KI-Winter
1970er–1990er · Die Kluft zwischen Hype und Realität
Die Abkühlung des ersten KI-Booms kam schneller als erwartet. In den frühen 1970er-Jahren entdeckten KI-Forscher, dass sie die Schwierigkeit, Intelligenz zu erreichen, massiv unterschätzt hatten. Gekürzte Fördermittel und unerfüllte öffentliche Erwartungen stürzten die KI in einen langen Winter der Kritik und des Zweifels.
Diese Periode lässt sich in zwei Hauptphasen unterteilen: den ersten KI-Winter (1970er–1980er-Jahre) und den zweiten KI-Winter (1987–1993). Doch selbst in dieser schwierigen Zeit gab es wichtige Entwicklungen — die kommerzielle Anwendung von Expertensystemen, die Wiederbelebung des Konnektionismus und der historische Schachsieg von IBM Deep Blue — die den Boden für den Wiederaufstieg der KI bereiteten.
Bemerkenswert ist, dass die japanische Regierung auch während des Winters weiter in das Fifth-Generation-Computer-Projekt investierte und damit langfristiges Vertrauen in die KI-Entwicklung bewies.
Wichtige Meilensteine
Minsky-Papert-Kritik
Marvin Minsky und Seymour Papert veröffentlichten „Perceptrons“, eine strenge Analyse dessen, was einschichtige Perzeptrons darstellen können und was nicht. Das Buch wird oft mit dem späteren Rückgang des Interesses an neuronalen Netzen verbunden; Finanzierungsänderungen hatten jedoch auch mit begrenzter Rechenleistung, enttäuschten Erwartungen und politischen Entscheidungen zu tun.
Marvin Minsky und Seymour Papert
Die Entstehung von Prolog
Alain Colmerauer, Philippe Roussel und ihre Mitwirkenden entwickelten in Marseille die erste Version von Prolog, wandten Prädikatenlogik auf die Programmierung an und brachten Logikprogrammierung und symbolische KI voran.
Alain Colmerauer und Philippe Roussel
Lighthill-Bericht
Der britische Wissenschaftler James Lighthill legte der britischen Regierung einen pessimistischen Bericht über die KI-Forschung vor, der zu erheblichen Kürzungen der Fördermittel führte.
James Lighthill (1924–1998)
Frame-Theorie
Marvin Minsky veröffentlichte das „Frame Paper“ und schlug die Frame-Theorie zur Wissensrepräsentation vor. Diese Theorie beeinflusste die spätere objektorientierte Programmierung und Methoden der Wissensrepräsentation.
Marvin Minsky
MYCIN-Expertensystem
Die Stanford University entwickelte MYCIN, ein Expertensystem für die medizinische Diagnose. Es demonstrierte die Praxistauglichkeit von Expertensystemen, wurde jedoch aufgrund haftungsrechtlicher Bedenken nie klinisch eingesetzt.
Stanford University
XCON-Expertensystem
DEC setzte XCON (eXpert CONfigurer) ein, ein Expertensystem zur Konfiguration von VAX-Computersystemen. Die Entwicklung begann 1978 an der Carnegie Mellon University, der erste Einsatz erfolgte 1979, und ab 1980 lief das System voll im Betrieb. XCON war eines der ersten kommerziell erfolgreichen Expertensysteme und sparte dem Unternehmen jährlich Millionen.
Digital Equipment Corporation
Erster KI-Winter
Nach kritischen Bewertungen und Förderkürzungen gerieten Teile der KI-Forschung in den 1970er Jahren in eine Abschwungphase. Der „erste KI-Winter“ ist eine rückblickende Periodisierung; Zeitpunkt und Ausmaß unterschieden sich je nach Land und Teilgebiet.
Japanisches FGCS
Japan kündigte das Fifth-Generation-Computer-Projekt (FGCS) im Oktober 1981 auf einer Konferenz von JIPDEC und MITI an – ein auf zehn Jahre angelegtes nationales Vorhaben zur Entwicklung von Computern, die logisches Schließen und Wissensverarbeitung beherrschen. Offiziell begann das Projekt im April 1982 mit der Gründung des ICOT (Institute for New Generation Computer Technology).
Japanisches MITI
Backpropagation-Algorithmus
David Rumelhart, Geoffrey Hinton und Ronald Williams veröffentlichten ihre Arbeit zum Backpropagation-Algorithmus, der das Training mehrschichtiger neuronaler Netze ermöglichte.
David Rumelhart und Geoffrey Hinton
Beginn des zweiten KI-Winters
In den späten 1980er-Jahren erfüllten sich Erwartungen nicht, die den Ergebnissen vorausgeeilt waren. Hersteller von Lisp-Maschinen unterlagen universellen Workstations, mehrere KI-Unternehmen schlossen, und die DARPA-Förderung für KI-Grundlagenforschung sank zwischen 1987 und 1989.
KI im Golfkrieg
Das US-Militär setzte im Golfkrieg KI-gestützte Planungs- und Logistiksysteme ein und demonstrierte damit das Potenzial der KI in der praktischen Anwendung.
US-Militär
Ende des zweiten Winters
Der Abschwung klang allmählich ab, statt an einem bestimmten Datum zu enden. Viele Forschende wandten sich bescheideneren, erreichbaren Zielen zu, während die Wiederbelebung neuronaler Netze und probabilistischer Methoden den Grundstein für eine neue Ära legte.
Deep Blue gegen Kasparow
IBMs Deep Blue besiegte den Schachweltmeister Garri Kasparow und demonstrierte damit die Fähigkeit der KI, menschliche Fähigkeiten in klar definierten Aufgaben zu übertreffen.
IBM Deep Blue
Wichtige Persönlichkeiten
Geoffrey Hinton
Vater des Deep Learning
Hinton ist ein Pionier neuronaler Netze und des Deep Learning. Seine Beiträge zu Backpropagation, Boltzmann-Maschinen und Capsule Networks waren bahnbrechend. Selbst während des KI-Winters hielt er an der Erforschung neuronaler Netze fest und erhielt 2018 den Turing-Preis.
Garri Kasparow
Schachweltmeister
1997 wurde Kasparow von IBMs Deep Blue besiegt. Dieses Ereignis demonstrierte nicht nur die Leistungsfähigkeit der KI, sondern löste auch philosophische Reflexionen aus. Später wurde er zu einem aktiven Befürworter der KI.
James Lighthill
KI-Kritiker
Lighthills Bericht hatte tiefgreifende Auswirkungen auf die britische KI-Forschung und führte zu einem Jahrzehnt der Förderkürzungen. Seine Kritik veranlasste KI-Forscher jedoch auch dazu, pragmatischer zu werden.
Karen Spärck Jones
Pionierin des Information Retrieval
1972 veröffentlichte Spärck Jones im Journal of Documentation die inverse Dokumenthäufigkeit, die einen Term danach gewichtet, wie selten er in einer Sammlung vorkommt. Der Gedanke trägt die Rangfolge der Suche und steckt bis heute in Retrieval-Systemen. Sie forschte in Cambridge durch die Jahre knapper KI-Mittel und vertrat, Informatik sei zu wichtig, um sie den Männern zu überlassen.
Berühmte Zitate
In keinem Teil des Gebiets haben die bisherigen Entdeckungen die große Wirkung hervorgebracht, die damals versprochen wurde.
Artificial Intelligence: A General Survey · Science Research Council, 1973, §3 · Chilton Computing
Deep Blue war der schlüssige Beweis, dass Maschinen den Menschen bei komplexen kognitiven Aufgaben übertreffen können, die wir lange Zeit als einzigartig für unser entwickeltes Gehirn gehalten hatten.
There’s No Shame in Losing to a Machine · Fortune, 2017