Bahnbrechende Fortschritte im Bereich Deep Learning bereiten den Boden für die Entstehung einer KI-Wirtschaft.

Kai-Fu Lee stellt bei seinen Vorträgen als KI-Experte immer wieder fest, dass ihm die CEOs erfolgreicher Konzerne letztlich dieselben Fragen stellen wie die Kinder in den Schulen: Wie wird künstliche Intelligenz unsere Zukunft bestimmen? Werden wir bald im Klassenzimmer oder im Büro von Maschinen betreut?

Man könnte meinen, KI-gesteuerte Roboter und Anwendungen würden erst jetzt, im 21. Jahrhundert, von futuristischen Fiktionen zur Wirklichkeit, von Hirngespinsten zu bedeutenden Wirtschaftsfaktoren. Dabei sehen wir heute lediglich die Ergebnisse von Fortschritten und Lernprozessen, die bereits seit Jahrzehnten in Gang sind.

Das Schlüsselwort lautet Deep Learning. Schon in den 1950er-Jahren arbeiteten IT-Wissenschaftler wie Marvin Minsky und John McCarthy daran, Computer mit menschlicher Intelligenz auszustatten. Als Kai-Fu Lee drei Jahrzehnte später in die KI-Forschung einstieg, hatten sich bereits zwei große Lager gebildet: Auf der einen Seite gab es die Vertreter einer regelbasierten KI und auf der anderen die Anhänger einer KI, die auf künstlichen neuronalen Netzwerken, kurz KNN, basiert.

Die Anhänger einer regelbasierten KI glaubten, die Computer würden die besten Ergebnisse liefern, wenn ihnen die Entwickler nach und nach konkrete Regeln einprogrammierten, zum Beispiel „Katzen haben dreieckige Ohren“. Das Lager der Neuronalen-Netzwerk-Freunde war dagegen überzeugt, die Maschinen würden nach menschlichem Vorbild am besten selbstständig lernen, auf Grundlage von Erfahrungen. Die fehlerhafte Benennung eines Katzenbildes würde dann zum digitalen Ausgangspunkt weiterer Lernprozesse.

Die KNN-basierte KI brauchte vor allem zweierlei: möglichst große auszuwertende Datenmengen und schnellere Rechenleistung. Als diese Ressourcen Mitte der 2000er-Jahre endlich zur Verfügung standen, konnte der KI-Forscher Geoffrey Hinton den künstlichen „Neuronen“ die nötige Anzahl an Schichten verleihen, um den Quantensprung zur Entwicklung komplexer KI-Netzwerke zu schaffen.

Als das gelang, wurde das Konzept des künstlichen neuronalen Netzwerks in Deep Learning umbenannt. Der endgültige Sieg der selbstständig lernenden KI kam 2012, als Hintons neuer Algorithmus bei einem visuellen Erkennungstest alle Konkurrenzmodelle in den Schatten stellte.

Auf einmal konnte die KI komplexe Probleme bearbeiten, Muster erkennen und kreative Lösungen finden. Damit war klar, dass die Technologie schon bald in etlichen Bereichen des alltäglichen Lebens eingesetzt werden konnte, von der visuellen und akustischen Erkennung über komplexe finanzielle Entscheidungen bis hin zum fahrerlosen Fahren. Das Zeitalter der KI-Wirtschaft hatte begonnen.