Vom Turing-Test bis ChatGPT: Warum die "neue" Technik eigentlich 70 Jahre alt ist.
Kurz & bündig
Eine alte Idee erwacht zum Leben
Wenn du heute die Zeitung aufschlägst, könntest du meinen, Künstliche Intelligenz (KI) sei quasi über Nacht entstanden. Plötzlich ist sie da: Sie schreibt Gedichte, beantwortet medizinische Prüfungsfragen und steuert Autos unter festgelegten Bedingungen.
Doch der Schein trügt. Die „neue“ Technologie ist eigentlich ein sehr alter Traum. Sie hat eine lange Geschichte voller Euphorie, enttäuschter Hoffnungen und technischer Sackgassen hinter sich. Wer diese Geschichte kennt, lässt sich von aktuellen Schlagzeilen weniger leicht verunsichern – denn du weißt dann: Das hier ist keine Magie, sondern das Ergebnis jahrzehntelanger mathematischer Evolution.
1950: Die Geburt einer Vision (Alan Turing)
Lange bevor es Smartphones oder das Internet gab, stellte sich ein britischer Mathematiker eine entscheidende Frage. Alan Turing, der im Zweiten Weltkrieg half, den Enigma-Code der Deutschen zu knacken, veröffentlichte 1950 den Aufsatz „Computing Machinery and Intelligence“. Er beginnt mit der Frage: „Können Maschinen denken?“
Er schlug ein Experiment vor, das heute als Turing-Test berühmt ist: Ein Mensch chattet mit zwei unbekannten Partnern. Einer ist ein Mensch, der andere eine Maschine. Wenn der Tester nicht mehr zuverlässig unterscheiden kann, wer von beiden die Maschine ist, erfüllt sie das Kriterium dieses Tests. Das beweist aber nicht, dass sie genauso denkt wie ein Mensch.
Der Chat-Bot beim Kundenservice
Vielleicht hast du das schon erlebt: Du schreibst auf der Website deiner Bank oder Versicherung eine Nachricht an den Support. Die Antwort kommt sofort: „Hallo, wie kann ich dir helfen?“
Oft merkst du erst nach einigen Sätzen, dass du nicht mit einem Menschen schreibst, sondern mit einem Programm. Das erinnert an die Frage hinter dem Turing-Test: Wie gut lässt sich eine Maschine im Dialog von einem Menschen unterscheiden?
1956: Ein Sommer der großen Versprechen
Der Begriff „Artificial Intelligence“ (Künstliche Intelligenz) stand bereits 1955 im Vorschlag für das folgende Forschungsprojekt. Im Sommer 1956 trafen sich junge Wissenschaftler am Dartmouth College in den USA.
Ihre Annahme damals: Jeder Aspekt des Lernens lässt sich so präzise beschreiben, dass eine Maschine ihn simulieren kann. Man hoffte, Computer würden Schach spielen, Sprachen übersetzen und Probleme lösen können, die bisher Menschen vorbehalten waren. Rückblickend zeigte sich: Geeignete Programme zu entwickeln und solche Fähigkeiten nachzubilden war schwieriger als erhofft.
Der „KI-Winter“: Warum es so lange still war
In Teilen der KI-Forschung folgten auf große Erwartungen Phasen der Ernüchterung, etwa in den 1970er Jahren. Versprechen konnten nicht gehalten werden, und Fördermittel wurden gekürzt. Die Forschung ging jedoch weiter – auch in den 1980er Jahren. Diese Phasen nennt man heute die „KI-Winter“.
Warum es damals scheitern musste
Erinnerst du dich an die Heimcomputer der 80er Jahre? Ein C64 hatte etwa 64 Kilobyte Arbeitsspeicher. Heutige Smartphones haben sehr viel mehr Arbeitsspeicher. Wie groß der Unterschied ist, hängt vom Gerät ab.
Neben noch ungelösten Fragen bei den Lernverfahren fehlte für viele Vorhaben auch ein ausreichend starker „Motor“. Es ist, als hätten sie versucht, mit einem Rasenmäher-Motor (alte Computer) eine Rakete (KI) ins All zu schießen.
Es fehlte damals an drei Dingen:
- Zu wenig Speicher: Für große Datenmengen waren die Speichermöglichkeiten stark begrenzt.
- Zu langsame Rechner: Aufwendige Berechnungen waren mit der vorhandenen Technik oft nicht praktikabel.
- Weniger digitale Daten: Die riesigen, leicht zugänglichen Text- und Bildsammlungen des heutigen Internets gab es noch nicht.
Der Durchbruch: Warum jetzt?
Warum erleben wir also seit etwa 2010 und besonders seit 2022 (ChatGPT) diesen gewaltigen Boom? Es ist eine Kombination aus drei Faktoren, die endlich zusammenkamen:
| Faktor | Was sich geändert hat |
|---|---|
| Rechenkraft | Spezielle Computerchips (GPUs), die ursprünglich für Videospiele entwickelt wurden, erwiesen sich als sehr gut geeignet für viele KI-Berechnungen. |
| Big Data | Im Internet wurden immer größere Mengen an Texten und Bildern verfügbar. Viele KI-Systeme bekamen dadurch mehr „Lesestoff“ zum Üben. |
| Neuronale Netze | Neben starren Regeln („Wenn A, dann B“) gewannen Lernverfahren an Bedeutung. Dazu gehören neuronale Netze, die lose vom Gehirn inspiriert sind und über Jahrzehnte weiterentwickelt wurden. |
Einordnung zum Zeitstrahl: Die Beschriftung „1980: KI-Winter (Stillstand)“ ist unzutreffend: In den 1980er Jahren erlebten Expertensysteme einen Aufschwung. „KI-Winter“ bezeichnet Phasen sinkender Erwartungen und Finanzierung; die Forschung stand dabei nicht insgesamt still. Die ansteigende Kurve ist eine Illustration ohne Messdaten und belegt kein exponentielles Wachstum der KI.
Was du jetzt tun kannst
Glossar
| Begriff | Erklärung |
|---|---|
| Turing-Test | Ein Gedankenexperiment von 1950. Es prüft, ob eine Maschine einen Menschen in einer Unterhaltung so täuschen kann, dass er sie für einen Menschen hält. |
| KI-Winter | Bezeichnung für Phasen (z.B. in den 70ern), in denen das Interesse und die Förderung für Teile der KI-Forschung zurückgingen, weil Ergebnisse hinter den Erwartungen blieben. |
| Big Data | Große oder vielfältige Datenmengen (aus dem Internet, Sensoren, etc.), für deren Verarbeitung mitwachsende Computersysteme nötig sind. Sie sind das „Futter“ für moderne KI. |
| Dartmouth Conference | Ein Treffen im Jahr 1956, dessen Vorbereitungsvorschlag von 1955 bereits den Begriff „Artificial Intelligence“ verwendete. |
Kommentar