Die Geschichte der KI

Die Geschichte der KI beginnt nicht mit einem Computer, sondern mit einer Frage. 1950 schrieb Alan Turing in seinem Aufsatz "Computing Machinery and Intelligence" den ersten Satz: "Can machines think?"

Der Imitationsspiel-Test

Turing hielt die Frage "Können Maschinen denken?" für zu vage. Stattdessen schlug er ein Spiel vor: Wenn ein Mensch im schriftlichen Dialog nicht unterscheiden kann, ob er mit einer Maschine oder einem Menschen schreibt, dann sei die Frage nach dem "Denken" müßig. Heute kennen wir das als Turing-Test.

Die Geburt eines Forschungsfeldes (1956)

Sechs Jahre später, im Sommer 1956, trafen sich am Dartmouth College Forscher um John McCarthy, Marvin Minsky, Claude Shannon und Nathaniel Rochester. McCarthy prägte für den Förderantrag einen neuen Begriff: "Artificial Intelligence".

• Ziel des Workshops: in einem Sommer nachbilden, wie Menschen lernen und denken
• Ergebnis: ein Feld, das 70 Jahre später immer noch daran arbeitet
• Der Optimismus: "Eine signifikante Maschine ist in 20 Jahren machbar"

Fun Fact: Der Dartmouth-Antrag veranschlagte für die "Lösung" der KI genau zwei Monate und zehn Mann. Man war zuversichtlich.

Das Imitationsspiel (vereinfacht)

  MENSCH  ────┐
              ├──► FRAGESTELLER  ──► "A oder B ist die Maschine?"
  MASCHINE ───┘

  Frage:  "Schreib mir ein Sonett über die Golden Gate Bridge."
  A:      "Tut mir leid, Dichtung war nie meine Stärke."
  B:      [antwortet mit einem Sonett]

  Wenn der Fragesteller Mensch und Maschine
  nicht zuverlässig unterscheiden kann,
  gilt die Frage "Kann sie denken?" als
  beantwortet - oder als sinnlos.

  1950: eine Gedankenidee.
  2022: ChatGPT besteht ihn beiläufig.

1958 baute Frank Rosenblatt das Perceptron - den Urgroßvater aller neuronalen Netze. Es war kein Programm, sondern eine Maschine (der Mark I Perceptron) mit 400 Fotozellen, die einfache Muster erkennen konnte.

Zwei Lager entstehen

Von Anfang an teilte sich die KI in zwei Denkschulen, die bis heute miteinander ringen:

• Symbolische KI ("Good Old-Fashioned AI") - Denken als Regeln und Logik. McCarthy erfand dafür 1958 die Sprache Lisp.
• Konnektionismus - Denken als lernendes Netz aus Neuronen, wie beim Perceptron.

Der erste Rückschlag

1969 zeigten Marvin Minsky und Seymour Papert in ihrem Buch "Perceptrons", dass ein einlagiges Perceptron nicht einmal die einfache XOR-Funktion lernen kann. Die Wirkung war verheerend: die Forschung an neuronalen Netzen kam für über ein Jahrzehnt fast zum Erliegen.

Fun Fact: Die New York Times berichtete 1958, das Perceptron werde bald "laufen, sprechen, sehen, schreiben und sich selbst reproduzieren". Es konnte Dreiecke von Vierecken unterscheiden.

Das Perceptron: die erste "lernende" Maschine

  Eingaben        Gewichte
  x1 ──── w1 ──┐
  x2 ──── w2 ──┼──► Summe = Σ(xi · wi) ──► Schwelle ──► 0 oder 1
  x3 ──── w3 ──┘

  Lernregel (bei Fehler):
    w_neu = w_alt + lernrate · (soll - ist) · x

  Das war revolutionär: die Maschine
  justiert ihre Gewichte SELBST.

  Das Problem (Minsky 1969):
    XOR lässt sich mit EINER Schicht
    nicht trennen. Erst mehrere Schichten
    (und Backpropagation) lösen das -
    aber das dauerte bis in die 1980er.

Die 1970er und 80er gehörten der symbolischen KI. Die Idee: Man gießt das Wissen menschlicher Experten in tausende Wenn-Dann-Regeln. So entstanden die Expertensysteme.

Die Stars der Regel-Ära

• MYCIN (1976, Stanford) - diagnostizierte bakterielle Infektionen, teils besser als junge Ärzte. Wurde nie klinisch eingesetzt - Haftungsfragen.
• XCON / R1 (1980, DEC) - konfigurierte Computer-Bestellungen und sparte dem Hersteller angeblich Millionen pro Jahr.
• Prolog (1972) - die Sprache der logischen Programmierung wurde zum Werkzeug der Expertensysteme.

Der KI-Winter

Doch die Regel-Systeme hatten eine Achillesferse: Sie waren spröde. Außerhalb ihres engen Fachgebiets scheiterten sie kläglich, und jede neue Regel konnte tausend alte widersprechen. Die überzogenen Versprechen platzten. Zweimal - Ende der 1970er und erneut Ende der 1980er - strichen Regierungen und Investoren die Fördermittel. Diese Phasen heißen bis heute "KI-Winter".

Fun Fact: In den KI-Wintern vermieden Forscher sogar das Wort "KI" in Förderanträgen. Man sprach lieber von "Informatik", "maschinellem Lernen" oder "Analytics" - um nicht mit den gebrochenen Versprechen assoziiert zu werden.

; Regelbasiertes Wissen - von Hand gepflegt

RULE 047:
  IF   die Färbung des Organismus ist gramnegativ
  AND  die Form des Organismus ist Stäbchen
  AND  der Patient ist ein "compromised host"
  THEN es gibt Hinweise (0.6), dass der
       Organismus Pseudomonas aeruginosa ist.

; Das Problem:
;   - Jede Regel von Experten handgeschrieben
;   - Hunderte Regeln, die sich widersprechen
;   - Kein Lernen aus Daten
;   - Außerhalb der Domäne: hilflos

; Der Konnektionismus wartete derweil
; auf mehr Rechenleistung und mehr Daten.

Die neuronalen Netze waren nie ganz verschwunden. 1986 popularisierten Rumelhart, Hinton und Williams die Backpropagation - den Algorithmus, mit dem mehrschichtige Netze lernen können. Es fehlten nur zwei Zutaten: Daten und Rechenleistung.

Der Moment: AlexNet (2012)

2012 trat ein Netz namens AlexNet (von Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton) beim Bilderkennungs-Wettbewerb ImageNet an - und gewann mit einem so großen Vorsprung, dass die Fachwelt schockiert war. Der Trick:

• GPUs - Grafikkarten (eigentlich für Spiele) rechneten die Netze hundertfach schneller
• Große Datensätze - ImageNet lieferte 1,2 Millionen beschriftete Bilder
• Tiefe Netze - viele Schichten, daher "Deep Learning"

Die Kettenreaktion

Plötzlich funktionierte, was jahrzehntelang scheiterte: Bilderkennung, Spracherkennung, maschinelle Übersetzung. 2016 schlug AlphaGo von DeepMind den weltbesten Go-Spieler - ein Spiel, das man für Jahrzehnte außer Reichweite gehalten hatte.

Fun Fact: Die GPUs, die Deep Learning ermöglichten, wurden für Videospiele entwickelt. Ohne die Gaming-Industrie hätte der KI-Durchbruch Jahre länger gedauert - und NVIDIA wäre nicht zum wertvollsten Chip-Konzern der Welt geworden.

# Was 1969 unmöglich schien, ist heute ein Dreizeiler
import torch.nn as nn

# Ein mehrschichtiges Netz - genau das,
# woran das Perceptron scheiterte
model = nn.Sequential(
    nn.Linear(784, 256),   # Eingabeschicht
    nn.ReLU(),             # Nichtlinearität - der Schlüssel
    nn.Linear(256, 128),   # versteckte Schicht
    nn.ReLU(),
    nn.Linear(128, 10)     # 10 Klassen (z.B. Ziffern)
)

# Backpropagation (1986) + GPU (2012) =
#   das Netz lernt aus Millionen Beispielen
# loss.backward()  # der Algorithmus, der alles änderte

# 1958: 400 Fotozellen, ein Dreieck.
# 2012: Millionen Bilder, übermenschliche Erkennung.

2017 veröffentlichten acht Forscher bei Google ein Paper mit dem selbstbewussten Titel "Attention Is All You Need". Es stellte eine neue Architektur vor: den Transformer. Er sollte die KI-Welt umkrempeln.

Die Idee der "Attention"

Frühere Sprachmodelle lasen Text Wort für Wort und "vergaßen" den Anfang langer Sätze. Der Transformer betrachtet alle Wörter gleichzeitig und lernt, welche Wörter für welche anderen wichtig sind - der Mechanismus heißt Self-Attention. Das machte Training massiv parallelisierbar und damit skalierbar.

Die Skalierungs-Wette

Es zeigte sich: Je größer das Modell und je mehr Text, desto fähiger wird es - überraschend verlässlich. Diese Skalierungsgesetze lösten ein Wettrüsten aus:

• BERT (2018, Google) - Sprachverständnis für die Suche
• GPT-2 / GPT-3 (2019 / 2020, OpenAI) - Textgenerierung auf neuem Niveau
• ChatGPT (Nov 2022) - die App, die KI in den Alltag brachte: 100 Millionen Nutzer in zwei Monaten, das am schnellsten wachsende Produkt der Geschichte

Fun Fact: Das "T" in GPT steht für Transformer - Googles Erfindung. Ein Google-Paper legte damit das Fundament für das Produkt, das Googles Suchmonopol zum ersten Mal ernsthaft herausforderte.

# Der Mechanismus hinter jedem LLM (vereinfacht)

# Jedes Wort wird zu drei Vektoren:
#   Query  (Wonach suche ich?)
#   Key    (Was biete ich an?)
#   Value  (Welche Information trage ich?)

def attention(Q, K, V):
    # Wie stark "beachtet" jedes Wort jedes andere?
    scores = Q @ K.T / sqrt(d_k)
    weights = softmax(scores)      # Summe = 1
    return weights @ V             # gewichtete Info

# "Attention Is All You Need" (2017):
#   Kein Wort-für-Wort mehr.
#   Alle Wörter sehen alle Wörter - zugleich.

# Diese eine Idee skaliert von GPT-2
# bis zu den größten Modellen von heute.

Ein Sprachmodell, das nur Text ausgibt, ist ein brillanter Berater ohne Hände. Die aktuelle Ära dreht sich darum, der KI Werkzeuge und Autonomie zu geben - der Schritt vom Chatbot zum KI-Agenten.

Was einen Agenten ausmacht

• Tool-Use - das Modell ruft APIs, durchsucht Dateien, führt Code aus
• Gedächtnis & RAG - Zugriff auf aktuelles, unternehmenseigenes Wissen statt nur auf Trainingsdaten
• Planung - komplexe Aufgaben in Schritte zerlegen und abarbeiten
• Multi-Agent-Systeme - mehrere spezialisierte Agenten arbeiten zusammen

Von der Frage zur Handlung

2022 beantwortete ChatGPT Fragen. Heute schreiben Agenten Software, bearbeiten Rechnungen, führen Recherchen durch und steuern Geschäftsprozesse - unter menschlicher Aufsicht. Turings Frage "Können Maschinen denken?" hat sich verschoben zu einer praktischen: "Welche Arbeit können wir ihnen sicher anvertrauen?"

Vom Perceptron, das ein Dreieck erkannte, zu Agenten, die eigenständig mehrstufige Aufgaben lösen - in rund 70 Jahren. Und die Kurve wird gerade erst steil.

# Der Schritt vom Chatbot zum Agenten:
# das Modell darf HANDELN, nicht nur reden.

def agent(ziel, werkzeuge):
    verlauf = [ziel]
    while not fertig(verlauf):
        # 1. Das LLM plant den nächsten Schritt
        schritt = llm.denke(verlauf, werkzeuge)

        # 2. Es RUFT ein Werkzeug auf (API, Suche, Code)
        ergebnis = werkzeuge[schritt.tool](schritt.args)

        # 3. Es lernt aus dem Ergebnis und plant weiter
        verlauf.append(ergebnis)
    return verlauf

# 1950: "Kann eine Maschine denken?"
# 2024: "Welche Aufgabe darf sie eigenständig lösen?"

# Genau hier setzt moderne KI-Entwicklung an.