Der französische Philosoph Paul Virilio prophezeite bereits 1988 eine Zukunft, in der Computer die Umwelt erfassen und wahrnehmen können. Diese Vision einer „künstlichen Intelligenz“ (KI), die menschliche Wahrnehmung und Denkprozesse nicht nur nachahmt, sondern sogar übertrifft, beschäftigte Wissenschaftler und Philosophen gleichermaßen. Die Frage, ob KI deduktiv und regelbasiert, also symbolisch, oder induktiv mit neuronalen Netzen arbeiten sollte, blieb lange Zeit ungeklärt. Wie die „Frankfurter Allgemeine Zeitung“ (FAZ) berichtet, war der Weg für die heutigen KI-Sprachmodelle, die auf neuronalen Netzen basieren, ein wissenschaftlicher Kampf, der hart erstritten werden musste.
Die Geschichte der KI ist geprägt von Höhen und Tiefen. In den 1960er Jahren erlebte das Forschungsfeld einen regelrechten Hype. Die Erwartungen an die Fähigkeiten von Computern waren hochgesteckt, doch die technologischen Möglichkeiten hinkten hinterher. Die Enttäuschung über ausbleibende Erfolge führte zum ersten „KI-Winter“ in den späten 1960er und 1970er Jahren. Zahlreiche Forschungsprojekte wurden eingestellt, und das öffentliche Interesse an KI sank drastisch.
Ein prominentes Beispiel für die damalige Ernüchterung ist das „Perzeptron“, ein künstliches Neuron, das bereits in den 1950er Jahren von dem Psychologen Frank Rosenblatt entwickelt wurde. Das Perzeptron bildete die Grundlage für maschinelles Lernen, konnte aber im Vergleich zur klassischen logischen Programmierung nicht überzeugen. Insbesondere scheiterte es an der Berechnung der logischen XOR-Funktion, die ein exklusives „Entweder-Oder“ ausdrückt. Wie sich später herausstellte, lag dies nicht an einem grundsätzlichen Problem neuronaler Netze, sondern an der damals noch fehlenden Möglichkeit, neuronale Netze mit mehreren Schichten zu trainieren. Erst in den 1980er Jahren erlebte die Idee der künstlichen neuronalen Netze eine Renaissance und wurde zu den fortschrittlichen Verfahren des maschinellen Lernens weiterentwickelt, die wir heute kennen.
Die Entwicklung der KI ist eng mit der medialen Darstellung und Wahrnehmung dieser Technologie verbunden. Medien prägen das Bild von KI in der Öffentlichkeit und beeinflussen damit auch die Forschungsförderung und die Akzeptanz von KI-Anwendungen. Die Euphorie der frühen Jahre, gefolgt von der Ernüchterung des ersten KI-Winters, zeigt, wie stark mediale Aufmerksamkeit den Fortschritt eines Forschungsfeldes beeinflussen kann.
Die aktuelle Situation der KI-Forschung ist durch einen erneuten Hype gekennzeichnet. KI-Anwendungen wie Chatbots, Sprachassistenten und Bildgeneratoren sind allgegenwärtig und beflügeln die Fantasie. Doch auch heute ist es wichtig, die Möglichkeiten und Grenzen von KI realistisch einzuschätzen. Die Geschichte der KI lehrt uns, dass überzogene Erwartungen und unrealistische Versprechungen zu Enttäuschungen und Rückschlägen führen können.
Der Konnektionismus, also die Idee, dass Intelligenz durch die Vernetzung von künstlichen Neuronen entstehen kann, hat sich als vielversprechender Ansatz in der KI-Forschung erwiesen. Die Erfolge von KI-Sprachmodellen wie ChatGPT zeigen das Potenzial dieser Technologie. Doch auch der Konnektionismus ist nicht ohne Kritik. So wird beispielsweise die mangelnde Erklärbarkeit von Entscheidungen, die von neuronalen Netzen getroffen werden, als Problem gesehen.
Die Zukunft der KI wird zeigen, ob der Konnektionismus seinen Siegeszug fortsetzen kann oder ob neue Ansätze die KI-Forschung revolutionieren werden. Fest steht, dass die Medien auch in Zukunft eine wichtige Rolle bei der Gestaltung des öffentlichen Diskurses über KI spielen werden. Eine differenzierte Berichterstattung, die sowohl die Chancen als auch die Risiken von KI beleuchtet, ist unerlässlich, um eine informierte Meinungsbildung in der Gesellschaft zu ermöglichen.
Quellen:
.png)
