Wenn heute über künstliche Intelligenz gesprochen wird, denken viele sofort an große Sprachmodelle, Bildgeneratoren oder KI-PCs mit leistungsfähigen NPUs. Dabei ist ein großer Teil der grundlegenden Idee wesentlich älter, denn keine Idee kommt aus dem Nichts, es gibt immer Wurzeln auf die aufgebaut wird.
Und manches davon wirkt aus heutiger Sicht mitunter fast schon verblüffend modern.
Was konnte ein Computer in den 80ern eigentlich mit KI anfangen?
Erstaunlich viel – zumindest, wenn man bereit war, die Ansprüche etwas herunterzuschrauben.
Ein typischer Heimcomputer oder PC der 1980er Jahre hatte nur einen Bruchteil der Rechenleistung, des Arbeitsspeichers und der Speicherkapazität eines heutigen Smartphones. Trotzdem entstanden damals Programme, die nicht einfach nur vorher festgelegte Befehle ausführten.
Forscher beschäftigten sich beispielsweise mit Expertensystemen, neuronalen Netzen, Mustererkennung, Robotik und sogenannten Multi-Agenten-Systemen.
Das Grundprinzip war häufig erstaunlich einfach: Man gab einzelnen Objekten einige Regeln vor – und beobachtete anschließend, welches Verhalten daraus entstand.
Genau hier kommen die beliebten Vögel bzw. Vogelschwärme ins Spiel.
Wie bringt man einen Vogelschwarm auf den Bildschirm?
1986 entwickelte der Informatiker Craig Reynolds ein Computermodell, das später unter dem Namen „Boids“ bekannt wurde. Die Idee dahinter war faszinierend: Man wollte das Verhalten eines Vogelschwarms nicht als eine komplizierte Gesamtformel programmieren.
Stattdessen bekam jeder einzelne virtuelle Vogel nur einige relativ einfache Regeln.
Ein Vogel sollte sich beispielsweise an seinen Nachbarn orientieren, nicht mit ihnen zusammenstoßen und ungefähr in dieselbe Richtung fliegen. Außerdem sollte er versuchen, in der Nähe der Gruppe zu bleiben.
Mehr war zunächst gar nicht nötig.
Auf dem Bildschirm entstanden daraus plötzlich Bewegungen, die erstaunlich stark an einen echten Vogelschwarm erinnerten.
Das Entscheidende dabei war: Niemand hatte dem Computer vorgeschrieben, wie ein Vogelschwarm als Ganzes aussehen sollte.
Das Verhalten entstand aus den Interaktionen vieler einzelner Agenten, auch wenn ich jetzt nicht mehr genau weiß, ob man das Wort „Agenten“ damals schon verwendet hatte.
Warum Boids mit moderner KI zu tun hat
Ein einzelner virtueller Vogel ist relativ simpel. Betrachtet man jedoch Hunderte oder Tausende davon, entstehen Strukturen und Bewegungsmuster, die auf der Ebene eines einzelnen Vogels gar nicht programmiert wurden. In der Informatik spricht man in diesem Zusammenhang häufig von emergentem Verhalten. Aus einfachen lokalen Regeln entsteht ein komplexes Gesamtverhalten. Und wer mal mit diesen „alten“ Programme Vogelschwärme hat fliegen lassen, der weiß, wie faszinierend das aussah und immer noch aussieht.
Das Prinzip, welches hier beschreiben wird, findet sich in zahlreichen Bereichen wieder. Schwarmrobotik, Verkehrssimulationen, Computerspiele, künstliches Leben und Simulationen biologischer Systeme nutzen ähnliche Konzepte.
Und damit sind wir bereits erstaunlich nah an einer modernen KI-Idee: Nicht jede intelligente oder komplex wirkende Struktur muss direkt programmiert werden. Manchmal reicht es, ein System so zu gestalten, dass aus vielen einfachen Interaktionen etwas Komplexeres entsteht. Im Grunde wie eine Ameisenkolonie…
Welche Rechner wurden für solche Experimente verwendet?
Das Spannende an der KI-Forschung dieser Zeit ist auch die Hardware.
Natürlich liefen wissenschaftliche Experimente häufig auf leistungsfähigen Unix-Workstations, Minicomputern oder Großrechnern. Gleichzeitig erreichten viele Konzepte aber auch die Welt der Heimcomputer. Vielleicht erinnert sich ja so mancher Leser. Ein Amiga, Atari ST oder später ein leistungsfähiger PC konnte grafische Simulationen darstellen, die für damalige Verhältnisse durchaus beeindruckend waren.
Ein heutiger Rechner würde über solche Simulationen vermutlich müde lächeln. Ein Prozessor mit mehreren Milliarden Transistoren und eine moderne GPU können Milliarden Berechnungen in kürzester Zeit durchführen. In den 80ern musste man dagegen mit jedem Byte und jeder CPU-Zeit haushalten. Es dafür aber auch eine sehr aufregende Zeit und es führte zu einer besonderen Art der Programmierung: Algorithmen mussten effizient sein, Datenstrukturen wurden sorgfältig gewählt und grafische Effekte oft direkt über hardwarenahe Routinen umgesetzt.
Und welche Programmiersprachen wurden für KI verwendet?
Wenn man heute an KI-Programmierung denkt, fällt vermutlich zuerst Python ein. In den 80er- und frühen 90er-Jahren sah die Welt völlig anders aus.
Eine besonders wichtige Sprache war Lisp, eine der klassischen KI-Sprachen und bereits seit den frühen Tagen der künstlichen Intelligenz eingesetzt. Die Sprache war besonders gut für symbolische Verarbeitung geeignet und spielte deshalb bei Expertensystemen, Wissensrepräsentation und Forschung eine wichtige Rolle.
Eine weitere interessante Sprache war Prolog.
Prolog wurde vor allem für logisches Schließen und wissensbasierte Systeme verwendet. Statt einen klassischen Programmablauf Schritt für Schritt zu beschreiben, konnte man Fakten und Regeln formulieren und anschließend Fragen an das System stellen.
Daneben waren C und C++ enorm wichtig, zumindest im Laufe der Jahre. Gerade wenn es um Simulationen, Geschwindigkeit und direkten Zugriff auf die Hardware ging, waren C und später C++ hervorragende Werkzeuge.
Und natürlich spielte auch Pascal eine Rolle, insbesondere im Bildungsbereich und bei vielen ambitionierten Hobbyprogrammierern.
Später kam Java hinzu und wurde in den 90ern für viele Anwendungen interessant – unter anderem, weil Programme vergleichsweise plattformunabhängig ausgeführt werden konnten.
Neuronale Netze waren damals schon ein Thema
Eine weitere Parallele zur heutigen KI ist noch interessanter: Neuronale Netze sind keineswegs eine Erfindung des 21. Jahrhunderts. Die grundlegenden Ideen reichen wesentlich weiter zurück. Bereits Jahrzehnte vor dem aktuellen KI-Boom beschäftigten sich Wissenschaftler mit künstlichen neuronalen Netzen.
In den 80ern erlebte dieses Forschungsgebiet erneut einen deutlichen Aufschwung. Ein wichtiger Meilenstein war die stärkere Verbreitung des Backpropagation-Verfahrens, mit dem mehrschichtige neuronale Netze trainiert werden konnten.
Allerdings gab es einen gewaltigen Unterschied zur heutigen Situation. Die Rechner waren halt langsam und Speicher war teuer. Trainingsdaten waren begrenzt und große Datensätze, wie sie moderne KI-Systeme verwenden, standen schlicht nicht zur Verfügung. Ein neuronales Netz mit wenigen Schichten konnte so bereits ein sehr ernsthaftes und forderndes Forschungsprojekt sein.
KI ohne riesige Datenmengen
Das führt zu einem interessanten Unterschied zwischen damaliger und heutiger KI.
Viele Systeme der 80er und 90er Jahre versuchten nicht, aus gigantischen Datenmengen statistische Zusammenhänge zu lernen. Stattdessen wurden Wissen und Regeln häufig von Menschen vorgegeben. Das berühmteste Beispiel dafür sind Expertensysteme, bei denen beispielsweise medizinisches Wissen oder technisches Fachwissen in Form von Regeln gespeichert wurde. Wenn bestimmte Bedingungen erfüllt waren, konnte das System dann daraus Schlussfolgerungen ableiten.
Das war weniger „magisch“ als heutige generative KI – dafür konnte man häufig relativ gut nachvollziehen, warum ein System zu einer bestimmten Entscheidung kam, was heute ja nicht mehr so einfach ist. Bei heutigen System verstehen nicht selten die Entwickler ihre eigenen Systeme nicht mehr, weswegen moderne KI auch so ihre Risiken hat.
Warum die KI damals trotzdem nicht so richtig durchstartete
In den 1980er Jahren waren die Erwartungen an künstliche Intelligenz teilweise enorm. Manche Vorstellungen waren erstaunlich optimistisch. Computer sollten bald viele Aufgaben übernehmen, die menschliche Intelligenz erforderten. Die Realität war schon damals wesentlich schwieriger.
Rechner waren zu langsam, Speicher und Daten waren begrenzt und viele Probleme erwiesen sich als wesentlich komplizierter als erwartet.
Das führte schließlich zu Phasen, in denen die Begeisterung für KI deutlich nachließ. Diese Perioden werden häufig als „KI-Winter“ bezeichnet. die ganz große Begeisterung kühlte ab, aber die Forschung verschwand natürlich trotzdem nicht. Sie entwickelte sich weiter – nur wesentlich weniger spektakulär.
Die 90er: PCs werden zur ernsthaften Entwicklungsplattform
In den 90ern veränderte sich die Situation dann langsam. PCs wurden schneller und günstiger, Grafikkarten wurden leistungsfähiger, ebenso der Arbeitsspeicher Betriebssysteme boten immer bessere Entwicklungsumgebungen. Dadurch konnten auch ambitionierte Hobbyprogrammierer komplexere Simulationen ausprobieren.
Wer damals beispielsweise mit C oder C++ programmieren konnte, konnte bereits eigene neuronale Netze, genetische Algorithmen oder Schwarmmodelle entwickeln. Und genau hier liegt ein Punkt, den ich an dieser Zeit besonders interessant finde.
- Man brauchte keine Cloud.
- Man brauchte keine monatliche KI-Flatrate.
- Und man brauchte auch keinen Rechner mit einer riesigen GPU.
Man schrieb den Code, kompilierte ihn und beobachtete anschließend, was auf dem Bildschirm passierte und manchmal halt auch nicht, aber es hat trotzdem immer Spaß gemacht.
Von Vögeln zu Ameisen und Robotern
Die Schwarmidee blieb dabei natürlich nicht bei Vögeln stehen. Forscher untersuchten auch das Verhalten der bereits angesprochenen Ameisen sowie von Bienen und anderen sozialen Tieren. Daraus entwickelten sich unter anderem Algorithmen, die sich an der Suche nach Nahrung oder an der Kommunikation innerhalb von Kolonien orientierten.
Ein bekanntes Beispiel sind sogenannte Ant-Colony-Optimization-Verfahren. Hier wird das Verhalten von Ameisen bei der Suche nach günstigen Wegen abstrahiert. Virtuelle „Ameisen“ hinterlassen beispielsweise Informationen auf möglichen Wegen, wodurch gute Lösungen im Laufe der Simulation stärker gewichtet werden können.
Was nach einem Computerspiel mit kleinen Ameisen klingt, kann tatsächlich zur Lösung mathematischer Optimierungsprobleme eingesetzt werden.
Warum diese alten Experimente heute wieder interessant sind
Vielleicht ist genau das der faszinierendste Teil dieser Geschichte. Viele Ideen aus den 80ern und 90ern wirken heute keineswegs veraltet. Wir sprechen heute wieder über autonome Agenten, Multi-Agenten-Systeme, Schwarmrobotik, neuronale Netze und emergentes Verhalten.
Aber etwas hat sich verändert: Die Rechner sind inzwischen deutlich leistungsfähiger und bieten damit auch ganz andere Möglichkeiten. Ein Smartphone von heute besitzt mehr Rechenleistung als praktisch alle Rechner, die damals für wissenschaftliche Experimente eingesetzt wurden. Eine moderne Grafikkarte kann Simulationen parallel berechnen, für die man früher sehr viel Geduld benötigt hätte.
Die Grundidee ist jedoch erstaunlich konstant geblieben:
Gib einem System Regeln, Informationen und Möglichkeiten zur Interaktion – und beobachte, welches Verhalten daraus entsteht.
Von Boids zu ChatGPT ist es trotzdem ein weiter Weg
Natürlich sollte man nicht den Eindruck bekommen, ein Vogelschwarm auf einem Amiga sei bereits ein Sprachmodell gewesen. Das wäre historisch und technisch falsch.
Ein Boids-Modell lernt normalerweise nicht wie ein modernes neuronales Netz. Es besitzt keine riesige Wissensbasis und versteht keine Sprache. Es simuliert ein System auf Grundlage definierter Regeln. Aber die dahinterstehende Denkweise ist für die Geschichte der KI eben enorm interessant. Sie zeigt nämlich, dass künstliche Intelligenz nie nur aus einem einzigen Ansatz bestanden hat.
Es gab symbolische KI, Expertensysteme, neuronale Netze, evolutionäre Algorithmen, künstliches Leben und agentenbasierte Simulationen. Viele dieser Ansätze wurden zeitweise gefeiert, gerieten anschließend etwas aus dem Blickfeld und tauchten später in neuer Form wieder auf.
Was würde ein Entwickler aus den 80ern über heutige KI denken?
Ich stelle mir diese Frage tatsächlich ziemlich gerne vor. Man setzt einen Entwickler aus dem Jahr 1987 vor einen modernen Laptop mit:
32 oder 64 GB RAM, mehrere CPU-Kerne, eine GPU mit enormer Rechenleistung. Terabyte an SSD-Speicher, hochauflösendes Display, permanente Internetverbindung…
Und dann zeigt man ihm einen modernen KI-Assistenten. Vermutlich wäre die Reaktion zunächst einmal ungläubiges Staunen. Aber nach der ersten Begeisterung würde wahrscheinlich eine andere Reaktion folgen:
„Moment. Was passiert da eigentlich genau?“
Und damit wären wir wieder bei einer der spannendsten Fragen der KI.
KI hat nicht mit Chatbots begonnen
Der aktuelle KI-Boom fühlt sich neu an – und hinsichtlich der Leistungsfähigkeit moderner Systeme ist er das auch, aber die Ideen dahinter sind deutlich älter.
Schon vor Jahrzehnten haben Forscher versucht, Intelligenz nicht direkt nachzubauen, sondern Verhalten zu modellieren. Sie experimentierten mit kleinen virtuellen Wesen, neuronalen Netzen, Regeln und evolutionären Verfahren.
Ein Vogelschwarm auf einem alten Rechner mag aus heutiger Sicht wie eine nette Grafikdemo wirken. Tatsächlich steckt dahinter aber eine sehr wichtige Idee der Informatik: Komplexität kann aus Einfachheit entstehen.
Und vielleicht ist genau das eine der schönsten Verbindungen zwischen der KI-Forschung der 80er und 90er Jahre und der künstlichen Intelligenz, über die wir heute sprechen.
Damals beobachteten wir ein paar Pixel, die sich wie Vögel bewegten. Heute beobachten wir Milliarden Parameter, die Sprache erzeugen, Bilder analysieren oder Code schreiben.
Die Rechnerwelten könnten kaum unterschiedlicher sein. Die Neugier dahinter ist erstaunlich ähnlich geblieben.
