Woher der Begriff KI kommt

Kapitel 01 bestimmt KI so, wie das Gesetz es tut: über das Ableiten. Das ist die verbindliche Antwort, und sie ist 68 Jahre jünger als das Wort.

Das Wort selbst stammt aus einem Antrag auf Forschungsgeld. Wer wissen will, warum das Fach heißt, wie es heißt, und warum es bis heute keine feste Definition hat, liest dieses Papier.

Ein Antrag von 1955 gibt dem Fach seinen Namen

Am 31. August 1955 reichten vier Wissenschaftler einen Antrag ein. Sein erster Satz enthält den Begriff:

We propose that a 2 month, 10 man study of artificial intelligence be carried out during the summer of 1956 at Dartmouth College in Hanover, New Hampshire. (externe Seite, www-formal.stanford.edu)

Zwei Monate, zehn Leute. Die vier waren John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon, und einer davon, Shannon, hatte sieben Jahre zuvor die Informationstheorie begründet.

Der Satz danach ist die eigentliche These des Fachs:

The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. (externe Seite, www-formal.stanford.edu)

Eine Vermutung also, ausdrücklich als solche bezeichnet. Sie ist bis heute weder bewiesen noch widerlegt.

Was die vier sich vorgenommen hatten

Der Antrag zählt sieben Gebiete auf (The following are some aspects of the artificial intelligence problem: (externe Seite, www-formal.stanford.edu)), und die Liste ist der Grund, warum dieses Papier mehr ist als eine Anekdote:

1. Automatische Rechner
2. Wie ein Computer Sprache benutzen kann
3. Neuronennetze
4. Die Größe einer Berechnung
5. Selbstverbesserung
6. Abstraktionen
7. Zufall und Kreativität

Sechs dieser sieben haben in diesem Lernpfad ein eigenes Kapitel. Die Tagesordnung von 1955 ist das Inhaltsverzeichnis von heute.

Der dritte Punkt verdient dabei einen eigenen Blick. Er lautet im Antrag How can a set of (hypothetical) neurons be arranged so as to form concepts. (externe Seite, www-formal.stanford.edu), und er steht dort neben den regelbasierten Ansätzen. Beide Familien, die Kapitel 01 unterscheidet, stehen von Anfang an in demselben Papier.

Die Definition, die einer der vier später nachlieferte

Jahrzehnte danach hat McCarthy die Frage selbst beantwortet, was KI eigentlich sei:

It is the science and engineering of making intelligent machines, especially intelligent computer programs. (externe Seite, www-formal.stanford.edu)

Das verschiebt die Frage auf das Wort intelligent, und auch dafür hat er eine Antwort:

Intelligence is the computational part of the ability to achieve goals in the world. (externe Seite, www-formal.stanford.edu)

Bemerkenswert daran ist, was fehlt. Von Menschen ist keine Rede, von Bewusstsein auch nicht. Intelligenz ist hier der rechnerische Anteil einer Fähigkeit, Ziele zu erreichen, und damit etwas, das man einer Maschine zusprechen kann, ohne über Denken zu reden.

Das Kürzel, das die Lücke füllen soll

Die Vermutung von 1955 galt jedem Aspekt des Lernens und jeder anderen Eigenschaft von Intelligenz. Für eine Maschine, die das alles kann, hat sich später ein Kürzel eingebürgert: AGI, Artificial General Intelligence. Eine geteilte Definition hat es so wenig wie das Wort, aus dem es hervorging, und die drei, die am häufigsten benutzt werden, messen drei verschiedene Dinge.

OpenAI legt sich in seiner Grundsatzerklärung auf eine wirtschaftliche Bestimmung fest:

by which we mean highly autonomous systems that outperform humans at most economically valuable work (externe Seite, openai.com)

Google DeepMind legt den Begriff in einer 2023 eingereichten Arbeit in eine Tabelle mit Stufen, nach Leistung und nach Breite:

This framework introduces levels of AGI performance, generality, and autonomy, providing a common language to compare models, assess risks, and measure progress along the path to AGI. (externe Seite, arxiv.org)

Die Chatprogramme jenes Jahres stehen in dieser Tabelle auf Stufe 1 von 5, und OpenAIs Bestimmung ordnen die Autoren auf Stufe 4 ein. Chollet schließlich bestimmt Intelligenz 2019 über die Geschwindigkeit, mit der ein System aus wenig Erfahrung eine neue Fähigkeit gewinnt, und baut daraus einen Test, den Beurteilen und Einordnen, Kapitel 04 beschreibt:

describing intelligence as skill-acquisition efficiency (externe Seite, arxiv.org)

Ein Anbieter bestimmt das Kürzel also über Arbeit, eine Forschungsarbeit über Stufen, ein Test über Lerngeschwindigkeit. Wer AGI sagt, sollte dazusagen, welche der drei gemeint ist.

Was vor dem Wort schon da war

Die Frage ist älter als ihr Name. McCarthy nennt selbst den frühesten Beleg, und es ist ein Vortrag von Alan Turing: He gave a lecture on it in 1947. (externe Seite, www-formal.stanford.edu)

Turings bekannter Aufsatz mit dem Nachahmungsspiel erschien 1950, also fünf Jahre vor dem Antrag. Das Wort künstliche Intelligenz kommt darin nicht vor. Es entstand später und aus einem anderen Anlass: Vier Leute brauchten einen Namen für das, wofür sie Geld beantragten.

Der Bericht, der das Geld abdrehte

Achtzehn Jahre später schrieb James Lighthill für den britischen Forschungsrat eine Bestandsaufnahme. Sein Urteil steht in einem Satz:

In no part of the field have the discoveries made so far produced the major impact that was then promised. (externe Seite, chilton-computing.org.uk)

Er beschreibt dabei eine Stimmung, die er im Fach vorfand:

Most workers in AI research and in related fields confess to a pronounced feeling of disappointment in what has been achieved in the past twenty-five years. (externe Seite, chilton-computing.org.uk)

Die Folge war die weitgehende Streichung der britischen KI-Förderung. Der Begriff KI-Winter für solche Phasen stammt aus dieser Zeit, und dieser Bericht ist das einzige Dokument, an dem sich einer davon mit einem Datum festmachen lässt.

Woran Sie eine Altlast im Begriff festmachen

Der Name ist älter als jede Definition. Er kommt aus einem Antrag von 1955, und die verbindliche Bestimmung gibt es erst seit 2024.

Die Grundthese ist eine Vermutung. Der Antrag sagt das selbst, und daran hat sich nichts geändert.

Beide Familien waren von Anfang an dabei. Neuronennetze und Regelwerke stehen in derselben Aufzählung.

Ein Rückschlag hat ein Datum, der andere nur einen Namen. Für 1973 gibt es ein Papier, für die Achtziger nicht.

Das Kürzel AGI hat drei Definitionen. Eine wirtschaftliche, eine gestufte und eine messende, und sie meinen drei verschiedene Dinge.

Der Überblick nennt die sieben Gebiete des Antrags von 1955. Diese Ebene liest sie einzeln, denn dabei wird sichtbar, wie viel von der Tagesordnung jener zwei Monate bis heute offen ist.

Die sieben Punkte, einzeln gelesen

1. Automatische Rechner. Der Antrag hält fest, dass die Rechenleistung damals nicht ausreichte, und benennt zugleich das größere Hindernis: die Unfähigkeit, Programme zu schreiben, die vorhandene Leistung ausnutzen. Wie sich das entwickelt hat, steht in Beurteilen und Einordnen, Kapitel 05.

2. Wie ein Computer Sprache benutzen kann. Der Punkt vermutet, ein großer Teil menschlichen Denkens bestehe im Umgang mit Wörtern nach Regeln. Genau diese Vermutung hat die Sprachverarbeitung vierzig Jahre lang bestimmt, siehe Kapitel 06.

3. Neuronennetze. Steht dort mit einem Satz, der bis heute die Frage beschreibt: wie sich Neuronen anordnen lassen, dass daraus Begriffe entstehen. Antwortversuche in Kapitel 03.

4. Die Größe einer Berechnung. Der abstrakteste Punkt der Liste und der, der 1973 zum Verhängnis wurde. Er fragt, wie sich der Aufwand einer Berechnung messen lässt.

5. Selbstverbesserung. Ein Programm, das sich selbst verbessert. Was daraus geworden ist, steht in Kapitel 02.

6. Abstraktionen. Wie eine Maschine aus Beobachtungen Begriffe bildet. Der heutige Zugang dazu läuft über Grundkurs, Kapitel 04.

7. Zufall und Kreativität. Der Antrag vermutet, kreatives Denken unterscheide sich vom bloßen Schlussfolgern durch einen eingestreuten Zufall. Bei heutigen Sprachmodellen ist dieser Zufall eine Einstellung, siehe Grundkurs, Kapitel 12.

Sechs Kapitel dieses Lernpfads gehen auf sechs Punkte einer Liste von 1955 zurück. Das ist mehr als eine hübsche Beobachtung: Es heißt, dass die Fragen des Fachs seit siebzig Jahren dieselben sind und sich vor allem die Antworten geändert haben.

Beide Familien stehen in demselben Antrag

Kapitel 01 trennt die lernende von der schließenden Familie. Diese Trennung ist juristisch nützlich und historisch eine spätere Zuschreibung: 1955 standen beide Ansätze nebeneinander in einer Aufzählung, als Arbeitsteilung unter Kollegen.

Der Lagerstreit kam danach. Über Jahrzehnte galt abwechselnd die eine oder die andere Familie als der aussichtsreiche Weg, und die Fördermittel folgten diesem Wechsel. Minsky, der Antragsteller mit dem Neuronennetz-Punkt, hat seine Doktorarbeit über neuronale Netze geschrieben und wurde später als Gegner dieser Richtung gelesen.

Der Abstand zwischen Vorführung und Versprechen

Das Muster, an dem das Fach zweimal gescheitert ist, ist immer dasselbe: Eine Handvoll beeindruckender Einzelfälle wird als Schritt zu einer allgemeinen Fähigkeit gelesen.

Ein Programm, das in einer eng gefassten Welt Aufgaben löst, sagt wenig darüber, was in einer offenen Welt geschieht. Wie ein Programm dabei Verständnis vortäuschen kann, ohne etwas zu verstehen, zeigt der Fall in Kapitel 06 am ausführlichsten dokumentierten Beispiel der sechziger Jahre.

Wer das heute liest, sollte die Frage mitnehmen, statt sie zu beantworten: Woran erkennt man den Unterschied zwischen einer Vorführung und einer belastbaren Fähigkeit? Der heutige Zugang dazu steht in Beurteilen und Einordnen, Kapitel 04.

Der Bericht von 1973 in seiner eigenen Einteilung

Lighthills Urteil wird meistens verkürzt zitiert. Er teilt das Fach in drei Bereiche: fortgeschrittene Automatisierung an einem Ende, computergestützte Hirnforschung am anderen, und dazwischen den Bereich, der beide verbinden sollte.

Sein Befund richtet sich gegen die Mitte. Die äußeren Bereiche bescheinigt er als respektabel; die vermittelnde Kategorie sieht er als leer.

Das ist eine schärfere Aussage als „KI funktioniert nicht“, und sie trifft eine Stelle, die es heute wieder gibt: die Behauptung, aus zwei funktionierenden Randgebieten entstehe von selbst ein allgemeines Verfahren dazwischen.

Die Größe einer Berechnung, damals und heute

Punkt vier der Liste von 1955 wurde 1973 zur Begründung des Rückschlags. Der Grund ist eine Eigenschaft, die viele Verfahren teilen: Die Zahl der zu prüfenden Möglichkeiten wächst mit jedem Zug, und zwar vervielfachend.

Dasselbe Argument taucht in diesem Pfad zweimal auf. In Kapitel 06 an der Frage, warum Sprachstatistik über wenige Wörter hinaus unbezahlbar wird. Und in Kapitel 01 an der Suche im Spielbaum, wo es dieselbe Rechnung ist.

Gelöst wurde das Problem nie. Umgangen wird es dadurch, dass Verfahren aus Beispielen abschätzen, welche Möglichkeiten sich lohnen. Alle durchzugehen hat man aufgegeben.

Was den Winter überlebt hat

Aus der frühen Zeit sind drei Dinge geblieben, und sie stehen heute in Werkzeugen, an die niemand mehr das Wort KI schreibt: die Suche mit Bewertungsfunktion in Routenplanern und Spielprogrammen, das Ableiten aus aufgeschriebenen Regeln in Planungssystemen, und die Trennung von Wissen und Ableitungsverfahren.

Ein viertes Wort ist geblieben und hat seine Bedeutung gewechselt. Ein Agent war in dieser Zeit ein System, das Ziele verfolgt und dabei auf seine Umgebung reagiert. Was heute so heißt, steht in Agenten und Harness, Kapitel 01.

Was daraus für die Praxis folgt

Die Fragen sind alt, die Antworten neu. Wer eine Frage für neu hält, sollte prüfen, ob sie 1955 schon auf der Liste stand.

Der Name sagt nichts über den Inhalt. Was KI genannt wird, hat sich mehrfach verschoben, und was aufhört, so genannt zu werden, arbeitet weiter.

Ein Rückschlag folgt auf ein Versprechen. 1973 war das Erreichte für sich genommen respektabel; es blieb hinter dem Angekündigten zurück.

Ein Kürzel ohne geteilte Bestimmung bleibt ein Kürzel. AGI benennt das Ziel des Antrags von 1955 und hat heute drei gebräuchliche Definitionen; welche gemeint ist, steht selten dabei. Der Überblick nennt alle drei.

Die Definition, die es nie gab

Auf die Frage, ob es eine feste Bestimmung von Intelligenz gebe, antwortet der Mann, der das Wort in die Welt gesetzt hat:

Not yet. The problem is that we cannot yet characterize in general what kinds of computational procedures we want to call intelligent. (externe Seite, www-formal.stanford.edu)

Das ist die wichtigste Auskunft dieses Kapitels, und sie erklärt eine Eigenart der ganzen Seite. Jede Bestimmung von KI, die es gibt, ist entweder eine Aufzählung von Aufgaben oder eine juristische.

Für das Kürzel AGI, das die allgemeine Fähigkeit benennen soll, gilt dasselbe, und die drei gebräuchlichen Bestimmungen zeigen es. OpenAI bestimmt es in seiner Grundsatzerklärung über Arbeit:

by which we mean highly autonomous systems that outperform humans at most economically valuable work (externe Seite, openai.com)

Google DeepMind hat 2023 die vorhandenen Definitionen gesichtet und daraus eine Tabelle gebaut:

we analyze existing definitions of AGI, and distill six principles that a useful ontology for AGI should satisfy (externe Seite, arxiv.org)

Die Tabelle hat sechs Leistungsstufen und zwei Breiten. Die Chatprogramme von 2023 stehen dort auf Stufe 1, Emerging AGI; Stufe 2, Competent AGI, hatte zum Zeitpunkt der Arbeit kein öffentliches System erreicht, und OpenAIs Bestimmung entspricht nach der Lesart der Autoren Stufe 4. Chollet bestimmt Intelligenz 2019 über die Lerneffizienz und macht daraus einen Test, den Beurteilen und Einordnen, Kapitel 04 beschreibt:

describing intelligence as skill-acquisition efficiency (externe Seite, arxiv.org)

Drei Bestimmungen, drei Messgrößen: Arbeitsleistung, Perzentil geübter Erwachsener, Lerngeschwindigkeit. Dass alle drei nebeneinander in Gebrauch sind, ist die Fortsetzung von McCarthys Not yet.

Die Verordnung aus Kapitel 01 umgeht das Problem elegant: Sie bestimmt, was ein System tun muss, um unter das Gesetz zu fallen, und lässt die Frage nach der Intelligenz auf sich beruhen. Ableiten statt Denken. Damit ist eine Frage entschieden, die seit 1955 offen war, allerdings nur für den Zweck der Rechtsanwendung.

Ein Wort aus einem Förderantrag

Der Antrag nennt seinen eigenen Rahmen: zwei Monate, zehn Personen, Sommer 1956. Die beantragte Summe lag bei 13.500 Dollar, und der Adressat war die Rockefeller Foundation.

Warum gerade dieses Wort gewählt wurde, steht in keinem der beiden Dokumente. Verbreitet ist die Darstellung, McCarthy habe sich damit von der Kybernetik und von Norbert Wiener abgrenzen wollen. Diese Erzählung stützt sich auf spätere Erinnerungen, und die zeitgenössischen Papiere schweigen dazu. Wer sie weitergibt, sollte das sagen.

Was der Antrag hergibt, ist der Zweck: Vier Forscher mit verschiedenen Hintergründen brauchten eine gemeinsame Überschrift für ein Vorhaben, das es so noch nicht gab. Ein Sammelbegriff also, geschrieben für Geldgeber.

Daraus folgt eine Eigenschaft, die dem Fach geblieben ist. Ein Sammelbegriff grenzt schlecht ab, und wer ihn benutzt, meint selten dasselbe wie sein Gegenüber.

Was der Bericht von 1973 wirklich bemängelt

Die verkürzte Fassung lautet, Lighthill habe der KI bescheinigt, sie funktioniere nicht. Das steht dort nicht.

Sein Befund ist genauer und deshalb interessanter. Die beiden äußeren Kategorien, also die angewandte Automatisierung und die computergestützte Hirnforschung, hält er für respektabel. Seine Kritik trifft die mittlere Kategorie, die zwischen beiden vermitteln sollte, und sein Vorwurf lautet, dass sie ihre Vermittlungsleistung schuldig geblieben ist.

Wer das auf heute übertragen will, stellt die Frage in derselben Form, statt sie zu beantworten: Gibt es eine Kategorie zwischen den funktionierenden Anwendungen und der Grundlagenforschung, die vor allem aus Ankündigungen besteht? Der Text von 1973 liefert dafür ein Prüfmuster. Ein Urteil über heute steht darin nicht.

Die Antwort auf diese Frage kann heute anders ausfallen als damals. Was sich seit 1973 verändert hat, ist unter anderem der Umstand, dass Anwendungen und Grundlagenarbeit inzwischen an denselben Verfahren hängen.

Was daraus nicht folgt

Aus dem Alter der Fragen folgt kein Stillstand. Dieselben sieben Punkte haben in siebzig Jahren völlig verschiedene Antworten bekommen, und die heutigen funktionieren.

Aus einem Winter folgt kein zweiter. Der Rückschlag von 1973 hat ein Dokument und einen Grund. Für die Achtziger gibt es nur einen Namen; ein vergleichbares Papier fehlt, und daraus ein Muster abzuleiten, überschreitet die Belege.

Aus der Herkunft aus einem Förderantrag folgt keine Abwertung. Viele Fachbegriffe entstehen so. Es erklärt allein, warum das Wort weit gefasst ist.

Aus McCarthys Not yet folgt kein Erkenntnisverzicht. Der Satz sagt, dass eine allgemeine Bestimmung fehlt. Über einzelne Fähigkeiten lässt sich sehr wohl sagen, ob ein System sie hat, und wie man das misst, steht in Beurteilen und Einordnen, Kapitel 04.