人的智慧？人工智慧？
當有人問我「在研究些甚麼呢？」此時我會回答「人工智慧」，接著大約會得到這樣的回應「是喔，似乎很厲害呢。那人工智慧又是什麼？」
雖然媒體上幾乎天天都會提到「AI」和「人工智慧」等名詞，但不知為何，人工智慧總給人一種很深奧的感覺。
「人工智慧」顧名思義，就是由人類所製造的智慧，然而聽完這樣的解釋，還是會想再問「人類所製造的智慧是什麼？或者更深入一點，智慧又是什麼？」
會有這樣的疑問無可厚非。
即使在集合了許多人工智慧研究者人工智慧學會，其中每個會員所研究的東西、研究的目標都因人而異，故實在很難一言以蔽之。
智慧是什麼？我們要如何以人工方式製造智慧？要回答這個問題，就必須從人與人造物的差異在哪裡？人的智慧又是什麼？從這些哲學問題開始討論。
因為我原本對人的智慧來源很感興趣，也做過相關研究，故常會試著思考「如果可以用人工方式製造智慧，是否能讓我們更加了解人的智慧是什麼？」、「歸根究底，為什麼我們會知道自己以外的人和自己一樣是人呢？」這類問題。
然而，對以人工智慧為研究主題的人們來說，目標並不在於探究人類的智慧來源，而是在於以人工方式（工程技術）製造出類似人類智慧的東西。
AI的歷史＜達特茅斯會議＞
雖然我們說，人工智慧是伴隨著電腦發展的，然而「人工智慧」一詞究竟是什麼時候誕生的呢？
1 人工智慧（AI）
人工智慧（Artificial Intelligence）這個名詞是在1956年夏天，於美國東部達特茅斯所舉行的會議中初次登場。對於人工智慧研究者來說，這是一個傳說級的會議。
在這個達特茅斯會議中，人們將像人一樣會思考的電腦稱作「人工智慧」，於是「人工智慧」一詞才終於定案了下來。
在這之前，其實已有可稱為人工智慧研究出現。1946年，公認為世界第一個電腦，ENIAC誕生，這是一個使用了17,000個真空管的巨大計算機。那時人們已經相信，總有一天電腦可能會超越人類。達特茅斯會議將所有以此為目標的研究者聚集在一起，目的正在於此。這個會議中有許多著名的研究人員參加，包括約翰．麥卡錫（John McCarthy*1；1927-2011）、馬文．閔斯基（Marvin Minsky；1927-2016）、艾倫．紐厄爾（Allen Newell*2；1927-1992）、司馬賀（Herbert Simon；1916-2000）。許多研究者在這個會議上發表了當時最新的研究結果。2016年去世的閔斯基，便曾在1951年，利用以硬體實現的類神經網路製作機器學習裝置，這可說是世界上第一個可進行自我學習的人工智慧。
AI的歷史＜第一次AI熱潮＞
經過達特茅斯會議，到了1950年代後期至1960年代流行的是，用電腦進行推論或探索，以解決特定問題的研究。
以走迷宮為例，目標是要從迷宮起點走到終點。人類走迷宮，碰到死路時會稍微後退尋找其他路徑，一步步朝終點邁進。
相對的，讓電腦來走迷宮，不會真的沿道路前進。而是從起點開始進行分類，分成往A走的情況，往B走的情況等。接著將往A走會碰到的情況，以及往B走的情況，進行分類。
在不斷的分類下，最後便能找到終點。這就是人工智慧所使用的方法。
近年來因為電腦的優異表現而廣受媒體矚目的西洋棋、將棋、圍棋等棋類競賽，用的都是這種探索法。
西洋棋、將棋、圍棋等棋類競賽與迷宮不同，在探索時必須考慮對手會用何種方式回應棋步，使得排列組合數大量增加，因此拉高了處理難度。舉例來說，將棋的可能走法有10的220次方，而圍棋更是有10的360次方，簡直是天文數字。
乍看之下，用探索法處理這類問題似乎很麻煩，但隨著電腦處理速度的提升，使電腦在這些棋類競賽中的成績愈來愈好。且隨著各種機器學習方法的問世，電腦展現出壓倒性的優勢。關於機器學習將在本書第三章中解說。
1960年代，人們熱衷於以探索法解決棋類競賽的問題，形成了第一次AI熱潮。然而對於疾病治療，以及其他亟待解決的現實社會問題，人工智慧卻毫無幫助。再加上備受產業界期待的機器翻譯，發展不順，美國政府認為無望，於是切斷了研究資金的提供，成為最後一根稻草，直接造成第一次AI熱潮結束，使得1970年代成為人工智慧的寒冬。
AI的歷史＜第二次AI熱潮＞
第一次AI熱潮人工智慧，其能力的強弱主要依賴電腦的計算能力。然而，電腦有辦法累積相當龐大的知識，這對人類來說是不可能辦到的事。運用電腦的儲存功能，將「知識」存入電腦讓它變聰明，這就是第二次AI熱潮中研究人員們做的事。「專家系統」指的是具有特定領域的龐大知識，在該領域內稱得上是專家人工智慧。1970年代初期，史丹佛大學所開發的MYCIN就是一個很有名的例子。
在第一次AI熱潮中，人工智慧無法為疾病治療作出貢獻，使相關研究進入寒冬。不過MYCIN卻能夠將過去所有診斷為細菌感染病人的症狀與其他狀況（條件）等，作為知識記錄在資料庫。當有新的患者出現時，輸入患者症狀與其他狀況，就能夠推測患者感染某種細菌的機率，如「這種症狀的病人有69%機率感染△△細菌」等。
然而，要讓電腦具有這些知識，需要聽取許多專家的相關知識，並進行許多調查研究，以累積資料，這會耗費相當多的時間與費用。
現在進行式，第三次AI熱潮！
隨著第二次AI熱潮結束，人工智慧寒冬又再度到來。不過到了1990年代中期，搜尋引擎誕生，網路爆炸的普及至每一個角落。到了2000年代，隨著網站數量的增加，人類得以取得大量資料，使得輸入知識至電腦這件事變得容易許多。
當有人問我「在研究些甚麼呢？」此時我會回答「人工智慧」，接著大約會得到這樣的回應「是喔，似乎很厲害呢。那人工智慧又是什麼？」
雖然媒體上幾乎天天都會提到「AI」和「人工智慧」等名詞，但不知為何，人工智慧總給人一種很深奧的感覺。
「人工智慧」顧名思義，就是由人類所製造的智慧，然而聽完這樣的解釋，還是會想再問「人類所製造的智慧是什麼？或者更深入一點，智慧又是什麼？」
會有這樣的疑問無可厚非。
即使在集合了許多人工智慧研究者人工智慧學會，其中每個會員所研究的東西、研究的目標都因人而異，故實在很難一言以蔽之。
智慧是什麼？我們要如何以人工方式製造智慧？要回答這個問題，就必須從人與人造物的差異在哪裡？人的智慧又是什麼？從這些哲學問題開始討論。
因為我原本對人的智慧來源很感興趣，也做過相關研究，故常會試著思考「如果可以用人工方式製造智慧，是否能讓我們更加了解人的智慧是什麼？」、「歸根究底，為什麼我們會知道自己以外的人和自己一樣是人呢？」這類問題。
然而，對以人工智慧為研究主題的人們來說，目標並不在於探究人類的智慧來源，而是在於以人工方式（工程技術）製造出類似人類智慧的東西。
AI的歷史＜達特茅斯會議＞
雖然我們說，人工智慧是伴隨著電腦發展的，然而「人工智慧」一詞究竟是什麼時候誕生的呢？
1 人工智慧（AI）
人工智慧（Artificial Intelligence）這個名詞是在1956年夏天，於美國東部達特茅斯所舉行的會議中初次登場。對於人工智慧研究者來說，這是一個傳說級的會議。
在這個達特茅斯會議中，人們將像人一樣會思考的電腦稱作「人工智慧」，於是「人工智慧」一詞才終於定案了下來。
在這之前，其實已有可稱為人工智慧研究出現。1946年，公認為世界第一個電腦，ENIAC誕生，這是一個使用了17,000個真空管的巨大計算機。那時人們已經相信，總有一天電腦可能會超越人類。達特茅斯會議將所有以此為目標的研究者聚集在一起，目的正在於此。這個會議中有許多著名的研究人員參加，包括約翰．麥卡錫（John McCarthy*1；1927-2011）、馬文．閔斯基（Marvin Minsky；1927-2016）、艾倫．紐厄爾（Allen Newell*2；1927-1992）、司馬賀（Herbert Simon；1916-2000）。許多研究者在這個會議上發表了當時最新的研究結果。2016年去世的閔斯基，便曾在1951年，利用以硬體實現的類神經網路製作機器學習裝置，這可說是世界上第一個可進行自我學習的人工智慧。
AI的歷史＜第一次AI熱潮＞
經過達特茅斯會議，到了1950年代後期至1960年代流行的是，用電腦進行推論或探索，以解決特定問題的研究。
以走迷宮為例，目標是要從迷宮起點走到終點。人類走迷宮，碰到死路時會稍微後退尋找其他路徑，一步步朝終點邁進。
相對的，讓電腦來走迷宮，不會真的沿道路前進。而是從起點開始進行分類，分成往A走的情況，往B走的情況等。接著將往A走會碰到的情況，以及往B走的情況，進行分類。
在不斷的分類下，最後便能找到終點。這就是人工智慧所使用的方法。
近年來因為電腦的優異表現而廣受媒體矚目的西洋棋、將棋、圍棋等棋類競賽，用的都是這種探索法。
西洋棋、將棋、圍棋等棋類競賽與迷宮不同，在探索時必須考慮對手會用何種方式回應棋步，使得排列組合數大量增加，因此拉高了處理難度。舉例來說，將棋的可能走法有10的220次方，而圍棋更是有10的360次方，簡直是天文數字。
乍看之下，用探索法處理這類問題似乎很麻煩，但隨著電腦處理速度的提升，使電腦在這些棋類競賽中的成績愈來愈好。且隨著各種機器學習方法的問世，電腦展現出壓倒性的優勢。關於機器學習將在本書第三章中解說。
1960年代，人們熱衷於以探索法解決棋類競賽的問題，形成了第一次AI熱潮。然而對於疾病治療，以及其他亟待解決的現實社會問題，人工智慧卻毫無幫助。再加上備受產業界期待的機器翻譯，發展不順，美國政府認為無望，於是切斷了研究資金的提供，成為最後一根稻草，直接造成第一次AI熱潮結束，使得1970年代成為人工智慧的寒冬。
AI的歷史＜第二次AI熱潮＞
第一次AI熱潮人工智慧，其能力的強弱主要依賴電腦的計算能力。然而，電腦有辦法累積相當龐大的知識，這對人類來說是不可能辦到的事。運用電腦的儲存功能，將「知識」存入電腦讓它變聰明，這就是第二次AI熱潮中研究人員們做的事。「專家系統」指的是具有特定領域的龐大知識，在該領域內稱得上是專家人工智慧。1970年代初期，史丹佛大學所開發的MYCIN就是一個很有名的例子。
在第一次AI熱潮中，人工智慧無法為疾病治療作出貢獻，使相關研究進入寒冬。不過MYCIN卻能夠將過去所有診斷為細菌感染病人的症狀與其他狀況（條件）等，作為知識記錄在資料庫。當有新的患者出現時，輸入患者症狀與其他狀況，就能夠推測患者感染某種細菌的機率，如「這種症狀的病人有69%機率感染△△細菌」等。
然而，要讓電腦具有這些知識，需要聽取許多專家的相關知識，並進行許多調查研究，以累積資料，這會耗費相當多的時間與費用。
現在進行式，第三次AI熱潮！
隨著第二次AI熱潮結束，人工智慧寒冬又再度到來。不過到了1990年代中期，搜尋引擎誕生，網路爆炸的普及至每一個角落。到了2000年代，隨著網站數量的增加，人類得以取得大量資料，使得輸入知識至電腦這件事變得容易許多。
