Im Hinblick auf die rasante Entwicklung der KI in den letzten Jahren ist ein Blick in die Vergangenheit unerlässlich, um die Grenzen heutiger Systeme – wie ChatGPT, Google Gemini oder Deepseek – in Relation zum menschlichen Denken nachvollziehen zu können.
Die Ursprünge
1950er Jahre
Der britische Mathematiker Alan Turing stellt die berühmte Frage: „Können Maschinen denken?" Mit dem von ihm entwickelten Turing-Test schuf er ein frühes Konzept, um festzustellen, ob ein Computer intelligentes Verhalten zeigen kann, das von menschlichem nicht zu unterscheiden ist.
1960er Jahre
ELIZA, ein simples Chatprogramm, konnte mithilfe vordefinierter Satzmuster scheinbar sinnvolle Gespräche führen. Perceptron, ein frühes künstliches neuronales Netz, zeigte erste Ansätze des maschinellen Lernens.
1970er – 1980er
Mehrere sogenannte „KI-Winter": Phasen, in denen sowohl die finanzielle Unterstützung als auch das wissenschaftliche Interesse stark einbrachen. Ursachen waren begrenzte Rechenleistung und zu hohe Erwartungen.
2012
Entscheidender Wendepunkt: Das Deep-Learning-Modell AlexNet gewinnt den ImageNet-Wettbewerb mit enormem Vorsprung und läutet eine neue Ära der automatisierten Bildverarbeitung ein.
Heute
Generative Modelle wie die GPT-Modelle von OpenAI, Google Gemini oder Deepseek verstehen und erzeugen eigenständig Texte. Die KI hat sich von reinen Rechenprogrammen zu Systemen entwickelt, die in bestimmten Aufgaben menschenähnliches Verhalten aufweisen.
Bedeutung für diese Arbeit
Diese historische Entwicklung zeigt deutlich: Jeder Fortschritt wurde durch neue Rechnerkapazitäten und bessere Algorithmen ermöglicht – nicht durch ein wachsendes „Verständnis" der Maschinen. Das ist ein zentraler Unterschied zum menschlichen Lernen, der in den folgenden Kapiteln genauer beleuchtet wird.