人工智慧&電腦、資料科學

雖然是英國人，Hinton日後的發展重心卻放在北美，更讓加拿大一躍成為AI的研發重鎮。Hinton極力推廣反向傳播演算法，將已然失去市場信心的「（多層）人工神經網路」重新包裝為「深度學習」，並與學生大力向學界以及大眾推銷這款新瓶舊酒。2012年，Hinton的學生Alex Krizhevsky，以AlexNet贏得當年ImageNet大規模視覺識別挑戰賽冠軍。2018年，Hinton與曾追隨自己的博士後研究員LeCun，以及好友Yoshua Bengio（1964-），因對深度學習的貢獻，三人共同獲頒杜林獎。

與Hinton最初是在一次會議上相遇，發現彼此有著相同的研究主題，於是離開法國遠赴加拿大成為Hinton的博士後研究生。他開發的手寫數字辨識模型LeNet，不但是電腦視覺常見的卷積神經網路（Convolutional Neural Network，CNN）原型，更是首次將反向傳播演算法付諸實踐（於是證實Hinton的想法是可行的）。目前任教於紐約大學，同時是Facebook的首席AI科學家。在2016年的一場會議中，以一個「蛋糕的比喻」強調無監督式學習的重要性，卻意外在學術圈引起軒然大波。

雙親皆為物理學家，Hopfield理所當然地成為一名固態物理學家。但不甘於被舒適圈所侷限的他，不斷向外尋找「那個值得解決的問題」。於是先後跨足分子生物學，以及當時新興的神經科學及AI研究，並在各個領域都有不容忽視的發現或研究成果，例如血紅蛋白的別構調控、tRNA參與蛋白質合成的校正機制。而後提出的「霍普菲爾網路」，不但為生物的聯想式記憶（associative memory）提供了簡單的數學模型，也為當時幾近被廢棄的人工神經網路，重新燃起一絲希望。

身為語言學大家的Chomsky，始終對AI抱持著負面態度，卻在不經意間影響了AI的早期發展：一是他的語法理論，間接促成了當時在IBM做研究的John Backus（1924─2007）開發出第一套高階程式語言FORTRAN。McCarthy便是在FORTRAN的基礎上，於隔年開發出LISP；二則是他曾經（不情願地）參與的「機器翻譯」計劃。該計劃的失敗（並非Chomsky從中作梗）是造成第一次AI寒冬的眾多原因之一。年已九旬的他，從不吝於表達自己在政治上的看法，大力抨擊美國的對外政策。

McCarthy對於近代AI研究有著舉足輕重的地位。1956年，他與好友Marvin Minsky（1927-2016）希望藉由一場工作坊聚集當時相關領域的專家，達到腦力激盪的效果。即使最終成效不佳，但當初為了申請經費在計畫書上所定下的「人工智慧」一詞卻成了這門研究科目的名稱。1958年，他開發出LISP，成為早期AI專案常使用的程式語言。另一方面，早期AI著重於人類知識的符號化與形式化，McCarthy在非單調邏輯的研究成果，讓他成為其中的領頭羊。

Shannon或許是少見的天才型人物。碩士時，他結合布林運算與二元運算，以開關及電路配置實現邏輯匣，堪稱人類科技史上最重要的碩士論文之一。而後他提出「資訊理論」，不但牽起生物神經電訊號與數位訊號之間的聯想，更是當今資訊時代的基石：「位元」作為資訊的最小單位、資料的儲存與除錯、訊息的傳輸，都可追溯到Shannon的理論。無奈他天生內向、不喜張揚的性格，晚年更因罹患阿茲海默症而深居簡出，成了你我最熟悉的陌生人。

Turing在其短暫的一生中有過許多重大的發現與發明，但與AI關聯最密的，莫過於「杜林機」與「杜林測試」。杜林機不是一台「真實」的機器，而是一個抽象的模型，將人類的思維過程轉化為一連串簡單的操作步驟，於是可在電腦上重現，這是早期AI的設計理念。杜林測試，則是用來判斷前項任務成功與否，也就是一台機器是否具有思維能力的一項測驗。即使後續越來越多人指出杜林測試的局限與不足，但對於許多AI開發者而言，仍是他們念茲在茲的目標。

著作等身的多產作家，除了如《基地》系列、《機器人》系列等深植人心的科幻作品外，同時也是一位科普作家，也曾在大學中任教。「機器人學三大定律」最初出現在Asimov 1942年的短篇小說《轉圈圈》（Runaround）中，用以規範通用AI的行為，也是機器倫理的濫觴。三定律看似周全，實際上存在內在矛盾與例外，因而常見於其他科幻作品，作為故事發展的開端或主軸。然而一套倫理學竟然在被規範者出現之前就被廣泛討論，反映了大眾對於「人造智慧體」的猜忌與不安。