KI: eine technologische Revolution, die auf alten Fundamenten aufbaut

Künstliche Intelligenz (KI) ist heute zweifellos einer der meistgebrauchten Begriffe, sowohl in den Medien als auch in den Unternehmen. Virtuelle Assistenten, autonome Fahrzeuge, maschinelle Übersetzung, Gesichtserkennung: All diese Anwendungen nähren die Vorstellung, dass wir eine beispiellose Revolution erleben.

Doch hinter diesem allgegenwärtig gewordenen Begriff ist die Realität nuancierter. Die meisten Technologien, die unter dem Etikett «Künstliche Intelligenz» zusammengefasst werden, sind nicht neu. Sie existieren seit mehreren Jahrzehnten und haben sich schrittweise weiterentwickelt – im Zuge der Fortschritte bei Rechenleistung, Datenverfügbarkeit und Effizienz der Algorithmen.

Dieser Artikel bietet einen Überblick über die wichtigsten technologischen Bausteine der KI und zeichnet ihre Ursprünge und ihre Entwicklung nach.

Die Anfänge in den 1950er-Jahren

Die Geschichte der modernen KI beginnt in den 1950er-Jahren, einer Zeit, in der die ersten Computer erschienen. Alan Turing stellte damals eine berühmt gebliebene Frage: «Können Maschinen denken?».

Bereits zu dieser Zeit versuchten Forscher, bestimmte menschliche Fähigkeiten mit Programmen zu simulieren: Töne erkennen, Bilder analysieren oder logische Probleme lösen. Einige Beispiele:

• Spracherkennung : 1952 präsentierten die Bell Labs «Audrey», eine Maschine, die von einer menschlichen Stimme gesprochene Ziffern erkennen konnte.

• Maschinelles Sehen : In den 1960er-Jahren startete das MIT das Projekt «Summer Vision», einen Pionierversuch, einen Computer einfache Bilder interpretieren zu lassen.

• Expertensysteme : In den 1970er-Jahren unterstützten Programme wie MYCIN bereits Ärzte bei der Diagnose von Infektionskrankheiten, gestützt auf von Hand codierte Regeln.

Diese Technologien blieben durch die damals verfügbare Rechenleistung begrenzt, legten aber den Grundstein für das, was zur KI werden sollte.

Machine Learning: ein langer Weg

Das Machine Learning, also maschinelles Lernen, wird oft als Essenz der modernen KI dargestellt. Es besteht darin, Algorithmen zu entwickeln, die aus Daten lernen können, ohne für jede Aufgabe explizit programmiert zu werden.

Seine Geschichte ist von wichtigen Fortschritten geprägt:

• 1957 : Frank Rosenblatt entwickelt das Perzeptron, eine frühe Form des neuronalen Netzes.

• 1980er–1990er-Jahre : Aufkommen statistischer Methoden, die noch heute weit verbreitet sind, wie Entscheidungsbäume, bayessche Netze oder Support Vector Machines (SVM).

• 2006 : Geoffrey Hinton und seine Kollegen beleben die Forschung an tiefen neuronalen Netzen (Deep Learning) neu und zeigen, dass diese die traditionellen Ansätze übertreffen können.

Seither hat sich das Machine Learning als unverzichtbarer Pfeiler moderner Technologien etabliert: von der Spracherkennung über Empfehlungssysteme bis hin zur Bedarfsprognose und zur prädiktiven Wartung.

Die Bilderkennung: von den Laboren in den Alltag

Die Bilderkennung ist heute allgegenwärtig: Smartphones, Sicherheitskameras, Biometrie, industrielle Inspektion.

Diese Technologie hat eine schrittweise Entwicklung durchlaufen:

• In den 1990er-Jahren entwickelt Yann LeCun LeNet-5, ein Convolutional Neural Network zur Erkennung handgeschriebener Ziffern.

• Fast 20 Jahre lang bleiben diese Modelle durch die Rechenleistung und den eingeschränkten Zugang zu Daten begrenzt.

• 2012 kommt der entscheidende Wendepunkt mit AlexNet, das den ImageNet-Wettbewerb gewinnt und die Leistungen der klassischen Ansätze pulverisiert.

Seit diesem Durchbruch dominieren Convolutional Neural Networks das Feld und ermöglichen Anwendungen von der medizinischen Diagnose bis zum autonomen Fahren.

Die Verarbeitung natürlicher Sprache: von der Statistik zum Deep Learning

Das Die Verarbeitung natürlicher Sprache (NLP – Natural Language Processing) ist mit virtuellen Assistenten und Chatbots einer der sichtbarsten Zweige der heutigen KI.

Doch auch hier reichen die Ursprünge weit zurück:

• 1954 übersetzt das Georgetown-IBM-Experiment automatisch rund sechzig Sätze vom Russischen ins Englische.

• In den 1990er-Jahren werden probabilistische statistische Modelle dominierend.

• 2017 verändert die Transformer -Architektur die Lage grundlegend und ebnet den Weg für riesige Modelle wie BERT, GPT oder LLaMA.

Diese Modelle können kohärente Texte generieren, übersetzen, zusammenfassen oder komplexe Fragen beantworten. Sie beruhen auf dem Lernen aus Milliarden von Sätzen und auf einer beispiellosen Rechenleistung.

Spracherkennung: eine unauffällige, aber stetige Entwicklung

Die reconnaissance vocale ist ein weiteres Gebiet, das sich stark entwickelt hat:

• 1952 erkennt «Audrey» nur Ziffern.

• In den 1980er-Jahren verbessern Modelle auf Basis von Hidden Markov Models (HMM) die Genauigkeit erheblich.

• In den 2010er-Jahren revolutionieren neuronale Netze das Gebiet und bringen Siri (2011), Alexa (2014) und Google Assistant (2016) hervor.

Heute treibt die Spracherkennung sowohl persönliche Assistenten als auch industrielle Anwendungen an, insbesondere für Bediener in der Produktion.

KI in Spielen: historische Meilensteine

Spiele sind ein bevorzugtes Experimentierfeld für die KI:

• 1997 schlägt Deep Blue von IBM Garry Kasparov im Schach.

• 2016 überrascht AlphaGo von DeepMind die Welt, indem es Lee Sedol besiegt, einen der besten Go-Spieler.

• 2020 löst AlphaFold ein grosses Problem der Biologie, indem es die Struktur von Proteinen mit beispielloser Genauigkeit vorhersagt.

Diese Meilensteine zeigen, dass die KI nicht nur eine angewandte Technologie ist, sondern auch ein Werkzeug der wissenschaftlichen Forschung.

Warum ist die KI heute so sichtbar?

Wenn die KI heute einen solchen Platz in unserem Leben einnimmt, dann nicht, weil sie «neu» wäre, sondern weil mehrere günstige Bedingungen zusammengekommen sind:

1. Die Rechenleistung : GPUs und spezialisierte Prozessoren ermöglichen das Training komplexer Modelle.

2. Die Verfügbarkeit von Daten : Internet, Sensoren und vernetzte Geräte erzeugen gewaltige Datenmengen.

3. Die modernen Algorithmen : insbesondere tiefe neuronale Architekturen wie die Transformers.

4. Die Demokratisierung : Die Werkzeuge sind der breiten Öffentlichkeit zugänglich – über APIs, Open-Source-Software und sogar Smartphone-Apps.

Diese Kombination erklärt die jüngste Explosion der sichtbaren KI-Anwendungen.

Fazit

Die Künstliche Intelligenz wird oft als plötzlicher Umbruch dargestellt, doch in Wirklichkeit ist sie das Ergebnis von mehr als siebzig Jahren Forschung. Spracherkennung, maschinelles Sehen, Verarbeitung natürlicher Sprache, maschinelles Lernen: All diese Bausteine existierten bereits – teils in rudimentärer Form – seit den 1950er-Jahren.

Was sich heute ändert, sind der Massstab, die Reife der Algorithmen und ihre Integration in unseren Alltag. Statt einer vorübergehenden Mode ist die KI das Ergebnis einer schrittweisen Entwicklung, die inzwischen die Industrie tiefgreifend verändert– ebenso wie die Dienstleistungen und die wissenschaftliche Forschung.