Geschichte

Alan Turing

Alan Turing hat 1950 folgende Frage in einem seiner Paper gestellt:

Can machines think?

Es war jedoch nicht das erste Mal, dass jemand sich diese Frage gestellt hat. Turing war jedoch der Erste, der diese theoretische Problemstellung praktisch umgesetzt hat.

Turing Test

Mit dem Turing Test kann man Maschinelle Intelligenz evaluieren.

Dafür kommuniziert ein Vernehmer sowohl mit einer Maschine, als auch mit einem Menschen. Wenn dieser nicht sagen kann, welcher Kommunikationspartner die Maschine ist, und welche der Mensch, dann hat die Maschine den Turing Test bestanden.

Wenn eine Maschine den Turing Test besteht, sagt man das Maschine Menschenähnliche Intelligenz aufzeigen kann.

Dartmouth-Konferenz

An der Dartmouth-Konferenz 1956 wurde KI zu einem Forschungsbereich. Die Teilnehmenden an dieser Konferenz waren sich einig, dass sie Experten aus den folgenden Bereichen zusammenbringen müssen:

Neurale Netzwerke

Rechentheorie

Automatentheorie

Sie wollten erkunden, ob Maschinen verschiedene Aspekte der menschlichen Intelligenz simulieren können.

Der Aufstieg von KI

1

AI Winter (1960er - 1970er)

Beschränkungen der Technologie und der Datenverfügbarkeit führten zu einem Rückgang der Finanzierung und des Interesses an der KI-Forschung

2

Deep Blue (1997)

Die KI Deep Blue von IBM hat Weltschachmeister Garry Kasparov in einem Schachspiel geschlagen

3

Fortschritt der Technologie (1990er bis 2000er)

Die Leistung von Computern nahm erheblich zu, und das Internet breitete sich rasch über den gesamten Globus aus

4

Deep Learning (2006)

Geoffrey Hinton veröffentlich ein Paper über Deep Learning und neurale Netzwerke

5

Watson (2011)

Die KI Watson von IBM gewann die Quiz-Show "Jeopardy!"

6

Deep Neural Networks (2012)

Jeff Dean und Andrew Ng veröffentlichen ein Paper über Deep Neural Networks

7

Google Brain (2017)

Google Brain hat Transformers eingeführt, welche Text effizient verarbeiten können

8

GPT (2018)

OpenAI veröffentlichte ihre erste GPT-Version, welche Transformers nutzt, um grosse Large-Langue-Models, kurz LLMs, zu bauen