Fünfte Generation von Computersystemen

Das Fifth Generation Computer Systems (FGCS) war ein zehnjähriges Forschungsprojekt, das 1982 vom japanischen Ministerium für Internationalen Handel und Industrie (MITI) initiiert wurde, mit dem Ziel, eine neue Klasse von Computern zu entwickeln, die künstliche Intelligenz und fortgeschrittene Parallelverarbeitung nutzen sollten. Das Projekt wurde 1992 formell abgeschlossen, nach einer ersten fünfjährigen Phase und einer anschließenden fünfjährigen Verlängerung. Es zielte darauf ab, über die konventionelle Von-Neumann-Architektur hinauszugehen, die Anweisungen sequenziell verarbeitet, hin zu Maschinen, die logisch schlussfolgern, ableiten und umfangreiche Wissensbasen verwalten können, wodurch Durchbrüche in Bereichen wie der Verarbeitung natürlicher Sprache und Expertensystemen ermöglicht werden sollten.

Das FGCS-Projekt war eine Reaktion auf die wahrgenommene westliche Dominanz in der Computertechnik, insbesondere durch die Vereinigten Staaten. Japanische Planer glaubten, dass eine nationale Anstrengung bestehende Technologien überspringen und Japan als führend in der aufkommenden Informationsgesellschaft positionieren könnte. Das Projekt hatte seinen Hauptsitz am Institute for New Generation Computer Technology (ICOT), das in Tokio gegründet wurde, und umfasste die Zusammenarbeit großer japanischer Elektronikunternehmen, darunter Fujitsu, NEC und Hitachi, wobei letzteres nicht in der bereitgestellten Liste enthalten ist. Die Initiative erregte internationale Aufmerksamkeit und regte ähnliche Forschungsprogramme in den Vereinigten Staaten und Europa an, wie die Strategic Computing Initiative und das European Strategic Programme for Research in Information Technology (ESPRIT).

Kerntechnologien und Ansatz

Das FGCS-Projekt basierte auf dem Paradigma der logischen Programmierung, insbesondere der Sprache Prolog, die zu einer nebenläufigen logischen Sprache namens KL1 (Kernel Language 1) erweitert wurde. Das Design konzentrierte sich auf parallele Inferenzmaschinen, bei denen mehrere Prozessoren gleichzeitig an logischen Ableitungen arbeiten würden. Das Projekt entwickelte spezialisierte Hardware, einschließlich der Personal Sequential Inference Machine (PSI) und des Multi-PSI-Systems, die frühe Formen der parallelen Ausführung demonstrierten. Darüber hinaus schuf das Projekt die Knowledge Representation Language (KRL) und ein groß angelegtes Wissensbasis-Verwaltungssystem, das darauf abzielte, Millionen von Fakten effizient zu speichern und abzurufen.

Trotz bedeutender technischer Errungenschaften erreichte das FGCS sein ultimatives Ziel eines voll funktionsfähigen Computers der fünften Generation nicht. Die Hardware war zwar innovativ, aber teuer und in ihrer Skalierbarkeit begrenzt. Kritischer war, dass sich der Ansatz der logischen Programmierung als weniger flexibel erwies als erwartet, insbesondere für reale Anwendungen, die oft den Umgang mit Unsicherheit und unvollständigen Informationen erfordern. In den frühen 1990er Jahren überschatteten der Aufstieg von Personalcomputern, des Internets und pragmatischerer KI-Techniken wie statistischer Methoden und Machine learning das von FGCS propagierte Paradigma des symbolischen Schließens.

Auswirkungen und Vermächtnis

Obwohl das FGCS-Projekt oft als Fehlschlag im Hinblick auf seine ursprünglichen Ziele betrachtet wird, hatte es nachhaltige Wirkungen. Es bildete eine Generation japanischer Informatiker und Ingenieure aus, von denen viele später in anderen Bereichen Beiträge leisteten. Das Projekt förderte auch weltweite Investitionen in die KI-Forschung und unterstrich die Bedeutung der Parallelverarbeitung, die später im Hochleistungsrechnen und beim modernen Neural network-Training zum Mainstream wurde. Das Konzept eines Computers der "fünften Generation" wurde jedoch zu einer warnenden Geschichte über überambitionierte staatlich geführte Technologieinitiativen, im Gegensatz zu dem eher inkrementellen, marktorientierten Fortschritt im Westen.

Das FGCS beeinflusste auch spätere Forschungsrichtungen in der KI. Sein Schwerpunkt auf Wissensrepräsentation und Schließen legte das Fundament für spätere Expertensysteme und ontologiebasierte Ansätze, obwohl diese in den 2010er Jahren weitgehend durch Deep learning und Large language models ersetzt wurden. Das Vermächtnis des Projekts ist daher zweifach: Es demonstrierte die Machbarkeit groß angelegter koordinierter Forschung, offenbarte aber auch die Grenzen rein symbolischer KI und trug zum sogenannten "KI-Winter" der späten 1980er und frühen 1990er Jahre bei, als Finanzierung und Interesse an KI zurückgingen.

Vergleich mit moderner KI

Im Gegensatz zum logikbasierten Ansatz des FGCS stützt sich moderne KI stark auf statistisches Lernen aus riesigen Datensätzen, unter Verwendung von Architekturen wie dem Transformer (architecture) und Techniken wie Deep learning. Unternehmen wie OpenAI, Google DeepMind und Anthropic haben bemerkenswerte Ergebnisse im Verständnis und der Generierung natürlicher Sprache erzielt, Aufgaben, die FGCS sich vorstellte, aber nicht verwirklichen konnte. Der Wandel von handcodierten Regeln zu gelernten Repräsentationen, ermöglicht durch Fortschritte in der Hardware wie NVIDIA-GPUs (obwohl nicht in der bereitgestellten Liste enthalten, ist es eine relevante Tatsache) und der Fertigung von TSMC, hat das Feld transformiert. Der Fokus des FGCS auf Parallelverarbeitung nahm jedoch die parallele Berechnung vorweg, die beim Training moderner Modelle verwendet wird, wenn auch mit anderer Hardware und anderen Algorithmen.

Fazit

Das Fifth Generation Computer Systems-Projekt bleibt eine bedeutende historische Episode in der Entwicklung von Computertechnik und KI. Es repräsentierte eine kühne Vision von Computern als denkenden Maschinen, aber seine Umsetzung wurde durch die Technologie und das theoretische Verständnis seiner Zeit eingeschränkt. Obwohl es die versprochene Revolution nicht lieferte, trug es zum globalen Dialog über KI und Computertechnik bei, und seine Lehren fließen weiterhin in Diskussionen über die Rolle des Staates bei technologischer Innovation ein. Das Ende des Projekts im Jahr 1992 markierte einen Übergang, als sich das Feld hin zu empirischeren und datengetriebenen Ansätzen bewegte, die schließlich in den KI-Systemen von heute gipfeln sollten.