人工智慧大歷史

(The history of Artificial intelligence)

3/24透過林守德教授講述精彩的人工智慧的簡史，讓我反思，是否能透過深入了解人工智慧歷史的脈絡，帶領我思考此刻與未來人工智慧搶灘的重要關鍵，因此有了動機，研讀過往紀錄彙整了人工智慧大歷史。

人工智慧的起源?

人工智慧的高潮迭起

1956年，於達特茅斯夏季人工智慧研究計畫會議中誕生了人工智慧這個名詞，大家趨之若鶩的想要透過電腦來解決問題，由於電腦是透過數理邏輯建立起來，1960年代，人工智慧的應用都以True與False來理解，因此，應用的面向以代數題與數學證明為主。

然而，好景不常，1974年起，因為人工智慧過了好幾年都沒有重要的突破，因此蒙上一層陰影，主要受限於計算機內存有限與處理速度慢，且應用面沒有之前想像中的廣泛與無法回答人類不知道的問題。

1980年起，統計思維讓人工智慧添入了生機，原本判斷一件事情真假的二元論，添加了量化的概念，描述有多確定這件事情會發生的機率，同時，1986年，Hinton等人提出反向傳播法，降低了類神經網路的計算量，讓類神經網路一度興起，但隨即又發現反向傳播仍受到梯度消失的問題(vanishing gradient problem)，因此又漸漸的凋零，在此同時，淺層深度學習-支持向量機(SVM)等的興起，能從資料學到一套能把郵件分成垃圾郵件與非垃圾郵件兩種類別的技能，因此廣受矚目;另一個分支，第一套專家系統(Expert System) DENDRAL也在這時代誕生，由專家系統之父(Edward Feigenbaum)所發明，用來快速鑑定出化學有機分子，因此，這時代的人工智慧透過蘊含統計思維的支持向量機等的機器學習演算法與專家系統帶起第二波的熱潮，也把人工智慧漸漸推廣到實用層面。

然而，專家系統是由大量的知識庫與推理規則堆疊而成的才能模擬由領域專家才能解決的覆雜問題，需要大量的維護，但其應用範圍仍有侷限性，加上電腦不斷的進步，因此專家系統漸漸走下坡，1987年起，把人工智慧帶到另一個低點，因人工智慧不能無止盡追逐理想，而必須使其更加實用，否則將成泡沫。

人工智慧爆發的轉折點

人工智慧第三波

從1993年起，由於硬體運算能力也大幅提升，機器學習的演算法於語音辨識與影像辨識的能力也隨之增強，應用的領域也越來越廣，因此，第三次受到大家的矚目與期望，2006年，Hinton發展了限制玻爾茲曼機（restricted Boltzmann machine;RBM）模型與深度信念網路 (Deep Belief…