Zusammenfassung von Die nächste Stufe der Evolution

Von den ersten rudimentären Computern der 1950er-Jahre bis zu modernen KI-Chatbots ist eine Menge passiert. Die Geschichte der KI-Entwicklung ist geprägt von spektakulären Durchbrüchen, unerwarteten Rückschlägen und disruptiven Paradigmenwechseln. In den 1950er-Jahren gelang es den ersten Großrechnern, komplexere mathematische Aufgaben zu bewältigen. In der Folge entwickelten sich zwei unterschiedliche Vorstellungen davon, wie die maschinelle Intelligenz der Zukunft aussehen könnte. 

Zum einen gab es den Ansatz der Symbolischen KI um Forscher wie den US-Informatiker John McCarthy. Seine Vertreter wollten das menschliche Denken mithilfe klarer Regeln und logischer Strukturen nachbilden. Stell dir ein gigantisches Flussdiagramm vor, das für jede mögliche Situation eine passende Antwort vorgibt. Das funktionierte gut, wenn es um klar begrenzte Aufgaben ging. Doch die Systeme stießen schnell an ihre Grenzen, sobald sie es mit der komplexen Vielschichtigkeit der realen Welt zu tun bekamen.

Dagegen wollten die Vertreter des Konnektionismus keine starren Regeln vorprogrammieren, sondern sich am organischen Aufbau des menschlichen Gehirns orientieren. Ähnlich wie Neuronen im Gehirn sollten einzelne „Nodes“ oder Netzwerkknoten Daten analysieren und Muster erkennen. Ein frühes Beispiel war das künstliche neuronale Netz Perzeptron, das der US-Psychologe und Informatiker Frank Rosenblatt in den 1960er-Jahren entwickelte. Es konnte einfache Formen wie Linien oder geometrische Figuren erkennen. Aber weil es bei komplexeren Aufgaben scheiterte, wurde der Ansatz als Sackgasse abgetan.

In den folgenden Jahrzehnten schwankte die KI-Forschung immer wieder zwischen diesen beiden Denkrichtungen. Die maschinelle Intelligenz entwickelte sich stetig weiter, konnte aber weiterhin nicht ansatzweise mit der Flexibilität menschlichen Denkens mithalten. Doch das änderte sich in den 2010er-Jahren mit dem Vormarsch des Deep Learning. Die exponentiell wachsende Prozessorleistung ermöglichte es modernen Rechnern, immer größere Datenberge auf Muster zu untersuchen. Jetzt waren Forschende in der Lage, komplexe künstliche neuronale Netze mit zahlreichen Zwischenschichten zu entwickeln. 

Diese hierarchisch organisierten Systeme konnten (und können) selbständig lernen und Muster erkennen, die wir Menschen womöglich nie bemerken würden. Das führte zu den ersten spektakulären Kräftemessen zwischen menschlicher und maschineller Intelligenz. 2015 besiegte das von Google entwickelte KI-Programm AlphaGo den menschlichen Weltmeister im chinesischen Brettspiel Go, das lange als zu komplex für Maschinen galt. Und das war erst der Anfang. Schon 2023 konnten KI-Systeme zusammenhängende Texte schreiben, aus kurzen Beschreibungen fotorealistische Bilder erzeugen und Gespräche führen, die für menschliche Beobachter kaum noch von echten Dialogen zu unterscheiden waren.

Besonders das Sprachmodell GPT-3 von OpenAI sogte für Furore. Es konnte durch die Analyse unzähliger Texte aus dem Internet Gedichte, Programmcode und essayistische Artikel schreiben. Besonders war, dass das Tool nicht nur vorhandene Informationen reproduzierte, sondern den Input auf neue Weise kombinieren konnte. Die Ergebnisse waren zum Teil so kreativ, dass sie fast menschengemacht wirkten. Als ein Programmierer GPT-3 bat, eine Frage im Stile des Psychologen Scott Kaufman zu beantworten, kam eine Antwort heraus, die selbst der echte Kaufman verblüffend realistisch fand.