{"id":1961,"date":"2023-08-18T18:18:57","date_gmt":"2023-08-18T18:18:57","guid":{"rendered":"https:\/\/ki-know-how.de\/?p=1961"},"modified":"2023-08-18T18:27:34","modified_gmt":"2023-08-18T18:27:34","slug":"eine-kurze-geschichte-der-kuenstlichen-intelligenz-von-der-antike-bis-chatgpt","status":"publish","type":"post","link":"https:\/\/ki-know-how.de\/en\/eine-kurze-geschichte-der-kuenstlichen-intelligenz-von-der-antike-bis-chatgpt","title":{"rendered":"A short History of Artificial Intelligence - from Antiquity to ChatGPT"},"content":{"rendered":"<p><em>(Anmerkung: Wenn Sie die durch ChatGPT gek\u00fcrzte und umformulierte Fassung dieses Artikels lesen m\u00f6chten, klicken Sie <a href=\"https:\/\/ki-know-how.de\/?p=1966&amp;preview=true\" title=\"hier\">hier<\/a>.)<\/em><\/p>\n<p>Die Geschichte der k\u00fcnstlichen Intelligenz (KI) ist eine faszinierende Reise durch technologische Fortschritte, R\u00fcckschl\u00e4ge und bahnbrechende Innovationen. Von den ersten Konzepten bis zu den hochmodernen KI-Systemen von heute hat sich die Entwicklung der KI in den letzten Jahrzehnten \u00fcberschlagen.<\/p>\n<h2>Antike<\/h2>\n<p>K\u00fcnstliche Intelligenz scheint zun\u00e4chst eine moderne Erfindung. Tats\u00e4chlich ist die Vorstellung einer k\u00fcnstlichen Form der menschlichen Intelligenz, ja sogar der menschlichen Gestalt, Jahrtausende alt.<\/p>\n<p>Bereits im \u00e4ltesten Werk der europ\u00e4ischen Literatur, Homers <em>Ilias<\/em>  (sp\u00e4tes 8. Jh. v.u.Z.), lesen wir von <a href=\"https:\/\/www.projekt-gutenberg.org\/homer\/ilias\/ilias182.html\">selbstfahrenden Dreif\u00fc\u00dfen (Gesang 18.373)<\/a> und <a href=\"https:\/\/www.projekt-gutenberg.org\/homer\/ilias\/ilias183.html\">aus Gold gefertigten jungen Frauen (Gesang 18.417)<\/a>, die ihren Erfinder, den Gott Hephaistos, bei seiner Arbeit unterst\u00fctzen. In der <em>Argonautika<\/em> von Apollonios von Rhoodos (3. Jh. v.u.Z.) wird von dem sprechenden Schiff Argo und dem aus Bronze gefertigten Mann Talos erz\u00e4hlt. <\/p>\n<p>Diese mythologischen Erz\u00e4hlungen inspirierten sicherlich antike griechische Erfinder wie Philon von Byzanz und Heron von Alexandria zu hydraulisch, pneumatisch und mechanisch angetriebenen, teilweise programmierbaren Automaten diverser Art. Der selbstfahrende, mit Seilen programmierbare, dreir\u00e4dige <a href=\"https:\/\/www.sueddeutsche.de\/wissen\/der-urvater-aller-roboter-automatisch-seit-2000-jahren-1.790765\">Theaterwagen von Heron<\/a> erinnert schlie\u00dflich deutlich an Hephaistos autonome Dreif\u00fc\u00dfe.<\/p>\n<h2>Mittelalter und Renaissance<\/h2>\n<p>Auch im Mittelalter finden sich Legenden und Bestrebungen k\u00fcnstlich Menschen bzw. menschen\u00e4hnliche Gesch\u00f6pfe zu erschaffen. Ein Beispiel aus der j\u00fcdischen Mystik ist der Golem. Eine Anleitung zu seiner Erschaffung findet sich zum ersten Mal im 12. Jh. in einem Kommentar von Eleasar ben Juda zum kabbalistischen Werk <em>Sefer Jetzira<\/em>. Auch der Arzt und Alchemist Paracelsus beschrieb im 16. Jh. die Erschaffung eines k\u00fcnstlichen Homunculus (dt. Menschlein). <\/p>\n<h2>Neuzeit und Moderne<\/h2>\n<p>Philosophen und Mathematiker besch\u00e4ftigten sich seit der Antike mit formalem Denken, der Basis f\u00fcr Programmierung jeder Art. Seit Ren\u00e9 Descartes etablierte sich langsam die Vorstellung, dass der Mensch (zumindest k\u00f6rperlich) einer Maschine gleicht. Thomas Hobbes schreibt beispielsweise in der Einleitung zu <em>Leviathan<\/em>:<\/p>\n<blockquote>\n<p>Die Natur oder die Weisheit, welche Gott in der Hervorbringung und Erhaltung der Welt darlegt, ahmt die menschliche Kunst so erfolgreich nach, da\u00df sie unter anderen Werken auch ein solches liefern kann, welches ein k\u00fcnstliches Tier genannt werden mu\u00df. [...] warum sollte man nicht sagen k\u00f6nnen, da\u00df alle Automaten oder Maschinen [...], gleichfalls ein k\u00fcnstliches Leben haben? Ist das Herz nicht als Springfeder anzusehen? Sind nicht die Nerven ein Netzwerk und der Gliederbau eine Menge von R\u00e4dern, die im K\u00f6rper diejenigen Bewegungen hervorbringen, welche der K\u00fcnstler beabsichtigte?<\/p>\n<\/blockquote>\n<ul>\n<li>Hobbes, Thomas ; Mayer, J. P. (Hrsg.): <em>Leviathan oder Von Materie, Form und Gewalt des kirchlichen und b\u00fcrgerlichen Staates<\/em>, <em>Europ\u00e4ische Reihe<\/em>. Z\u00fcrich\u202f; Leipzig\u00a0: Rascher, 1936<\/li>\n<\/ul>\n<p>Gottfried Wilhelm Leibniz ging noch einen Schritt weiter und sah auch das rationale Denken als eine Art mathematische Operation, welche, mit passenden Zeichen ausgedr\u00fcckt, formal berechnet werden kann. <\/p>\n<p>All diese und viele weitere Vorl\u00e4ufer nahmen mit dem Werk von Alan Turing, dem Vater der theoretischen Informatik und der k\u00fcnstlichen Intelligenz, festere Gestalt an. Bereits im Jahr 1950 entwarf er den <a href=\"https:\/\/doi.org\/10.1093\/mind\/LIX.236.433\">Turing-Test<\/a>, welcher \u00fcberpr\u00fcft ob ein Computer sich so gut menschlich ausdr\u00fccken kann, dass ein Mensch ihn nicht von einem Menschen unterscheiden kann.<\/p>\n<h3>Aufschwung der modernen KI<\/h3>\n<p>Eine der signifikantesten Entwicklungen f\u00fcr die moderne KI waren die k\u00fcnstlichen Neuronen von McCulloch und Pitts, inspiriert durch Entdeckungen in der Neurowissenschaft. <a href=\"https:\/\/link.springer.com\/article\/10.1007\/BF02478259\">McCulloch und Pitts zeigten bereits 1943<\/a>, dass aufgrund der Aktivierungseigenschaften von biologischen Neuronen (ein Neuron feuert entweder, oder nicht), mathematische Logik verwendet werden kann um das Verhalten von neuronalen Netzen zu berechnen. <\/p>\n<p>Der Begriff &quot;k\u00fcnstliche Intelligenz&quot; etablierte sich f\u00fcr dieses Forschungsgebiet im Jahre 1956, durch den von John McCarthy und anderen Wissenschaftlern organisierten Dartmouth Workshop. Im <a href=\"https:\/\/raysolomonoff.com\/dartmouth\/boxa\/dart564props.pdf\">Antrag zur Abhaltung des Workshops<\/a> hei\u00dft es:<\/p>\n<blockquote>\n<p>Die Studie geht von der Annahme aus, dass jeder Aspekt des Lernens oder jedes andere Merkmal der Intelligenz prinzipiell so genau beschrieben werden kann, dass eine Maschine sie simulieren kann. Es wird versucht herauszufinden, wie man Maschinen dazu bringen kann, Sprache zu verwenden, Abstraktionen und Konzepte zu bilden, Probleme zu l\u00f6sen, die heute Menschen vorbehalten sind, und sich selbst zu verbessern.<\/p>\n<\/blockquote>\n<p>Somit war das allgemeine Ziel dieses Forschungsgebietes gesetzt. Der Enthusiasmus unter Forschern und Regierungsorganisationen wie der US-amerikanischen DARPA war gro\u00df, und es wurden viele konzeptuelle und praktische Fortschritte erzielt.<br \/>\nELIZA, ein Chatprogramm von Joseph Weizenbaum, war in der Lage auf englisch zu kommunizieren und bestand sogar manchmal den Turing-Test. Tats\u00e4chlich verstand ELIZA jedoch die Inhalte nicht. Antworten generierte das Programm durch geschickte Anwendung von Grammatikregeln zur Umformulierung der Eingabetexte, dem Stellen von Fragen und der Ausgabe von einigen vorgefertigten Texten. <\/p>\n<p>KI-Forscher machten sehr optimistische Vorhersagen \u00fcber die Zukunft dieses Gebietes. Zum Beispiel prognostizierten <a href=\"https:\/\/pubsonline.informs.org\/doi\/epdf\/10.1287\/opre.6.1.1\">Simon und Newell im Jahre 1958<\/a>, dass innerhalb der n\u00e4chsten zehn Jahre ein Computer Schachweltmeister sein w\u00fcrde, insofern er an der Schachweltmeisterschaft teilnehmen d\u00fcrfe.<\/p>\n<p>Doch es sollte noch Jahrzehnte dauern, bis k\u00fcnstliche Intelligenz Fr\u00fcchte au\u00dferhalb von Universit\u00e4ten und Forschungsgruppen tragen sollte.<\/p>\n<h3>KI-Winter<\/h3>\n<p>Der Optimismus der KI-Forscher f\u00fchrte zu gro\u00dfen Entt\u00e4uschungen, als ihre Prognosen sich nicht erf\u00fcllten. In den 1970er Jahren f\u00fchrte das dazu, das immer weniger Forschungsgelder in KI investiert wurden. Somit kam die Entwicklung nur langsam voran. <\/p>\n<p>Erst in den 1980er Jahren kam es zu einem erneuten Aufschwung als die ersten Expertensysteme kommerzielle Erfolge verbuchten. Beispielsweise konnte das System <a href=\"https:\/\/www.jstor.org\/stable\/248770\" title=\"XCON gesch\u00e4tzte 15 Millionen Dollar einsparen\">XCON gesch\u00e4tzte 15 Millionen Dollar einsparen<\/a>. Diese Systeme basierten auf dem Wissen menschlicher Experten und konnten mithilfe von Logikregeln fachlich-spezifische Probleme l\u00f6sen und Fragen beantworten. Damit r\u00fcckte die Wissensverarbeitung immer weiter in den Fokus der KI-Forschung. <\/p>\n<p>Doch auch diese Welle des Enthusiasmus hielt nicht an. Bereits Ende der 80er verloren Expertensysteme an Interesse, da sie sehr teuer in der Erstellung, begrenzt in der Anwendung und schwer auf dem neuesten Stand zu halten waren. Auch waren sie zu instabil um mit flexiblen Anfragen umzugehen. So kam es in den 1990er Jahren zu einem zweiten &quot;KI-Winter&quot;, d.h. einem gro\u00dfen Einbruch an Investitionen und Forschungsgeldern.<\/p>\n<p>Trotzdem wurde weiter an KI-Anwendungen gearbeitet. IBM entwickelte den Schachcomputer Deep Blue, welcher den amtierenden Schachweltmeister <a href=\"https:\/\/www.swr.de\/swr2\/wissen\/archivradio\/computer-deep-blue-schlaegt-schachweltmeister-garri-kasparow-100.html\">Garri Kasparow im Mai 1997 schlug<\/a>. Neue Konzepte und Algorithmen wurden entwickelt, oft durch interdisziplin\u00e4ren Austausch mit anderen Gebieten wie Statistik, \u00d6konomie, und Ingenieurswesen. Viele kommerzielle Produkte zur Spracherkennung, im Finanzwesen oder in der Robotik beinhalteten Methoden aus der KI-Forschung - auch wenn das oft nicht hervorgehoben wurde, da KI damals als idealistische Tr\u00e4umerei empfunden wurde.<\/p>\n<h3>Auf jeden Winter folgt der Fr\u00fchling<\/h3>\n<p>Durch die rasant ansteigenden Speicher- und Rechenkapazit\u00e4ten von Computern in den 90er und 2000er Jahren wurden immer mehr KI-Methoden praktisch n\u00fctzlich. Teilweise jahrzehntealte Algorithmen konnten nun zu ihrer vollen Leistung ausgenutzt und erweitert werden. Gleichzeitig f\u00fchrte die zunehmende Digitalisierung und einfachere Ansammlung von gro\u00dfen Datenmengen \u00fcber das Internet dazu, dass KI-Methoden wie neuronale Netzwerke auf gen\u00fcgend Daten trainiert werden konnten um den urspr\u00fcnglichen Zielen der KI-Forschung tats\u00e4chlich nahe zu kommen. <\/p>\n<p>Die heutigen Errungenschaften in der Bild- und Sprachverarbeitung, die selbstfahrende Autos und ChatGPT m\u00f6glich werden lie\u00dfen, gehen auf das sogenannte <a href=\"https:\/\/www.spektrum.de\/news\/maschinenlernen-deep-learning-macht-kuenstliche-intelligenz-praxistauglich\/1220451\" title=\"Deep Learning\">Deep Learning<\/a> zur\u00fcck. Dabei werden k\u00fcnstliche Neuronen in vielen Schichten hintereinander angeordnet und mit einem Arsenal an mathematischen Werkzeugen trainiert. Durch die geschickte Kombination unterschiedlicher Methoden und der Verwendung hochqualitativer Datens\u00e4tze k\u00f6nnen k\u00fcnstliche Intelligenzen heute Texte oder Programmcode verfassen, Bilder aus Beschreibungen generieren oder Videos bearbeiten.<\/p>\n<p>Was die Zukunft bereith\u00e4lt l\u00e4sst sich nicht leicht sagen. Doch um faszinierende Chancen zu entdecken, m\u00fcssen wir nur in die Gegenwart blicken:<br \/>\nHeutige KI-Anwendungen sind vielseitig, flexibel und zunehmend erschwinglich, was es Unternehmen jeder Gr\u00f6\u00dfe m\u00f6glich macht, von den Vorteilen dieser aufstrebenden Technologie zu profitieren. Von der Automatisierung von Prozessen bis hin zur Personalisierung von Kundenerlebnissen \u2013 KI hat das Potenzial, die Art und Weise wie Unternehmen arbeiten, zu revolutionieren.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>The history of artificial intelligence (AI) is a fascinating journey through technological advances, setbacks and breakthrough innovations. From early concepts to today's state-of-the-art AI systems, AI has evolved in leaps and bounds over the past few decades.<\/p>","protected":false},"author":2,"featured_media":1962,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","footnotes":""},"categories":[12],"tags":[13],"class_list":["post-1961","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ki","tag-entwicklungen"],"_links":{"self":[{"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/posts\/1961","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/comments?post=1961"}],"version-history":[{"count":5,"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/posts\/1961\/revisions"}],"predecessor-version":[{"id":1981,"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/posts\/1961\/revisions\/1981"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/media\/1962"}],"wp:attachment":[{"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/media?parent=1961"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/categories?post=1961"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ki-know-how.de\/en\/wp-json\/wp\/v2\/tags?post=1961"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}