In den späten 1970er und frühen 1980er Jahren führte die staatliche Finanzierung der kognitiven Forschung unerwartet zu bedeutenden Fortschritten in der künstlichen Intelligenz (KI). Diese Forschung verwandelte nicht nur unser Verständnis der menschlichen Kognition durch computergestützte Modelle, sondern legte auch die Grundlagen für die Deep-Learning-Systeme, die die heutige KI-Technologie antreiben.
Die National Science Foundation und das Office of Naval Research finanzierten Projekte von James "Jay" McClelland, David Rumelhart und Geoffrey Hinton, um menschliche kognitive Fähigkeiten zu modellieren. Ihre Arbeit führte zu bahnbrechenden Entdeckungen, darunter ein neuronales Netzwerkmodell für die Wahrnehmung von Buchstaben und Wörtern sowie der einflussreiche Backpropagation-Algorithmus, der für moderne KI-Systeme grundlegend ist.
McClelland, ein Kognitionswissenschaftler an der Stanford University, stellte fest, dass der Backpropagation-Algorithmus heute das Rückgrat aller seit seiner Entstehung entwickelten Deep-Learning-Systeme bildet. Diese Forschung brachte dem Trio 2024 den Golden Goose Award ein, der die tiefgreifende Wirkung ihrer Grundlagenforschung auf die Welt anerkennt.
In den 1970er Jahren wich die Zusammenarbeit von McClelland und Rumelhart von den vorherrschenden Theorien der Sprachverarbeitung ab, die größtenteils symbolisch waren. Stattdessen schlugen sie vor, dass das Verständnis von Sprache die gleichzeitige Nutzung aller verfügbaren Informationen erfordert und betonten die Bedeutung des Kontexts.
Mit Hinton's Eintritt in die Gruppe Anfang der 1980er Jahre verlagerte sich der Fokus des Teams auf ein komplexeres Verständnis von neuronalen Netzwerken. Sie veröffentlichten einflussreiche Arbeiten, die das Feld neu gestalteten, einschließlich des wegweisenden Artikels in Nature, der den Backpropagation-Algorithmus vorstellte.
Trotz einer anfänglichen langsamen Akzeptanz von neuronalen Netzwerkmodellen änderte sich die Landschaft dramatisch mit dem Aufkommen leistungsstarker Computer und großer Datensätze, die die erfolgreiche Anwendung von Deep-Learning-Techniken in verschiedenen KI-Systemen ermöglichten.
Heute untersucht McClelland weiterhin die Schnittstelle zwischen menschlicher Kognition und KI und prüft, wie Erkenntnisse aus neuronalen Netzwerken unser Verständnis des menschlichen Geistes und umgekehrt beeinflussen können. Seine laufenden Forschungen beleuchten die Ähnlichkeiten und Unterschiede zwischen menschlicher Kognition und computerisierten neuronalen Netzwerken und enthüllen faszinierende Einblicke in die Natur des Bewusstseins.