ChatGPT 是 AI 一大步？秒懂人工智慧發展 6 階段

人工智慧（AI，Artificial Intelligence）科技，在去年底 ChatGPT 橫空出世引爆破億人氣之後，已成了今年最熱門的關鍵字。但是你可知道它早在 18 世紀就出現原型？中間更歷經多次發展熱潮與寒冬？此文帶你快速從人工智慧的 6 大關鍵發展階段，理解它未來潛力。

2023年肯定是人工智慧元年！自2022年11月底ChatGPT引爆全球熱億與使用後，這幾個月，全球業界已經大量招募相關人才，商家們更是搶著導入AI。

此外，學界除了瘋狂投入研究、發表論文以外，只要系所名稱跟資工、資管、電機能夠沾得上邊，必定是今年學生選系的上乘之選，各國政府更是大舉投資，不願意在這個兵家必爭之地缺席。

不過，人工智慧能夠有今日的熱潮，其實走了很長一段時間，才出現ChatGPT這個一問世就讓眾人有感的超夯AI應用，它可說是人工智慧發展史上的一大步。

至於過去幾十年，AI科技發展曾走過高山與低谷，雖曾經有一些國家研究機構鉅資挹注研發，也有尖端研究機構苦等補助的衰退期。究竟人工智慧的發展有哪6大階段？又怎麼走到今天？本文帶你看。

階段1
18世紀：人工智慧是從神話到真人扮演的下棋機器

人類文明早就有著對於人工智慧的渴望，例如希臘神話中的機械巨人塔羅司（Talos）、《列子》當中工匠偃師打造能歌善舞的人偶，雖說只是神話與寓言故事，但著迷於打造具備智慧的機器，似乎是從古至今不變的追求。

但是，若要追溯到最早原型概念，當推18世紀奧地利人肯沛倫（Wolfgang von Kempelen）打造出會下棋的「土耳其人」（Mechanical Turk）。

這尊僅有上半身的機器人的戰績輝煌，在棋盤上大殺四方，它內部的繁雜機械構造讓人看了目不暇給，但其實僅是掩人耳目用，機械後面有隔板能夠藏人進去，棋藝高超的棋手就是躲在裡面和挑戰者對奕。19世紀，英國人胡博也打造了下棋機器人「阿吉」（Ajeeb），高超的棋藝背後，同樣有人躲在其中，直到20世紀，才有西班牙的工程師真正打造出完全自動的西洋棋機器，但它只能玩三種殘局而已。

▲ 18世紀奧地利人肯沛倫打造出會下棋的「土耳其人」。（Source：Marcin Wichary from San Francisco, U.S.A., CC BY 2.0, via Wikimedia Commons）

階段2
20世紀二戰：圖靈為了反擊納粹，首創AI檢驗標準

將時間快轉到二次大戰，圖靈（Alan Turing）為了破解德國密碼設計的解碼機，成為當代電腦的雛型，他同時也提出了圖靈測試：若人類和機器與另一個人類對話，但無法分辨兩者差異時，該機器就通過了測試，具備了我們所稱的智慧，這也成了日後檢驗機器是否擁有智慧的常用標準。

1956年，在美國新罕布夏州（New Hampshire）達特茅斯學院（Dartmouth College）擔任助理教授的麥卡錫（John McCarthy），偕同幾位年輕的同好，舉辦了一場以人工智慧為名的暑期工作坊，這場時長8週的研究交流，被廣泛視為人工智慧做為研究領域的濫觴。根據企畫內容，這場工作坊旨在討論如何「打造能夠模擬智慧特徵或者能夠學習的機器」。參與活動者，都在日後數十年間成為人工智慧領域的重要推手。

階段3
1956年：第一個對話機器人ELIZA問世，引發首波AI研究熱潮

1956年在達特茅斯會議之後，科學家打造出能夠解決代數問題、證明數學定理的機器。當時也開發出ELIZA對話機器人，作者是麻省理工學院的教授威茲彭（Joseph Weizenbaum），ELIZA能夠扮演心理諮商師的角色，使用者提問後它會耐心引導並回應。因為設計精良，有人在交談後以為ELIZA是由真人操作，但其實它無法理解文字的意思，主要利用自然語言處理，拆解使用者的字句，再按照規則重組成句子。因為用途是聊天或諮詢，對話不會過於複雜，因此能掩人耳目。

由於研究成果驚人，當時的研究者普遍樂觀，甚至認為距離具有完全智慧的機器面世，不需要花上20年。沒想到，馬上面臨第一次的人工智慧寒冬。

1970年代，人工智慧領域的研究受挫，雖然機器能夠處理人類的問題，但解決這些問題就跟玩玩具一樣，只能自娛娛人，無法真的幫得上人類，其他限制包含電腦運算能力的不足、處理問題的時間太長、不具備基本常識等，都讓各國的研究機構不再資處相關計畫。

▲ 1956年對話機器人ELIZA問世，使用者提問後他會耐心回應。（Source：File:ELIZA conversation.jpg, Public domain, via Wikimedia Commons）

階段4
1980～1997年：專家系統出現，帶來第二波AI研究熱潮

不過，就在相關研究處於低谷時，仍有人研究不輟，因此讓人工智慧的第二波熱潮得以在1980年復興。在人工智慧寒冬中開發出的專家系統（expert system），成為這波熱潮的代名詞。專家系統顧名思義，指的是具備特定領域知識的系統，例如診斷疾病、分辨化學物質、挑選製造組件的機器。這些機器能處理的問題不再只是兒戲，而是能夠真確地替企業省下成本與時間的資產。除了專家系統以外，當時神經網路也重新興起，並出現了辨識文字和聲音的用途。

然而，因為專家系統昂貴，又需要特別開發，雖然推出時能夠帶來效益，但隨著個人電腦的逐漸興起，人們以此為專家系統的替代品，而且電腦的用途有很多，相對成本較低，這些都傷害了專家系統的市場；神經網絡復甦帶動了機器學習相關技術的開發，但這同樣需要蒐集大量資料和運算能力，每項都要真金白銀，又沒有辦法立刻帶來豐厚回報。因此，相關機構再次停止注資，人工智慧領域迎接了第二波寒冬。