Die Geburtsstunde der KI: Zwei Pioniere, zwei völlig verschiedene Wege

Ich habe mich immer gefragt: Was war eigentlich der allererste Moment, in dem mit Künstlicher Intelligenz tatsächlich etwas erarbeitet wurde – nicht nur ein Gedankenspiel auf dem Papier, sondern ein Programm, das auf einer echten Maschine lief und ein echtes Problem löste? Bei einer Recherche bin ich fündig geworden, und die Zeit, in der das geschah, hat mich ziemlich überrascht: Wir sprechen hier nicht von den 2010er-Jahren, sondern von den frühen 1950ern – Jahre, bevor der Begriff „Künstliche Intelligenz" überhaupt geprägt wurde.

Fast zeitgleich entstanden damals zwei völlig unterschiedliche Antworten auf dieselbe Grundfrage: Wie bringt man einer Maschine eigentlich intelligentes Verhalten bei? Die eine Antwort hieß Lernen durch Erfahrung, die andere Nachbildung des menschlichen Denkens. Beide Ansätze prägen bis heute, wie wir über KI nachdenken – auch wenn kaum jemand ihre eigentlichen Ursprünge kennt. Ich möchte sie euch hier etwas genauer vorstellen.

Lernen durch Erfahrung – Arthur Samuel, ab 1952

Arthur Samuel, Elektroingenieur bei IBM, wählte für sein Experiment eine auf den ersten Blick simple Aufgabe: Dame. Das Spiel war komplex genug, um eine echte Herausforderung zu sein, aber einfach genug, um es auf einem der ersten kommerziellen Großrechner¹ überhaupt zu berechnen – zunächst dem IBM 701, später dem leistungsfähigeren IBM 704, beide mit gerade einmal wenigen Kilobyte Arbeitsspeicher.

Sein Programm bewertete mögliche Spielzüge anhand einer Punkteformel, die verschiedene Faktoren der Brettstellung gegeneinander abwog – etwa den Materialvorteil oder wie gut das Zentrum des Bretts kontrolliert wurde. Die eigentliche Innovation kam 1955: Samuel ließ das Programm tausende Partien lang gegen sich selbst spielen und nach jeder Partie automatisch nachjustieren, wie stark die einzelnen Faktoren in die Bewertung einfließen sollten – je nachdem, ob eine Strategie am Ende zum Sieg oder zur Niederlage geführt hatte. Kein Mensch musste dafür eine einzige neue Regel von Hand eintippen; das Programm verbesserte sich allein durch wiederholtes Spielen und Auswerten des eigenen Abschneidens.

1956 wurde das Programm sogar im amerikanischen Fernsehen vorgeführt – für viele Zuschauer der erste Kontakt überhaupt mit einer scheinbar „denkenden" Maschine. 1962 schließlich gewann es eine Partie gegen einen ehemaligen Dame-Meister aus Connecticut und bewies damit, dass ein selbstlernendes System durchaus mit einem menschlichen Experten mithalten konnte. Samuel selbst prägte für diesen Ansatz einen Begriff, den wir heute täglich benutzen, oft ohne an seinen Ursprung zu denken: Machine Learning².

Nachbildung des menschlichen Denkens – Newell, Simon & Shaw, 1955/56

Ein deutlich ambitionierteres Ziel verfolgten Allen Newell, Herbert Simon (später Wirtschaftsnobelpreisträger) und der Programmierer Cliff Shaw bei der RAND Corporation. Sie wollten nicht nur eine einzelne Aufgabe lösen, sondern nachbilden, wie Menschen überhaupt logisch denken und Probleme lösen. Ihr Programm, der Logic Theorist³, bekam dafür ein Grundgerüst formaler Logikregeln und Axiome mitgegeben – und sollte damit mathematische Beweise vollständig selbstständig finden, indem es systematisch vom Ziel rückwärts zu bereits bekannten Grundsätzen suchte, statt stur jede denkbare Kombination durchzuprobieren.

Bevor das Programm überhaupt auf einem Computer lief, testete das Team seine Logik von Hand: Familienmitglieder spielten buchstäblich einzelne Speicherzellen nach und verschoben Karteikarten mit Symbolen darauf, um den Ablauf zu simulieren – lange bevor er tatsächlich auf dem JOHNNIAC-Rechner der RAND Corporation programmiert wurde. Dafür entwickelten Newell, Simon und Shaw sogar eine eigene Programmiersprache, die IPL⁴ – eine frühe Vorstufe dessen, was später als Lisp die KI-Forschung jahrzehntelang prägen sollte.

Als Testfeld wählten sie die „Principia Mathematica"⁵ von Whitehead und Russell, eines der anspruchsvollsten Werke der modernen Mathematik. Der Logic Theorist bewies eigenständig 38 der ersten 52 Theoreme⁶ aus dem zweiten Kapitel – und fand dabei bei mindestens einem Beweis sogar einen eleganteren Weg als die menschlichen Originalautoren. Simon schickte diesen Beweis später tatsächlich an Bertrand Russell, der sich darüber sehr amüsiert zeigte.

Als das Programm im Sommer 1956 auf der berühmten Dartmouth-Konferenz⁷ vorgestellt wurde – dem Ort, an dem der Begriff „Künstliche Intelligenz" überhaupt erst geprägt wurde – war es das einzige tatsächlich lauffähige System im Raum. Alle anderen Teilnehmer hatten nur Konzepte und Ideen im Gepäck.

Zwei Wege, eine Frage

Rund 70 Jahre trennen uns inzwischen von diesen ersten Versuchen – eine Zeitspanne, in der man KI eher in Science-Fiction-Filmen als im eigenen Alltag vermutet hätte. Beide Originalprogramme laufen längst nicht mehr, aber ihre Grundideen sind erstaunlich lebendig geblieben. Samuels Ansatz – aus Erfahrung lernen, die eigene Strategie anhand von Daten und Rückmeldung automatisch verbessern – ist im Kern das, was heute unter Deep Learning und maschinellem Lernen läuft, von Bilderkennung bis zu den Sprachmodellen, die auch beim Verfassen dieses Artikels geholfen haben. Der Logic Theorist wiederum steht am Anfang der sogenannten symbolischen KI, bei der Wissen als explizite Regeln und Logik dargestellt wird – ein Ansatz, der in den 1980ern mit den Expertensystemen noch einmal einen großen Boom erlebte.

Lange galten beide Lager fast als Gegensätze, wie zwei konkurrierende Schulen. Erst in den letzten Jahren zeigt sich zunehmend, dass moderne KI-Systeme Elemente aus beiden Welten kombinieren: lernfähige Systeme, die zusätzlich mit expliziten Regeln oder Werkzeugen ausgestattet werden.

Welchen der beiden Ansätze würdet ihr eher als „echte" KI bezeichnen – das Lernen durch Erfahrung, oder die Nachbildung menschlichen Denkens? Eine eindeutige Antwort gibt es bis heute nicht, und genau das macht die Frage so spannend.