人工智慧 (Artificial Intelligence) 其實是一個攏統的詞彙，
現代的定義並不非常嚴謹，
早期提出人工智慧的科學家，主要希望設計一種電腦系統，能和人一樣思考，
並且該電腦系統能通過圖靈測試。
在圖靈測試 (Turing Test) 中，假如把和你對話的對象遮起來，由你和它對話，而你無法從它的回話結果猜到它到底是不是人類，那麼受測的機器就通過圖靈測試。
現在的人工智慧，並不強調電腦能像人腦思考這一點，
而是廣義的指電腦能有類似人類的智能，代替人去做思考、決策的一些系統。
但如果這種系統缺乏演繹、舉一反三的能力，
只是學習人類的行為，代替人類做一些重複的工作，
其實只和自動化 (Automation) 的概念重複，並不是狹義的人工智慧。
智慧 (Wisdom) 和 智能 (Intelligence) 其實是不同的概念，
智慧不一定代表的是思考能力，有時候指的是人生體驗的累積，和聰明才智不能畫上等號，
因此，我們在談的人工智慧，其實應該正名為人工智能。
人工智慧分為幾個發展階段，任務也不同。
最早的人工智慧偏向數學理論，或者有一點哲學的味道，
有學者提出 GPS (General Problem Solver) ，認為所有問題都能用電腦解決，
認為無論是什麼問題，
只要把大問題拆成小問題，接著解決最能解決的小問題，再一步一步逼近大問題，就能把最大的原問題解決了。
有學者提出啟發式 (Heuristic) 模型 ，每要往下一個計算流程移動時，先計算出往每一步得到的分數分別為何，
接著每次都前往得分最高、扣分最少的那一步前進。
但若每次都只往得分最高的方向，則可能陷入 Local Maximum (局部最大化) 的窘境，
因此有學者提出模擬退火法 (Simulated Annealing) ，認為需要「難得糊塗」，偶而隨機一下，不要每次都選得分最高的。
接著有學者提出 Rule-based reasoning，利用多項規則去做推理，利用矛盾證法，讓電腦從舊的規則中，自己推理出新的規則。
然而這樣的系統被詬病，沒有人類世界的基本常識，而基本常識是永遠都建構不完的。(當時沒有資料庫的概念)
後來，連結學派 (Connetivity) 提出的模擬人腦神經元運作模式的「類神經網路」也應用在人工智慧上了，
為人工智慧界帶來了一個新的熱潮，然而後來發現一個神經元只能解出線性問題的分類，
只要非線性問題就無法分類，因此連「XOR」這一類的問題都無法解決，
當時人工智慧便被冷落了一陣子。
此時，專家系統的出現，又將人工智慧帶入了另一個高峰，
「MYCIN」人工智慧系統，抗生素開藥準確率高於史丹佛大學頂尖醫生，
讓人工智慧再度受到各國重視。
日本在1980年代提出「第五代電腦」計畫。(大型積體電路電腦是第四代)
以政府的力量，希望開發出能和人類一樣思考動作的機器，
並且聘請全世界各大人工智慧專家一起投入研究，
美國的人工智慧學派也於此同時復興。
然而隨著1990年代日本經濟泡沫化，第五代電腦計畫宣告失敗，
人工智慧又進入了另一個寒冬。
而在 1980 年代左右，另一個興起的電腦科學項目，是資料庫系統，
許多學者發現資料量蒐集一定程度時，就能從中挖掘到重要的商機。
因此「資料探勘」(又稱資料採礦，Data Mining) 受到許多學者的重視。
資料探勘，本質上屬於目前討論正熱的「機器學習」，
機器學習就是從大量資料中，學會資料分類 (Classification)、分群 (Clustering)，
並且將學習出來的模型，應用在各行各業之上。
近年來打敗世界圍棋冠軍的 AlphaGO，就是利用卷積類神經網路 (Convolution Neural Network)
做機器學習，從大量棋譜的學習下棋的方式，因此它的棋路雖然與一般人有所不同，卻能打贏世界冠軍。
「增強式學習」(Reinforcement Learning) 也是一門機器學習的派別，
透過心理學「蘿蔔與棒子」，訓練出一個模型，知道什麼該做，什麼不該做，
某種程度上也和 Heuristic 模型有點類似。
總上所述，我們知道人工智慧就是由數學模型所構成，
並不僅有單一數學模型，人們仍要依據不同情況選擇不同模型來讓電腦學習決策，
仍然沒有真正的 GPS (General Problem Solver) 存在。(無法一個模型解決所有問題)
因此人工智慧仍然只是工具，
距離電腦擁有自我意識，還有很長一段距離，可能有生之年你我都看不到。
近年來由於電腦運算能力的提升、電腦的普及、網際網路的發達，因此廣義的、狹義的人工智慧都有其發展空間，
可以預期人工智慧未來幾年仍是顯學。
但過去幾次人工智慧的研究被打入冷宮，就是因為過度期望、過度吹噓，
但無論如何，可以確定的是，人工智慧發展的速度越來越快，也對我們的生活帶來便利，
也不斷的為我們帶來許多驚喜，與嶄新的生活方式。
留言列表
趨勢 Trends (1)