人工智慧的過去、現在與未來
講者／陳宜欣（國立清華大學資訊工程學系副教授）｜彙整／葉珊瑀
整理自2020.03.18〈AI報你知．同名〉
什麼是人工智慧
人工智慧（Artificial Intelligence，AI），也就是「人造的智慧」這種概念，其實並不新穎。例如：西元前四世紀的希臘神話中，保護克里特島免受海盜或其他入侵者侵害的青銅製巨型機器人；或《列子．湯問》中，一名名叫偃師的工匠將自己所造、能歌善舞的人偶進獻給周穆王。在在顯示AI縱使最初只是以神話、傳說的方式存在，但早已深植在人類共同的想像中。
然而一直要到近代，1945年大型電腦ENIAC問世、1950年圖靈提出著名的「圖靈測試」、1956年「達特茅斯會議」（Dartmouth workshop）召開，一連串的事件後，AI一詞才正式被定下來，並成為一門獨立的研究學科。人們對AI的期望也由與人類相當，能夠透過觀察作出回應、找出最佳策略、推論與規劃、學習與調適等「有智慧」行為的強AI（strong AI），轉變為僅在特定任務上表現出色的弱AI（weak AI）。
人工智慧的興衰
1950~1960 萌芽期：AI第一次興起是在圖靈測試剛被提出之際，科幻小說家艾西莫夫更在短篇中提出了著名的「機器人學三大定律」，反映了當時人們對機器人的陌生與恐懼。也是在這個時期，有了第一場AI西洋棋比賽與日後常被用於AI開發的程式語言──LISP。
1960~1970黃金年代：AI研究因為美國政府投入大量經費而成為一時顯學。Herbert Simon曾預測機器在20年內就能完成人類力所能及之事，Marvin Minsky更大膽預測AI相關的問題可以在10年內得到解方。
1970~1980第一個寒冬：將人類知識系統化的工程過於浩大，進展比期望緩慢而無法及時回應大眾對AI的種種期望，於是陷入低潮。1980年，哲學家John Searle更提出了著名的「中文房間論證」（Chinese Room Argument），主張一台電腦可以只是盲目地遵從指令、給出合乎情理的中文回應，而完全不懂中文，凸顯了圖靈測試的侷限。學者們發現過往太小看人類智慧，決定縮小範圍，以「專家系統」為目標。
1980~1990專家系統：專家系統是指將人類專家所擁有的知識規則、條列化，成為電腦可以搜尋、推論的形式。最初的構想是建造出一套能協助醫學疾病診斷的系統。然而因為人類專家為避免被取代而藏私，建置不易的專家系統在80年代末期漸漸淡出，AI於是又進入了第二個寒冬。
1997第二波人工智慧：多數學者改變策略，放棄強AI，向弱AI靠攏。當時有兩大推進力：網際網路的崛起使得資料的分享與蒐集變得容易；另一方面，GPU（Graphics Processing Unit，圖像處理器）的發展，也令電腦的運算能力大幅躍進。
電腦與人的競賽
AI再度興起之後，屢屢跌破人類的眼鏡。如1997年，IBM所開發的「深藍」（DeepBlue） 打敗當時的西洋棋世界棋王Garry Kasparov；2005年，二度舉辦的美國「國防高等研究計劃署自駕車競賽」（DARPA Grand Challenge）由史丹佛大學的團隊奪冠，其所開發出的自駕車成功在沙漠中自主行駛240公里；2007年，同樣的競賽升級為「郊區挑戰賽」（DARPA Urban Challenge），由卡內基梅隆大學的團隊奪冠，成功在六小時內於鄉間道路上自主行駛96公里；2011年，IBM設計的「華森」（Watson）機器人打敗人類挑戰者，贏得益智電視節目《危機邊緣》（Jeopardy!）的冠軍。
這些競賽展現了AI的實力，但一直到2016年，AlphaGo擊敗人類圍棋冠軍後，方才引起世人的關注。因為圍棋有著比西洋棋等棋類遊戲更複雜的規則與可能性，一直被認為是人類最後的堡壘。2017年，Google Duplex生活助理已經可以協助使用者處理各種生活中常見的瑣碎雜事，並在應對上已經與人類互動相仿。2018年，IBM的機器人 Project Debater已經能與人類辯論，不僅聽得懂人類的論述、在有限的時間內表達欲表達的內容，還能語帶幽默地回應，讓許多人感到吃驚。
至此，我們或許能注意到：AI不僅只是演算法的研究，還必須與其他領域或研究相互連結。例如：穿戴式裝置、電腦視覺與自然語言的處理，攸關機器如何感知外在世界；機器學習、資料探勘與大數據分析，決定了機器是否能由過往資料中學習。
人工智慧與未來
綜觀AI的發展歷程，目前的AI發展已經重新定位在非取代性的人機合作，透過弱AI的代勞，讓人類專注在那些更需要原創性的事物上。舉個與時事相關的例子：台籍AI科學家，同時也是美國AI公司Graphen執行長的林清詠，在今年初便利用AI自動搜尋20多萬篇與COVID-19相關的學術論文，將文中提及的基因變異位點標示出來，畫出各支病毒的演化樹，確認社區感染、境外移入個案之間的關係。
陳教授勉勵身在這個世代的莘莘學子，應該致力成為AI應用的「轉譯者」，從日常生活中看見需求，並想想AI可以如何幫上忙。讀書不只是讀所屬領域的教科書，還要讀我們所處的世界，塑造一個更美好的未來。
(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)