Teil 3 – Die faszinierende Entwicklung der Künstlichen Intelligenz: Von WABOT bis AlphaGo
Bild: iStock.com/Isara Methong Willkommen zurück zu unserer faszinierenden Reise durch die Geschichte der Künstlichen Intelligenz (KI). Nachdem wir uns in unserem letzten Beitrag mit den Anfängen der KI beschäftigt haben, werden wir uns heute auf die Entwicklungen der letzten Jahrzehnte konzentrieren und einige der wichtigsten Meilensteine in diesem Zeitraum beleuchten.
Der erste autonome humanoide Roboter: WABOT-1 (1972)
Unsere Zeitreise durch die Geschichte der Künstlichen Intelligenz (KI) fährt im Jahr 1972 fort, nämlich mit der Entwicklung des ersten autonomen humanoiden Roboters, WABOT-1, an der Waseda Universität in Japan. WABOT-1 war nicht nur in der Lage, sich selbstständig zu bewegen und Objekte zu greifen, sondern konnte auch einfache Gespräche auf Japanisch führen.
Diese Errungenschaft war ein bedeutender Schritt in der Entwicklung autonomer Systeme und legte den Grundstein für die heutigen humanoiden Roboter, die komplexe Aufgaben in unterschiedlichsten Umgebungen erfüllen können. Besonders hervorzuheben ist die Bedeutung von WABOT-1 für den medizinischen Bereich. Seine Fähigkeit, menschliche Bewegungen nachzuahmen, ebnete den Weg für die Entwicklung von Robotern, die heute unter anderem in der Chirurgie eingesetzt werden.
Trotz seiner beeindruckenden Fähigkeiten hatte WABOT-1 auch seine Grenzen. Seine Bewegungen waren noch recht steif und seine Kommunikationsfähigkeiten waren auf einfache Sätze und Fragen beschränkt. Seine mentalen Fähigkeiten können mit denen eines eineinhalbjährigen Kindes verglichen werden. Dennoch war WABOT-1 ein Pionier seiner Zeit und ein wichtiger Meilenstein auf dem Weg zur heutigen Künstlichen Intelligenz.
Die Ära der Expertensysteme (1970er und 1980er Jahre)
Die 1980er Jahre markierten den Aufstieg sogenannter Expertensysteme, einer speziellen Art von KI-Programmen, die menschliches Wissen in einem bestimmten Bereich nachahmen und Entscheidungen auf der Grundlage dieses Wissens treffen können. Diese Systeme revolutionierten zahlreiche Bereiche, darunter die Medizin und die Finanzwelt, indem sie die Effizienz und Genauigkeit von Entscheidungsprozessen erheblich verbesserten.
Ein bemerkenswertes Beispiel für den Einsatz von Expertensystemen in der Medizin ist MYCIN. Dieses System wurde in den 1970er Jahren entwickelt und konnte Infektionen des Blutes und des Harnsystems diagnostizieren und Behandlungsempfehlungen geben. MYCIN war in der Lage, die Genauigkeit von Ärzten bei der Diagnose dieser Infektionen zu übertreffen, was die enorme Potenzialität von KI in der Medizin unterstreicht.
Trotz ihrer beeindruckenden Fähigkeiten haben Expertensysteme jedoch auch ihre Grenzen. Sie sind auf das Wissen beschränkt, das in sie eingegeben wurde, und können Schwierigkeiten haben, mit neuen oder unerwarteten Situationen umzugehen. Im Gegensatz zu den Large Language Modellen haben sie keinen Zugriff auf Allgemeinwissen. Zudem können sie menschliche Intuition oder kreatives Denken nicht nachahmen, was in vielen Bereichen, einschließlich der Medizin, von entscheidender Bedeutung ist.
Deep Blue schlägt den Schachweltmeister (1997)
Ein weiterer bedeutender Meilenstein in der Geschichte der Künstlichen Intelligenz wurde 1997 gesetzt, als IBMs Supercomputer Deep Blue den damaligen Schachweltmeister Garry Kasparov besiegte. Dies war das erste Mal, dass eine KI einen menschlichen Weltmeister in einem komplexen Brettspiel besiegte. Es war ein Moment, der die Welt in Staunen versetzte und gleichzeitig eine nette Anekdote hervorbrachte: Kasparov behauptete, Deep Blue habe “menschliche Intuition” gezeigt, was IBM mit einem Augenzwinkern als “höchstes Kompliment” bezeichnete.
Dieser Sieg zeigte das enorme Potenzial von KI-Systemen, menschliche Fähigkeiten nicht nur zu imitieren, sondern auch zu übertreffen. Es öffnete auch Türen für die Anwendung von KI in der Medizin, insbesondere in der Diagnose und Behandlung von Krankheiten, wo ähnliche Mustererkennungsfähigkeiten genutzt werden können.
Seit diesem historischen Match hat kein Mensch mehr einen Schachcomputer auf höchstem Niveau besiegt. Die KI hat ihre Dominanz in diesem Bereich fest etabliert und zeigt uns, dass die Grenzen der KI ständig erweitert werden.
Stanley gewinnt die DARPA Grand Challenge (2005)
Die DARPA Grand Challenge, ein von der Defense Advanced Research Projects Agency (DARPA) des US-Verteidigungsministeriums ins Leben gerufenes Rennen für autonome Fahrzeuge, hat seit ihrer Gründung im Jahr 2004 eine entscheidende Rolle bei der Förderung der Entwicklung autonomer Systeme gespielt. Die Herausforderung bestand darin, ein Fahrzeug zu entwickeln, das eine 131 Meilen lange Strecke in der Wüste ohne menschliche Eingriffe absolvieren kann.
Im Jahr 2005 gelang es Stanley, einem autonomen Fahrzeug, das von einem Team der Stanford University entwickelt wurde, diese Herausforderung zu meistern. Stanley war nicht nur in der Lage, die Strecke erfolgreich zu absolvieren, sondern auch die Konkurrenz hinter sich zu lassen. Der Erfolg von Stanley war auf eine Kombination aus fortschrittlicher Sensorik, ausgeklügelten Algorithmen und robustem Maschinenbau zurückzuführen.
Dieser Sieg war ein wichtiger Schritt in der Entwicklung von autonomen Fahrzeugen und hat die Art und Weise, wie wir über Mobilität denken, grundlegend verändert. Vor Stanley konnten autonome Fahrzeuge nur wenige Kilometer ohne menschliche Eingriffe zurücklegen. Nach Stanleys Sieg stieg die durchschnittliche Reichweite autonomer Fahrzeuge auf über 100 Meilen an, was die Tür zu einer neuen Ära der Mobilität öffnete.
Die DARPA Grand Challenge hat die Entwicklung von autonomen Fahrzeugen stark vorangetrieben und die Grundlage für die heutigen autonomen Fahrzeuge gelegt, die in der Lage sind, komplexe Aufgaben in einer Vielzahl von Umgebungen zu erfüllen.
Watson gewinnt Jeopardy (2011)
Ein weiterer bemerkenswerter Moment in der Geschichte der KI ereignete sich im Jahr 2011, als IBMs Watson die Quizshow Jeopardy gegen menschliche Gegner gewann. Watsons Fähigkeit, natürliche Sprache zu verstehen und komplexe Fragen zu beantworten, war ein großer Durchbruch in der KI-Forschung und hat die Entwicklung von KI-Systemen, die in der Lage sind, menschliche Sprache zu verstehen und darauf zu reagieren, stark vorangetrieben.
Nach diesem beeindruckenden Sieg wurde Watson schnell in den medizinischen Bereich eingeführt, mit dem Ziel, Ärzten bei der Diagnose und Behandlung von Krankheiten zu helfen. Trotz der hohen Erwartungen scheiterten jedoch die meisten dieser Projekte. Die Gründe dafür waren vielfältig, aber zwei Hauptprobleme standen im Vordergrund: mangelnde und fehlerhafte Trainingsdaten sowie ein Mangel an Fachwissen in den Projekten.
Die KI-Systeme sind nur so gut wie die Daten, mit denen sie trainiert werden. In einigen Fällen waren die Daten, die Watson zur Verfügung standen, unvollständig oder fehlerhaft, was zu ungenauen oder irreführenden Ergebnissen führte. Darüber hinaus fehlte es in vielen Projekten an ausreichendem Fachwissen, um die KI effektiv zu trainieren und einzusetzen. Trotz dieser Rückschläge hat Watsons Einsatz in Jeopardy und in der Medizin wichtige Erkenntnisse für die Weiterentwicklung der KI geliefert.
Google Brain erkennt Katzen in YouTube-Videos (2012)
Im Jahr 2012 erzielte Google Brain, ein tiefes neuronales Netzwerk, einen bedeutenden Durchbruch in der Deep-Learning-Forschung. Es gelang ihm, Katzen in YouTube-Videos zu erkennen. Dies mag auf den ersten Blick trivial erscheinen, doch es war ein Meilenstein in der Entwicklung von KI-Systemen, die in der Lage sind, komplexe Muster in großen Datenmengen zu erkennen.
Das Netzwerk wurde dabei nicht explizit darauf trainiert, Katzen zu erkennen. Es wurde einfach mit 10 Millionen zufällig ausgewählten YouTube-Videobildern gefüttert. Nach einer Weile begann das Netzwerk, Bilder zu “träumen”, die Katzen ähnelten. Es hatte gelernt, Katzen zu erkennen, einfach weil das Internet voll von Katzenbildern ist!
Diese Entwicklung hat auch Auswirkungen auf die Medizin gehabt. Ähnliche Techniken werden heute verwendet, um medizinische Bilder zu analysieren und Krankheiten wie Krebs frühzeitig zu erkennen. Es ist jedoch wichtig zu beachten, dass diese Systeme nicht perfekt sind. Sie können nur Muster erkennen, die sie in ihren Trainingsdaten gesehen haben, und sie können durch unerwartete Eingaben oder Veränderungen in den Daten leicht verwirrt werden. Daher ist es entscheidend, dass sie als Hilfsmittel und nicht als Ersatz für menschliche Expertise verwendet werden.
AlphaGo schlägt den Go-Weltmeister (2016)
Im Jahr 2016 gelang Google’s DeepMind mit AlphaGo ein bemerkenswerter Durchbruch in der KI-Forschung. AlphaGo besiegte den Weltmeister im Brettspiel Go, Lee Sedol, in einer fünfteiligen Serie. Go, ein Spiel mit mehr möglichen Zügen als es Atome im Universum gibt, erfordert eine hohe strategische Denkleistung und Intuition. Der Sieg von AlphaGo zeigte, dass KI-Systeme in der Lage sind, menschliche Fähigkeiten in komplexen Aufgaben nicht nur zu erreichen, sondern auch zu übertreffen.
Eine amüsante Anekdote aus dem Match ist der berühmte “Zug 37” im zweiten Spiel. AlphaGo machte einen unerwarteten und unkonventionellen Zug, der als “nicht menschlich” bezeichnet wurde. Dieser Zug verwirrte Lee Sedol und die Zuschauer, stellte sich aber später als genialer strategischer Schachzug heraus, der das Spiel zugunsten von AlphaGo kippte.
Es ist interessant zu bemerken, dass fast zwei Jahrzehnte vergingen, seit Deep Blue Garry Kasparov im Schach besiegte, bis AlphaGo den Go-Weltmeister besiegte. Dies liegt an der inhärenten Komplexität von Go im Vergleich zu Schach, die eine viel tiefere und komplexere KI-Strategie erfordert.
Die Technologie hinter AlphaGo hat auch Auswirkungen auf die Medizin. DeepMind hat eine KI entwickelt, die in der Lage ist, Augenkrankheiten mit der gleichen Genauigkeit wie menschliche Ärzte zu diagnostizieren, was zeigt, dass die Technologien, die in AlphaGo verwendet werden, das Potenzial haben, die medizinische Diagnostik und Behandlung zu revolutionieren.
Die Serie geht weiter
In unserem nächsten Artikel setzen wir unsere faszinierende Reise durch die KI-Geschichte fort, wobei wir uns speziell auf die Entwicklung der Large Language Modelle von OpenAI und Anthropic konzentrieren werden. Bleiben Sie dran für weitere spannende Einblicke.
MediVoice
Kennen Sie bereits MediVoice, unseren autonomen Sprachassistenten für Ihr Praxistelefon? Dieser nutzt modernste KI-Technologien, um den
organisatorischen und administrativen Aufwand in Ihrer Praxis erheblich zu reduzieren. Dabei können bis zu 80
Prozent der telefonischen Anliegen von Anfang bis Ende bearbeitet werden - ohne zusätzlichen manuellen Aufwand.
Klingt das interessant? Sprechen Sie uns gerne an.