ansätze entwickelt und versuchen, künftige Herausforderungen zu lösen.
Mitte des 20. Jahrhunderts beschrieben Visionen von künstlicher Intelligenz eine allgemeine KI, die die menschliche Intelligenz in jeder Hinsicht simulieren sollte. Dazu gehörte auch die physische Manifestation von humanoiden Robotern, eine Fantasie, die in unserer Einstellung zur KI weiterlebt. Die frühe Forschung deutete jedoch stark darauf hin, dass die Entwicklung einer allgemeinen KI ein fernes und unwahrscheinliches Ziel war. Die damals verwendeten regelbasierten Methoden waren zu komplex, um in der realen Welt eingesetzt werden zu können. Vergleichbar mit der Verwendung eines Kochrezepts, zeigen sich bei der Anwendung im wirklichen Leben Details und Herausforderungen, die im Rezept nicht berücksichtigt wurden.
Inspiriert von der Arbeitsweise des menschlichen Gehirns, wurden neuronale Netze erfunden. Dabei handelt es sich um Computersysteme, die aus vielen einfachen Entscheidungseinheiten bestehen und anhand von Beispielen auf eine Aufgabe trainiert werden können. Zeigt man einem solchen Netz eine große Menge von Röntgenbildern mit den dazugehörigen Diagnosen, lernt es die Beziehung zwischen dem Bild und der Diagnose. Auf der Grundlage der gelernten Informationen und Muster kann es anhand neuer Bilder eine korrekte Diagnose stellen. Allerdings bestehen Röntgenbilder in diagnostisch sinnvoller Auflösung aus Millionen von Pixeln und es sind Hunderte von verschiedenen Diagnosen denkbar – für jede Variante werden viele Bilder benötigt, um das neuronale Netz zu trainieren. Um KI für diese Fälle erfolgreich zu trainieren und einzusetzen, ist eine erhebliche Rechenleistung erforderlich. Ausreichende Rechenleistung und Speicherplatz, um neuronale Netze für viele reale Aufgaben sinnvoll einzusetzen, sind erst in den vergangenen Jahren eine Option.
In der Zwischenzeit verbrachte die KI eine lange Zeit in einer Phase, die manche als Winterperiode bezeichnen. Doch diese Zeit war keineswegs vergeudet. Es wurden viele Methoden entwickelt, die auch heute noch den Kern vieler Problemlösungsstrategien in der KI bilden. Neuronale Faltungsnetzwerke (CNNs) haben sich als ein Werkzeug etabliert, dessen Funktion in der Bildverarbeitung intuitiv verständlich ist. Man würde nicht Millionen von Pixeln einzeln untersuchen, um ein Urlaubsfoto zu erkennen. Wenn Sie das Bild jedoch auf einige wenige Pixel komprimieren und das, was übrigbleibt, blau über gelb ist, handelt es sich wahrscheinlich um ein schönes Strandfoto. Modelle für das Langzeit-Kurzzeitgedächtnis brachten ähnliche Durchbrüche bei der Verarbeitung von Sprache. Die meisten dieser Fortschritte wurden von der Öffentlichkeit kaum wahrgenommen, beschleunigten sich aber in den folgenden Jahren noch einmal und machten den Weg frei für viele weitere Innovationen und Möglichkeiten.