Ein langer Weg.
Ein rasanter Wandel.

Die heutige KI entstand nicht über Nacht. Mehr Daten, leistungsfähigere Hardware und neue Lernverfahren haben sich gegenseitig verstärkt.

1950–1980er
Wissen als Regelwerk
Symbolische KI und Expertensysteme arbeiten mit ausdrücklich formulierten Regeln. In klar begrenzten Aufgaben sind sie hilfreich; mit Mehrdeutigkeit und unbekannten Situationen tun sie sich schwer.
1990–2000er
Maschinen lernen aus Beispielen
Statistische Verfahren und Machine Learning erkennen Muster in Daten. Statt jede Regel zu programmieren, trainiert man Modelle beispielsweise für Spamfilter, Prognosen und Klassifikation.
2012
Deep Learning setzt sich durch
Der Erfolg von AlexNet in der Bilderkennung steht für den Durchbruch tiefer neuronaler Netze. GPUs, große Datensätze und verbesserte Trainingsmethoden machen sie praktisch nutzbar.
2017
Die Transformer-Revolution
„Attention Is All You Need“ stellt eine Architektur vor, die Beziehungen zwischen Tokens über Aufmerksamkeitsmechanismen modelliert. Transformer bilden eine zentrale Grundlage vieler heutiger Sprachmodelle.
Zum Originalpaper ↗
2022–heute
Generativ, multimodal, mit Werkzeugen
Chatoberflächen machen Sprachmodelle breit zugänglich. Aktuelle Systeme verbinden Text, Bild und Audio, nutzen externe Werkzeuge und bearbeiten mehrstufige Aufgaben. Offene Gewichte ermöglichen zugleich immer mehr lokale Anwendungen. Verlässlichkeit bleibt eine zentrale Herausforderung.

Ein langer Weg.Ein rasanter Wandel.