75 Jahre in 15 Minuten: von Turing bis ChatGPT

Es fühlt sich an, als wäre KI 2022 zusammen mit ChatGPT aufgetaucht. Tatsächlich ist die Geschichte 75 Jahre alt und voller Genies, Dramen und gebrochener Versprechen. Lass uns loslegen.

Probiere es zuerst aus – direkt hier. Unter dem Prompt findest du einen „Run“-Button: Drücke ihn und eine echte KI antwortet direkt auf dieser Seite – alles, was es braucht, ist eine kostenlose Ein-Klick-Anmeldung (Google oder Telegram). Setze deinen eigenen Beruf in die Klammern – oder führe es so aus, wie es ist:

You are an experienced assistant. I work as a [your job].
Name 5 work tasks you could take off my hands,
and for each one give a short example of the request I'd send you.

Das ist KI: Du hast die Aufgabe in einfachen Worten beschrieben – sie hat die Arbeit erledigt. In diesem Kurs geht es darum, solche Antworten zuverlässig zu erhalten, nicht durch Zufall. Erinnere dich, wie sich diese Minute angefühlt hat – jetzt zurück zur Geschichte, ohne die KI nie ganz verständlich wird.

Akt I. Der Mann, der die Frage stellte (1950)

England, 1950. Der Mathematiker Alan Turing veröffentlicht ein Papier mit einer kühnen Frage: „Können Maschinen denken?“ Das ist derselbe Turing, der im Zweiten Weltkrieg die Enigma-Chiffriermaschine knackte. Historiker schätzen, dass dies den Krieg um zwei Jahre verkürzte.

Anstatt über Philosophie zu streiten, schlägt er ein Spiel vor – wir nennen es heute den Turing-Test. Die Idee ist einfach: Wenn du in einer schriftlichen Unterhaltung eine Maschine nicht von einem Menschen unterscheiden kannst, spielt es dann eine Rolle, ob sie „denkt“? Das Ergebnis zählt mehr als die Definition. Zweiundsiebzig Jahre später würden Millionen von Menschen täglich mit einer Maschine chatten, die immer schwerer von einem Menschen zu unterscheiden ist.

Turing hat das nie erlebt. Er starb 1954 im Alter von 41 Jahren, verfolgt von derselben Regierung, die er gerettet hatte. Heute trägt der höchste Preis in der Informatik – der Turing Award – seinen Namen.

Akt II. Der Begriff wird geboren, und mit ihm die Versprechen (1956–1969)

Sommer 1956, Dartmouth College in den USA. Ein junger Mathematiker namens John McCarthy versammelt ein paar Dutzend Wissenschaftler für einen Sommer-Workshop und erfindet für den Förderantrag ein eingängiges Label: artificial intelligence. Der Begriff, den wir alle verwenden, ist buchstäblich 70 Jahre alt und entstand als Marketing für einen Förderantrag.

Der Optimismus war grenzenlos. 1958 stellte der Psychologe Frank Rosenblatt das Perzeptron vor – das erste lernende „neuronale Netz“, so groß wie ein Kleiderschrank. Die New York Times schrieb, dass Maschinen bald „gehen, sprechen, sehen und sich ihrer Existenz bewusst sein“ würden. Die Pioniere versprachen menschenähnliche Intelligenz „in 20 Jahren“.

Akt III. Die KI-Winter (die 1970er und späten 1980er Jahre)

Fast alles ging schief: Computer waren millionenfach zu schwach, es gab keine Daten, und die Methoden selbst stießen an ihre Grenzen. 1973 zerlegte der britische Lighthill-Report das Feld: Die Versprechen waren nicht eingehalten worden. Finanzierung wurde gekürzt, Labore geschlossen – der KI-Winter war da. In den 80ern wiederholten „Expertensysteme“ (Programme aus Tausenden von Wenn-Dann-Regeln) die Geschichte: ein Boom, Milliardeninvestitionen, dann ein zweiter Zusammenbruch, als sich herausstellte, dass die Regeln unmöglich zu pflegen waren.

Merke dir dieses Muster: übertriebene Versprechen → Enttäuschung → Absturz. Es erklärt auch die heutigen Diskussionen über KI.

Akt IV. Die stille Revolution (1990–2012)

Während „KI“ praktisch ein Schimpfwort war, arbeitete eine kleine Gruppe von Wissenschaftlern – darunter Geoffrey Hinton, einer der führenden Köpfe hinter neuronalen Netzen und Nobelpreisträger 2024 – hartnäckig weiter daran. Ihre Idee war einfach und radikal: Programmiere das Wissen nicht ein, lass die Maschine aus Beispielen lernen. Zwei Zutaten fehlten: Daten und Rechenleistung.

Das Internet brachte beides. Bis 2012 hatten sich Milliarden von beschrifteten Bildern angesammelt, und die für Gaming gebauten Grafikkarten (GPUs) erwiesen sich als perfekt für das Training neuronaler Netze. 2012 dominierte AlexNet, entwickelt von Hinton und seinen Studenten, den ImageNet-Bilderkennungswettbewerb: Der Vorsprung war enorm – die Fehlerrate sank in einem einzigen Jahr von etwa 26 % auf 15 %. Das Rennen war eröffnet.

Akt V. Die Explosion (2016–2022)

2016: AlphaGo schlägt den Go-Weltmeister Lee Sedol – in einem Spiel mit mehr möglichen Positionen, als es Atome im Universum gibt. Kommentatoren nannten seinen 37. Zug im zweiten Spiel „keinen menschlichen Zug und keinen Maschinenzug, sondern etwas Neues“.

2017: Google-Ingenieure stellen eine neue Architektur für neuronale Netze vor – den Transformer. Eine Architektur ist der interne Aufbau des Netzes: das Schema, dem es folgt, um Informationen zu verarbeiten. Ältere Schemata lasen Text Wort für Wort und hatten am Ende eines langen Satzes den Anfang „vergessen“. Der Transformer betrachtet den gesamten Text auf einmal und ermittelt, welche Wörter miteinander verbunden sind – der Mechanismus wurde „Attention“ genannt.

Ein solches Netz kann mit gigantischen Textmengen trainiert werden, und es ist genau das, was hinter dem T in GPT steckt – Generative Pretrained Transformer. Daten und Rechenleistung hatten nun einen dritten Begleiter: die richtige Architektur.

30. November 2022: OpenAI öffnet ChatGPT für die Öffentlichkeit. 100 Millionen Nutzer in zwei Monaten – zu dieser Zeit das schnellste Wachstum, das eine Consumer-App je erlebt hatte (Instagram brauchte 2,5 Jahre, TikTok 9 Monate). Der Rekord für reine Geschwindigkeit sollte später an Threads fallen, das in fünf Tagen 100 Millionen erreichte – aber es war ChatGPT, das zuerst zeigte, dass KI zu einem Massenprodukt geworden ist. Eine 75 Jahre alte Geschichte verließ die Labore und landete auf jedem Handy.

Was das für dich bedeutet

Drei Erkenntnisse, die du in jeder folgenden Lektion nutzen wirst. Erstens: Moderne KI lernt aus Beispielen, anstatt programmierten Regeln zu folgen – Hintons Idee übertraf die Expertensysteme aus Akt III. Zweitens: Der Durchbruch kam, als drei Zutaten zusammenkamen – Daten (das Internet), Rechenleistung (GPUs) und Architektur (der Transformer) – und alle drei wachsen immer noch. Drittens: Wie die KI-Winter zeigten, kann dieses Feld sowohl zu viel versprechen als auch übertreffen – deshalb werden wir von nun an Realität und Hype anhand von Fakten trennen.

Und wenn du die Anfrage vom Anfang dieser Lektion bereits ausprobiert hast, nenne es deinen ersten praktischen Schritt: Es werden noch viele weitere folgen, und mit jedem wird die KI dir präziser folgen.