Der Beginn von KI
Das wissenschaftliche Feld der KI existiert seit den 1950iger Jahren. Die Dartmouth Conference im Jahr 1956 gilt als die Geburtsstunde der KI. Zwar sind viele der Grundlegenden Ideen in den Jahren oder gar Jahrzehnten zuvor entwickelt worden. Jedoch entstand der Begriff künstliche Intelligenz als der junge Assistenzprofessor für Mathematik mit dem Namen John McCarthy einen Sommer-Workshop hielt. Dies Geschah am Dartmout College. Der Workshop fand unter den folgenden Zielen bzw. Annahmen statt:
- Jeder Aspekt des Lernens oder jedes andere Merkmal von Intelligenz kann im Prinzip so genau beschrieben werden, dass eine Maschine in simulieren kann.
- Ziel des Workshop ist es herauszufinden, wie man Maschinen dazu bringen kann, Sprache zu nutzen, Abstraktion und Konzepte zu verwenden, Probleme zu lösen, die derzeit Menschen vorbehalten sind, und sich dabei zu verbessern.
- Die Veranstalter des Workshop sind sich sicher, dass bei einem oder mehreren Zielen ein bedeutsamer Fortschritt generiert werden kann, falls eine wohlgewählte Gruppe Wissenschaftler einen Sommer daran forscht.
Der Workshop endet mit dem Ende des Sommers. Die Ziele sind nicht erreicht. Dennoch der Workshop hat einen Stein ins Rollen gebracht . Bis heute forscht man in diesem Bereich. Heute mehr den je.
Symbolische KI
Kurz zusammengefasst. Künstliche Intelligenz soll intellektuelle Aufgaben automatisiere, die aktuell dem Menschen vorbehalten sind. Artificial Intelligence ist ein sehr allgemeines Gebiet. Es umfasst Machine und Deep Learning. Jedoch auch eine Vielzahl weiterer Methoden und Ansätze. Auch jene, die kein Lernen enthalten. Bis in die 1980iger haben die meisten KI-Lehrbücher das Wort Lernen nicht behandelt. Erste Schachcomputer basierten auf hartcodierten Regeln. Diese erstellten Programmierer. Somit handelt es sich hierbei (nach heutigen Paradigmen) nicht um maschinelles Lernen. Lange Zeit vertraten Experten die Ansicht, das künstliche Intelligenz auf menschlicher Ebene erreicht wird. Hierbei sollten Programmierer einen hinreichend großen Satz von expliziten Regeln für die Manipulation von Wissen, welche in expliziten Datenbanken gesichert ist. Dieser Ansatz heißt symbolische KI. Hierbei handelt es sich um das vorherrschende Paradigma im Bereich KI zwischen 1950 und den späten 1980.
Paradigmenwechsel zu Machine Learning
Symbolische KI ist also in der Lage klar definierte logische Probleme, wie beispielsweise Schachspiele, zu lösen. Jedoch erweist sich symbolische KI hingegen als unlösbar, explizite Regeln für die Lösung komplexer, unscharfer Aufgaben, wie Bild-, Spracherkennung oder Sprachübersetzung zu entwickeln. Ein Ansatz, welcher hierzu in der Lage ist, ist das Machine Learning.