Künstliche Intelligenzen haben in den vergangenen zwei Jahrzehnten viele Aspekte unseres Lebens und Arbeitens revolutioniert. Sie begegnen uns heute beispielsweise als Übersetzungstools oder bei der Gesichtserkennung sowie als Text- und Bildgeneratoren. Manche dieser KIs wie ChatGPT und Co erscheinen uns heute selbstverständlich, doch der Beginn ihrer Entwicklung liegt rund 80 Jahre zurück. Entwickelt wurden sie ursprünglich, um große Datenmengen in der Forschung zu verarbeiten und auszuwerten. In diesem Bereich werden sie heute tatsächlich für vielfältigste Fragestellungen genutzt – etwa um die Struktur von Molekülen zu berechnen. Und auch in der medizinischen Diagnostik kommen KIs zum Einsatz, beispielsweise um bei der Tumorerkennung zu helfen.
Schrittweise Weiterentwicklung der neuronalen Netzwerke
All diese KI-Systeme beruhen auf sogenannten neuronalen Netzwerken – vernetzten Systemen, bei denen Rechenknoten über unterschiedlich starke Verbindungen miteinander verschaltet sind. Als Inspiration solcher Systeme dienten den Forschenden schon in den 1940er Jahren die Verknüpfungen zwischen den Neuronen in unserem Gehirn, die über Synapsen mehr oder weniger dicht und intensiv miteinander verbunden sind. Wenn wir lernen, bilden sich neue Verknüpfungen aus. Ähnliches passiert bei modernen, künstlichen neuronalen Netzwerken, ohne dass sie konkrete Anweisungen haben, wie sie Daten verarbeiten sollen: die Maschine lernt selbstständig. Anders als bei unserem Gehirn optimiert das künstliche neuronale Netz aber nicht Synapsen und funktionelle Nervenbahnen, sondern Signalwege und Korrelationen zwischen Input und Output.
Die diesjährigen Physik-Nobelpreisträger leisteten bei der Entwicklung solcher neuronaler Netzwerke und maschinellem Lernen Pionierarbeit. „Dank ihrer Arbeit ab den 1980er Jahren haben John Hopfield und Geoffrey Hinton dazu beigetragen, den Grundstein für die Revolution des maschinellen Lernens zu legen, die um 2010 begann“, so das Nobelkomitee.
Der US-Physiker John Hopfield entwickelte 1982 als erster ein – heute vergleichsweise simples – Netzwerk, das Informationen verarbeiten konnte: das Hopfield-Netzwerk. Dabei handelt es sich um eine Art künstliches assoziatives Gedächtnis, bei dem Informationen möglichst energiesparend gespeichert und später wieder abgerufen werden. Dieses Netzwerk konnte erstmals Datenmuster mit zuvor gespeicherten Datensets vergleichen und ähnliche Muster einander zuordnen. „Mit dem Hopfield-Netzwerk können Daten wiederhergestellt werden, die Rauschen enthalten oder teilweise gelöscht wurden“, erklärt das Nobelkomitee.
