Wenn Software begann, Software zu schreiben

Wenn du Code auslieferst, verändert sich dein Job.

Du bist vom Schreiben jeder einzelnen Zeile zur Nutzung von Autocomplete übergegangen. Jetzt schreibst du Spezifikationen und siehst zu, wie Agenten den Code für dich schreiben, testen und ausliefern.

Das geschah nicht über Nacht. Es ist eine 70-jährige Geschichte der Neudefinition von Intelligenz.

So sind wir hierher gekommen:

  1. Die symbolische Ära (1950er–1980er) Intelligenz bedeutete Logik. Menschen schrieben jede Regel manuell mit IF-THEN-Anweisungen. Diese Systeme waren in einem kleinen, abgeschlossenen Bereich brillant, scheiterten aber in der realen Welt. Sie konnten nicht aus Daten lernen.

  2. Die statistische Ära (1990er–2000er) Wir hörten auf, Maschinen die Regeln vorzugeben. Stattdessen zeigten wir ihnen Beispiele. Maschinen nutzten Mathematik, um Muster in Daten zu finden. Dies brachte uns Spam-Filter und Empfehlungsmaschinen. Die Intelligenz hing jedoch immer noch davon ab, dass Menschen die richtigen Datenmerkmale auswählten.

  3. Die Deep-Learning-Ära (2012–2017) Mit AlexNet änderte sich alles. Wir stellten fest: Wenn man genügend Schichten stapelt und ausreichend Daten verwendet, findet das Modell seine eigenen Merkmale. Kein manuelles Feature Engineering mehr. Computer begannen, wie Menschen zu sehen und zu hören.

  4. Die Transformer-Ära (2017–2022) Die Transformer-Architektur ermöglichte es Modellen, massive Textmengen gleichzeitig zu verarbeiten. Dies führte zu GPT. Intelligenz wurde kompositionell. Ein Modell konnte ein Gedicht schreiben, Python debuggen und Mathematik erklären. Sprache wurde zur Schnittstelle für alle Aufgaben.

  5. Die agentische Ära (2023–heute) Wir geben Modellen Hände. Ein Agent beantwortet nicht nur eine Frage. Er nutzt Werkzeuge, surft im Web, führt Code aus und korrigiert seine eigenen Fehler. Er bewegt sich von einer passiven Antwort hin zu einem aktiven Kreislauf.

Das Muster ist klar. Jede Ära verlagerte die Arbeit von Menschen auf Maschinen.

  • Symbolische KI: Menschen schrieben die Regeln.
  • Statistisches ML: Menschen wählten die Merkmale.
  • Deep Learning: Modelle lernten die Repräsentationen.
  • LLMs: Modelle lernten aus dem Internet.
  • Agenten: Modelle planen und handeln.

Jeder Sprung war auch eine wirtschaftliche Geschichte. Wir bauen das, was wir uns leisten können zu betreiben. Da Rechenleistung immer günstiger wird, werden Agenten immer intelligenter.

Wir bauen nicht nur Werkzeuge. Wir bauen Kollaborateure.

Source: https://dev.to/adamthedeveloper/when-software-started-writing-software-a-developers-history-of-ai-4p9n

Optional learning community: https://t.me/GyaanSetuAi