Stellen Sie sich eine Gruppe junger Männer vor, die sich im Nordsommer 1956 auf einem malerischen Universitätscampus in Neuengland in den Vereinigten Staaten versammelt.
Es ist ein kleines, zwangloses Treffen. Aber die Männer sind nicht hier, um Lagerfeuer zu machen und in den umliegenden Bergen und Wäldern zu wandern. Stattdessen begeben sich diese Pioniere auf eine experimentelle Reise, die in den kommenden Jahrzehnten zahllose Debatten auslösen und nicht nur den Lauf der Technologie verändern wird – sondern auch den Lauf der Menschheit.
Willkommen zur Dartmouth-Konferenz – dem Geburtsort der künstlichen Intelligenz (KI), wie wir sie heute kennen.
Was hier geschah, führte letztendlich zu ChatGPT und den vielen anderen Arten von KI, die uns heute dabei helfen, Krankheiten zu diagnostizieren, Betrug aufzudecken, Playlists zusammenzustellen und Artikel zu schreiben (also nicht diesen hier). Aber es würde auch einige der vielen Probleme schaffen, die das Feld noch immer zu überwinden versucht. Vielleicht können wir durch einen Blick zurück einen besseren Weg nach vorne finden.
Mitte der 1950er Jahre eroberte der Rock'n'Roll die Welt im Sturm. Elvis' „Heartbreak Hotel“ führte die Charts an und Teenager begannen, sich James Deans rebellisches Erbe zu eigen zu machen.
Doch 1956 fand in einer ruhigen Ecke von New Hampshire eine Revolution anderer Art statt.
Der Dartmouth-Sommerforschungsprojekt zur künstlichen Intelligenz, oft als Dartmouth-Konferenz in Erinnerung, begann am 18. Juni und dauerte etwa acht Wochen. Sie war die Idee von vier amerikanischen Computerwissenschaftlern – John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon – und brachte einige der klügsten Köpfe der damaligen Zeit in den Bereichen Computerwissenschaften, Mathematik und kognitive Psychologie zusammen.
Diese Wissenschaftler und einige der 47 eingeladenen Personen nahmen sich eines ehrgeizigen Ziels an: der Entwicklung intelligenter Maschinen.
As McCarthy formulierte es im KonferenzvorschlagIhr Ziel war es, herauszufinden, „wie man Maschinen dazu bringt, Sprache zu verwenden, Abstraktionen und Konzepte zu bilden und Probleme zu lösen, die heute dem Menschen vorbehalten sind“.
Auf der Dartmouth-Konferenz wurde nicht nur der Begriff „künstliche Intelligenz“ geprägt, sondern ein ganzes Forschungsgebiet zusammengeführt. Es ist wie ein mythischer Urknall der KI – alles, was wir heute über maschinelles Lernen, neuronale Netzwerke und Deep Learning wissen, hat seinen Ursprung in jenem Sommer in New Hampshire.
Aber das Erbe dieses Sommers ist kompliziert.
Künstliche Intelligenz setzte sich als Bezeichnung gegenüber anderen damals vorgeschlagenen oder gebräuchlichen Begriffen durch. Shannon bevorzugte den Begriff „Automatenstudien“, während zwei andere Konferenzteilnehmer (und die zukünftigen Schöpfer des ersten KI-Programms), Allen Newell und Herbert Simon, noch einige Jahre lang den Begriff „komplexe Informationsverarbeitung“ verwendeten.
Doch darum geht es: Nachdem wir uns auf KI festgelegt haben, kommen wir heute, so sehr wir es auch versuchen, scheinbar nicht darum herum, KI mit menschlicher Intelligenz zu vergleichen.
Dieser Vergleich ist Segen und Fluch zugleich.
Einerseits treibt es uns an, KI-Systeme zu entwickeln, die bei bestimmten Aufgaben die menschliche Leistung erreichen oder übertreffen können. Wir freuen uns, wenn KI bei Spielen wie Schach oder Go besser abschneidet als der Mensch oder wenn sie Krebs auf medizinischen Bildern genauer erkennen kann als menschliche Ärzte.
Andererseits führt dieser ständige Vergleich zu Missverständnissen.
Wenn eine Computer schlägt einen Menschen bei Go, kommt man schnell zu dem Schluss, dass Maschinen heute in jeder Hinsicht intelligenter sind als wir – oder dass wir zumindest auf dem besten Weg sind, eine solche Intelligenz zu entwickeln. Aber AlphaGo ist dem Schreiben von Gedichten nicht näher als einem Taschenrechner.
Und wenn ein großes Sprachmodell menschlich klingt, Wir beginnen uns zu fragen, ob es empfindungsfähig ist.
Aber ChatGPT ist nicht lebendiger als eine sprechende Bauchrednerpuppe.
Die Wissenschaftler auf der Dartmouth-Konferenz zeigten sich unglaublich optimistisch, was die Zukunft der KI betraf. Sie waren überzeugt, dass sie das Problem der maschinellen Intelligenz innerhalb eines einzigen Sommers lösen könnten.
Diese Selbstüberschätzung ist ein wiederkehrendes Thema in der KI-Entwicklung und hat zu mehreren Zyklen von Hype und Enttäuschung geführt.
Simon erklärte 1965 dass „Maschinen innerhalb von 20 Jahren in der Lage sein werden, jede Arbeit zu erledigen, die ein Mensch erledigen kann“. Minsky sagte 1967 voraus dass „innerhalb einer Generation […] das Problem der Schaffung ‚künstlicher Intelligenz‘ im Wesentlichen gelöst sein wird“.
Populärer Futurist Ray Kurzweil sagt jetzt voraus es ist nur noch fünf Jahre entfernt: „Wir sind noch nicht ganz da, aber wir werden da sein, und bis 2029 wird es mit jedem Menschen mithalten können.“
Wie können KI-Forscher, KI-Anwender, Regierungen, Arbeitgeber und die breite Öffentlichkeit also ausgewogener vorankommen?
Ein wichtiger Schritt besteht darin, die Andersartigkeit und den Nutzen maschineller Systeme zu akzeptieren. Anstatt uns auf das Rennen um die „künstliche allgemeine Intelligenz“ zu konzentrieren, können wir uns auf die einzigartigen Stärken der Systeme, die wir gebaut haben – beispielsweise die enorme kreative Kapazität von Imagemodellen.
Es ist auch wichtig, das Gespräch von der Automatisierung auf die Erweiterung zu verlagern. Anstatt Menschen gegen Maschinen auszuspielen, sollten wir uns auf Folgendes konzentrieren: Wie KI menschliche Fähigkeiten unterstützen und erweitern kann.
Betonen wir auch ethische Aspekte. Die Teilnehmer des Dartmouth-Kongresses diskutierten nicht viel über die ethischen Auswirkungen der KI. Heute wissen wir es besser und müssen es besser machen.
Wir müssen auch die Forschungsrichtung neu ausrichten. Wir sollten den Schwerpunkt auf die Interpretierbarkeit und Robustheit von KI sowie auf interdisziplinäre KI-Forschung legen und neue Paradigmen der Intelligenz erkunden, die nicht auf menschlicher Wahrnehmung basieren.
Schließlich müssen wir unsere Erwartungen an KI im Zaum halten. Natürlich können wir von ihrem Potenzial begeistert sein. Aber wir müssen auch realistische Erwartungen haben, damit wir die Enttäuschungszyklen der Vergangenheit vermeiden können.
Wenn wir auf dieses Sommercamp vor 68 Jahren zurückblicken, können wir die Vision und den Ehrgeiz der Teilnehmer der Dartmouth-Konferenz feiern. Ihre Arbeit legte den Grundstein für die KI-Revolution, die wir heute erleben.
Indem wir unseren Ansatz zur KI neu ausrichten – mit Schwerpunkt auf Nutzen, Erweiterung, Ethik und realistischen Erwartungen – können wir das Erbe von Dartmouth ehren und gleichzeitig einen ausgewogeneren und vorteilhafteren Kurs für die Zukunft der KI einschlagen.
Denn die wahre Intelligenz liegt nicht nur in der Schaffung intelligenter Maschinen, sondern auch darin, wie umsichtig wir sie einsetzen und weiterentwickeln.
Dieser Artikel wurde erneut veröffentlicht in Das Gespräch unter einer Creative Commons-Lizenz und wurde verfasst von Sandra Peter, Direktor von Sydney Executive Plus, Universität Sydney
Ein Rahmen zur Bewertung sich schnell entwickelnder digitaler und verwandter Technologien: KI, große Sprachmodelle und darüber hinaus
Dieses Diskussionspapier bietet den Überblick über einen ersten Rahmen als Grundlage für die vielfältigen globalen und nationalen Diskussionen, die im Zusammenhang mit KI stattfinden.
Vorbereitung nationaler Forschungsökosysteme auf KI: Strategien und Fortschritte im Jahr 2024
Der Bericht bietet eine umfassende Analyse der Integration künstlicher Intelligenz in Wissenschaft und Forschung in verschiedenen Ländern. Es befasst sich sowohl mit den erzielten Fortschritten als auch mit den Herausforderungen in diesem Bereich und ist somit eine wertvolle Lektüre für führende Wissenschaftler, politische Entscheidungsträger, KI-Experten und Akademiker.
Wissenschaftsorganisationen im digitalen Zeitalter
Das Diskussionspapier fasst Ergebnisse einer umfassenden Umfrage, ausführlicher Interviews und Fallstudien unter Beteiligung von ISC-Mitgliedern zusammen. Es dient sowohl als aktuelle Darstellung des digitalen Status in der Wissenschaftsgemeinschaft als auch als Leitfaden für Organisationen, die sich auf den Weg zur digitalen Transformation machen.
Bild von Billy Wilson Flickr
Lesen Sie mehr über „United in Science: Neustart für den Klimaschutz“
Lesen Sie mehr über die Angebotsanfrage für Beratungsleistungen
Lesen Sie mehr über WorldFAIR: In einem Folgeprojekt wird die Datentransformation fortgesetzt, um komplexe Herausforderungen zu bewältigen
