Den Begriff „künstliche Intelligenz“ brachte erstmals der US-amerikanische Informatiker John McCarthy 1956 im Zuge der Dartmouth Conference mit dem Titel „Dartmouth Summer Research Project on Artificial Intelligence“ hervor. Diese Konferenz gilt auch als Geburtsstunde der künstlichen Intelligenz (KI) als akademisches Fachgebiet. Einen wesentlichen Grundstein für die KI legte jedoch bereits im Jahr 1936 der britische Logiker, Mathematiker, Kryptoanalytiker und Informatiker Alan Mathison Turing. In einem 1950 von ihm entwickelten und nach ihm benannten Test kommuniziert ein Mensch ohne Sichtkontakt – zum Beispiel mit einem Chat-Programm – parallel mit anderen Menschen und einer Maschine. Wenn der Tester nach Abschluss der Unterhaltung nicht deutlich unterscheiden kann, wer nun Mensch oder Maschine war, wird der Maschine ein bestandener Turing-Test attestiert. Seit jenen Tagen taucht KI immer wieder einmal in den Medien auf, zieht allerdings erst in den letzten rund drei Jahrzehnten eine breitere öffentliche Aufmerksamkeit auf sich.

Schwache und starke KI

Ziel der KI war und ist, unterschiedlichste Aufgaben schneller, präziser, zuverlässiger, risikoärmer und nicht zuletzt kostengünstiger von Maschinen erledigen zu lassen, die ansonsten nur von Menschen bewerkstelligt werden können. Einige KI-Wissenschaftler unterscheiden zwischen schwacher KI und starker KI. Unter die schwache KI fallen demnach Bereiche, die sich nur auf einen bestimmten Teil der menschlichen Intelligenz fokussieren oder auf Methoden der Mathematik und Informatik basieren, wie beispielsweise bei der Spracherkennung oder bei Navigationssystemen. Die starke KI hingegen wäre demzufolge in der Lage, logisch zu denken, zu planen, zu kommunizieren sowie eigene, auch diffizile Entscheidungen zu treffen. Es gibt jedoch nicht wenige Fachleute, die daran zweifeln, ob diese Form der KI jemals vollumfänglich Wirklichkeit werden könnte, zumal menschliche Entscheidungen schließlich auch von Emotionen sowie ethisch-moralischen und rechtlichen Wertevorstelllungen motiviert sind und somit fraglich ist, ob man solche Entscheidungen einer KI überantworten kann oder will.

Die Anwendungsfelder sind mannigfaltig

Dennoch wird die KI-Forschung nicht müde, alle Möglichkeiten auszuloten, die sich durch die heute zur Verfügung stehende, immense und verhältnismäßig kostengünstige Rechenleistung und voranschreitende Digitalisierung in nahezu allen Lebensbereichen des Menschen ergeben, und diese in die KI einfließen zu lassen. Die Anwendungsfelder sind mannigfaltig und werden von den Nutzern womöglich zunächst gar nicht als solche wahrgenommen. So sind in zahllosen Produktionsbereichen der heutigen Wirtschaft im Zuge der Automatisierung als Folge erwünschter Kostenminimierung, so etwa in der Autoindustrie oder im Maschinenbau, Roboter unverzichtbar, die viele menschliche Handgriffe überflüssig machen und problemlos, auf Abruf, bedürfnislos, ohne Urlaub oder krankheitsbedingte Fehltage im Dauerbetrieb arbeiten sowie dem Menschen außerdem gesundheitsgefährdende oder risikoreiche Arbeiten abnehmen können, wie zum Beispiel in Lackierereien oder beim Schweißen. Aber auch in den Kinderzimmern hat KI längst Einzug gehalten, etwa in Form von sprechenden Puppen, Schachcomputern, Spielekonsolen beziehungsweise Spiele auf dem Rechner.

Machine Learning erweitert einfache Abläufe

In vielen dieser Anwendungsbereiche kommt bereits das sogenannte Machine Learning(maschinelles Lernen) zum Einsatz. Einfache Abläufe beruhen auf einem vordefinierten Code, können zwar theoretisch unendlich oft wiederholt werden, aber sich eben nicht aus sich heraus optimieren. Beim Machine Learning bilden ebenfalls Codes und Algorithmen die Grundlage, aber die Technologie führt hierbei nicht nur einzelne Anweisungen aus, sondern lernt aus selbst gesammelten und erhobenen Daten unterschiedlichster Quellen, um eigene Vorhersagen und Entscheidungen zu treffen. Allerdings sind die Möglichkeiten auch hier begrenzt, da sich die Abläufe meist auf vordefinierte Algorithmen stützen, die sich grafisch gleichsam als eine Art Flussdiagramm oder Entscheidungsbaum – mit vielleicht ein paar Variablen – darstellen lassen.

Deep Learning als Basis komplexer Systeme

Einen Schritt weiter geht die KI beim sogenannten Deep Learning (mehrschichtiges oder tiefgehendes Lernen), bei dem die Maschine auf Big Data (Massendaten) zurückgreift, Unmengen an Informationen beispielsweise aus Dateien, Datenbanken, Social Media, E-Mail-Verkehren oder Bestellungen von Verbrauchern beziehungsweise Anfragen schöpft sowie analysiert, um somit ansonsten unsichtbare Trends herauszuarbeiten. Anwendungsklassiker sind die weithin bekannten Einkaufsportale und Suchmaschinen. Mit Deep Learning wird versucht, durch KI und auch neuronale Netzwerke – also unterschiedliche Modelle biologischer Vernetzungen – Systeme zu etablieren, die mit Daten, ausgeklügelten Algorithmen und Software das menschliche Lernverhalten nachbilden können. Diese Technologie setzt jedoch im Hintergrund immens schnelle Rechenressourcen sowie Datenleitungen und ebenso schnelle und umfangreiche Datenspeicher voraus. Derartige Systeme sind selbstständig in der Lage, beispielsweise Fotodatenbanken zu durchsuchen, Gesichter zu erkennen oder gesprochene Befehle zu verstehen und auszuführen. Damit können Unternehmen ihre Strategien, Angebote und Dienstleistungen optimieren sowie Kosten sparen, was am Ende auch für den Verbraucher von Nutzen sein kann.

Befürworter und Mahner

Die Anwendungsbereiche werden immer vielfältiger und reichen von der sekundenschnellen Analyse und Prognose im Bereich der Aktienkursentwicklungen über maschinelle Übersetzungsprogramme, selbstfahrende Autos sowie die Administration und Auswertung massenhafter Datensätze bis zu Gruppensimulationen mit Blick auf das realistische Verhalten von (Menschen-)Massen. Dabei gehen die einzelnen Bereiche der KI oft fließend ineinander über, weswegen sie in vielen Veröffentlichungen auch in einem Atemzug genannt sowie vermengt werden. Befürworter von KI sehen für die Zukunft weitreichende und ungeahnte Möglichkeiten. Es gibt hingegen auch namhafte Skeptiker und Mahner, die in der KI und der mit ihr einhergehenden, zunehmenden Automatisierung selbst komplexester Abläufe eine wachsende Gefahr für die Menschheit sehen, sei es etwa durch die zunehmende Verdrängung des Menschen vom Arbeitsmarkt oder durch die Herstellung hochintelligenter, autonomer Waffensysteme.