Künstliche Intelligenz (KI) ist der Zweig der Informatik, der sich mit dem Bau von Maschinen und Software beschäftigt, die Aufgaben ausführen, die, wenn sie von Menschen ausgeführt werden, als intelligent verstanden werden, wie das Wahrnehmen der Umgebung, das Verstehen von Sprache, das Lösen von Problemen und das Treffen von Entscheidungen. Das Feld umfasst eine breite Palette von Ansätzen, von regelbasierten Systemen, die menschliches Fachwissen direkt kodieren, bis hin zu statistischen Modellen, die Verhalten aus Daten lernen.
Der Begriff wurde für einen Workshop im Jahr 1956 geprägt und beschreibt seitdem eine wechselnde Reihe von Techniken, die sich in der öffentlichen Aufmerksamkeit durch Zyklen von Hype und Enttäuschung ausdehnen und zusammenziehen.
Geschichte
Der Gründungsmoment des Feldes wird üblicherweise auf den Dartmouth-Workshop von 1956 datiert, organisiert von John McCarthy, der den Begriff „künstliche Intelligenz“ für den Vorschlag prägte. Die frühe KI-Forschung betonte symbolische KI: Logik, Suche und handkodierte Regeln. Dieser Ansatz erzielte frühe Erfolge wie Theorembeweiser und später in den 1980er Jahren kommerzielle Expertensysteme, scheiterte jedoch an Aufgaben, die sich expliziten Regeln widersetzten, wie Sehen und Sprache. Finanzierungskollaps folgten auf Rückschläge und übertriebene Erwartungen, was zu dem führte, was Forscher einen KI-Winter nennen, insbesondere nach einem kritischen britischen Regierungsbericht von 1973 und erneut in den späten 1980er Jahren, als Expertensysteme nicht skalierten.
Eine parallele, zunächst marginale Arbeitslinie verfolgte statistische und konnektionistische Methoden. Das Perzeptron (1958) modellierte ein einzelnes trainierbares Neuron, aber seine dokumentierten Einschränkungen trugen zum ersten KI-Winter bei. Das Interesse erwachte in den 1980er Jahren und entscheidend im Jahr 2012 wieder, als ein tiefes konvolutionales Netzwerk namens AlexNet frühere Methoden bei einem wichtigen Bilderkennungs-Benchmark dramatisch übertraf, ein Ergebnis, dem weithin zugeschrieben wird, die moderne Deep-Learning-Ära gestartet zu haben. Die Verwendung von Grafikprozessoren (GPUs) zur Beschleunigung neuronaler Netze war ein Schlüsselfaktor für diesen Durchbruch.
Deep Learning reifte in den 2010er Jahren mit Fortschritten bei Sehen, Sprache und Sprachverarbeitung. Die Transformer-Architektur von 2017 ermöglichte das Training viel größerer Modelle auf Text, was im Large-Language-Model-Paradigma gipfelte. Der ChatGPT-Start im November 2022 machte konversationelle KI breit zugänglich und löste eine Welle von Investitionen und öffentlicher Aufmerksamkeit aus, die oft als KI-Boom bezeichnet wird.
Ansätze
Die KI-Forschung wird oft zwischen symbolischen Ansätzen, die explizite Wissensrepräsentationen manipulieren, und konnektionistischen oder statistischen Ansätzen, die implizite Repräsentationen aus Daten lernen, unterteilt. Maschinelles Lernen ist das dominierende moderne Paradigma und umfasst überwachtes, unüberwachtes und bestärkendes Lernen. Hybride Ansätze, die gelernte Komponenten mit symbolischem Denken oder Suche kombinieren, bleiben eine aktive Forschungsrichtung, insbesondere für Aufgaben, die zuverlässige logische Schlussfolgerungen erfordern.
Traditionelle Ziele der KI-Forschung umfassen Lernen, Denken, Wissensrepräsentation, Planung, Verarbeitung natürlicher Sprache und Wahrnehmung sowie Unterstützung für Robotik. Techniken umfassen Zustandsraumsuche, mathematische Optimierung, formale Logik, künstliche neuronale Netze sowie Methoden aus Statistik, Operations Research und Wirtschaftswissenschaften. KI stützt sich auch auf Psychologie, Linguistik, Philosophie und Neurowissenschaften.
Anwendungen und Auswirkungen
KI-Systeme werden in Suche, Übersetzung, Empfehlungen, medizinischer Diagnose, wissenschaftlicher Forschung wie Proteinstrukturvorhersage, autonomen Fahrzeugen und zunehmend als allgemeine Assistenten und Codierungswerkzeuge eingesetzt. Der Aufstieg leistungsfähiger KI-Agenten-Systeme seit 2024, die Sprachmodelle mit Werkzeugnutzung und mehrstufiger Planung kombinieren, hat KI von der Beantwortung von Fragen zur eigenständigen Erledigung von Aufgaben erweitert.
Hochkarätige Anwendungen umfassen fortschrittliche Websuchmaschinen, Chatbots, virtuelle Assistenten, autonome Fahrzeuge, Spiel und Analyse in Strategiespielen (z. B. Schach und Go) sowie Inhaltsgenerierung (z. B. Text, Bilder, Audio und Videos).
Debatten
Langjährige Debatten betreffen, ob aktuelle Techniken zu künstlicher allgemeiner Intelligenz führen können, einem System mit menschenähnlicher Kompetenz in praktisch allen kognitiven Aufgaben, und welche Risiken solche Systeme darstellen könnten. Alan Turings Papier von 1950 schlug einen operationellen Test für maschinelle Intelligenz vor, heute bekannt als Turing-Test, obwohl seine Angemessenheit als Benchmark weithin umstritten ist. Kritiker argumentieren, dass fließende Textgenerierung kein Verständnis impliziert, während Befürworter auf emergente Fähigkeiten als Beweis für echten Fortschritt in Richtung allgemeiner Intelligenz verweisen.
Einige Unternehmen, wie OpenAI, Google DeepMind und Meta, zielen darauf ab, AGI zu schaffen. Ethische Bedenken, langfristige Auswirkungen von KI, Umweltauswirkungen und potenzielle existenzielle Risiken haben Diskussionen über KI-Regulierung angestoßen.
Aktuelle Entwicklungen
Im Jahr 2024 entstanden Reasoning-Modelle, eine Art von Large Language Models, die darauf trainiert sind, Zwischengedankenketten zu generieren, und ermöglichten verbesserte Leistungen bei komplexen Problemen in Mathematik und Codierung. Diese Modelle können falsche Ausgaben oder „Halluzinationen“ erzeugen, im Gegensatz zu symbolischen Denksystemen. Der KI-Boom in den 2020er Jahren fiel mit Fortschritten bei generativer KI zusammen, die weit verbreitet wurde und die Erstellung und Modifikation von Medien ermöglichte. Zusätzlich zu KI-Sicherheit und unbeabsichtigten Folgen und Schäden durch die Nutzung von KI haben ethische Bedenken, langfristige Auswirkungen von KI, Umweltauswirkungen und potenzielle existenzielle Risiken Diskussionen über KI-Regulierung angestoßen.