Geschichte der KI - Teil 13

Kybernetik, Neuronale Vorläufer und die Hardware Basis (1940 bis 1955)

Nachdem Alan Turing die abstrakten Regeln für die Berechenbarkeit geliefert hatte, mussten die Ingenieure und Wissenschaftler nun die physische und biologische Realität nachbauen. Die 1940er und frühen 1950er Jahre waren eine Epoche beispielloser Konvergenz. Theoretiker begannen, das menschliche Gehirn mathematisch zu modellieren, während Ingenieure die Architektur für die ersten elektronischen Computer entwarfen. Diese Kombination von biologischer Inspiration und technischer Umsetzung legte den Grundstein für die ersten echten KI Systeme. Die Geschichte der KI ist ein über Jahrtausende gewebter Teppich, der von Mythen, Magie und mechanischer Präzision durchzogen ist. Es ist eine fortlaufende Erzählung, die bis heute spannend ist und deren neuestes Kapitel gerade jetzt mit rasanten Entwicklungen fortgeschrieben wird. 

Wir, die GEO Agentur seowerk GmbH, machen unsere Kunden in diesen neu entstehenden KI Systemen sichtbar.

Das erste künstliche Neuron: McCulloch und Pitts

Im Jahr 1943 veröffentlichten der Neurophysiologe Warren McCulloch und der Logiker Walter Pitts eine bahnbrechende Arbeit. Sie schufen das erste mathematische Modell eines biologischen Neurons.

Dieses sogenannte MCP Neuron (McCulloch Pitts Zelle) war extrem einfach, aber revolutionär. Es basierte auf der Idee, dass ein Neuron entweder feuert (1) oder nicht feuert (0). Es verrechnet alle eingehenden Signale und feuert nur, wenn die Summe dieser Signale einen bestimmten Schwellenwert überschreitet.

Die Implikationen dieses Modells waren gewaltig:

• Logik aus Biologie: McCulloch und Pitts bewiesen, dass ein Netzwerk aus solchen einfachen, binären Neuronen jede Boolesche Funktion (UND, ODER, NICHT) berechnen kann.
• Turing Äquivalenz: Da Boolesche Funktionen die Grundlage der Berechenbarkeit bilden, bewiesen sie, dass ein ausreichend großes Netzwerk von MCP Neuronen theoretisch jede Funktion ausführen kann, die eine Turing Maschine berechnen kann.

Damit existierte nun eine biologisch inspirierte Alternative zur rein formalen Logik von Aristoteles und Boole. Intelligenz konnte demnach nicht nur durch das Kodieren von Regeln, sondern auch durch das Verschalten einfacher Verarbeitungseinheiten entstehen. Dies ist der Grundstein des Konnektionismus und des modernen Deep Learning.

Norbert Wiener und die Kybernetik

Parallel dazu prägte der Mathematiker Norbert Wiener (1894 bis 1964) den Begriff Kybernetik in seinem gleichnamigen Buch von 1948. Die Kybernetik war die Wissenschaft der Steuerung und Kommunikation in Tier und Maschine.

Wiener betonte die Bedeutung von:

• Rückkopplung (Feedback): Systeme müssen in der Lage sein, ihre Ausgabe zu messen und diese Information zu nutzen, um ihr eigenes Verhalten anzupassen und zu korrigieren.
• Homogenität von Systemen: Die Prinzipien, die das Nervensystem steuern, sind dieselben, die auch mechanische oder elektrische Steuerungssysteme regeln.

Die Kybernetik lieferte damit einen funktionalen Rahmen für die KI. Sie betrachtete Intelligenz nicht als starres Wissen, sondern als dynamische Anpassungsfähigkeit an eine sich ändernde Umgebung. Die Konzepte der Kybernetik beeinflussten maßgeblich die Robotik, die Regelungstechnik und die frühen Ideen des Maschinellen Lernens.

Von Neumann Architektur: Die Hardware wird geboren

Das theoretische Modell der Berechnung (Turing) und das biologisch inspirierte Modell der Verarbeitung (McCulloch und Pitts) benötigten nun eine effiziente, elektronische Umsetzung. John von Neumann (1903 bis 1957), einer der Architekten der ersten elektronischen Computer (ENIAC, EDVAC), lieferte diese Blaupause.

Die von Neumann Architektur definierte das Bauprinzip, das alle modernen digitalen Computer bis heute verwenden. Ihr wichtigstes Merkmal ist die Speicherung von Programm und Daten im selben Speicher.

• Flexibilität: Ein Computer konnte nun seine Funktion ändern, indem er einfach ein neues Programm in seinen Speicher lud. Dies machte die Universelle Turing Maschine physisch realisierbar.
• Grundlage der KI: Ohne diese Architektur wäre es unmöglich gewesen, die komplexen, speicherintensiven Programme der frühen symbolischen KI oder die mehrschichtigen Netzwerke der Konnektionisten zu implementieren.

Die 1940er und 1950er Jahre brachten damit die drei Säulen hervor, auf denen die KI heute ruht: die abstrakte Logik (Turing), das biologische Verarbeitungsmodell (McCulloch und Pitts) und die technische Architektur (von Neumann). Das Feld war reif für die akademische Geburt.