六、AI發展過程
圖靈測試(Turing Test)
• 人與機器對話，若無法辨別出是機器，代表通過圖靈測試，機器具有人工智慧
• 1956年 John MnCarthy正式提出人工智慧這個詞，之後十多年是人工智慧第一個高峰
• 很多科學家利用電腦計算機來幫忙解決一些數學和語言問題，以數理邏輯為基礎解決問題，其中有兩個策略：
╴白箱策略：直接模仿人類逐步推理(Reasoning)
╴黑箱策略：提出感知器(Perceptron)
• 模仿人腦的神經且只有一層，就叫做前饋類神經網路(Forward Artificial Neural Network)
只能做二元線性分類器
• 1969年兩位麻省理工學院教授Minsky和Papert分析單層類神經網路，證明它不能解決XOR線性不可分問題，人工智慧(類神經網路)陷入黑暗期
• 1982年John Hopfield提出霍普菲爾網路(Hopfield Neural Network, HNN)
• 1986年Rumelhart & Hinton提出一個類神經網路的傳遞方法，反向傳播算法(Back Propagation)，最早的神經網路只能往前傳，現在也能往後傳
⇒解決了1969年的質疑，人工智慧第二波高潮又起來了
• 1980年代專家系統大為盛行
• 1990年代發現用類神經網路來解決問題需要很多運算資源，且會越來越複雜，因為跑不動，所以放棄用類神經網路做圖形和語音辨識，梯度下降會讓優化陷入不好的Local Minimum，人工智慧(類神經網路)陷入第二次黑暗期
• 同時機器學習/資料探勘也在做類似人工智慧的事情，方法有很多，就讓機器來學習，其中較有名的方法，如：向量機(Support Vector Machine, SVM)在圖像和語音辨識部分不錯，又慢慢提升
• 2006年Hinton成功訓練多層神經網路，命名為深度學習

影像(ImageNet)
• 2007年Google首席科學家李飛飛等開放一個影像辨識的資料庫給研究者測試，錯誤率大概為28%~30%，人類的錯誤率約為5%
• 2012年將深度學習應用到圖像辨識，錯誤率降至15%~16%
• 2015年錯誤率更降至2.9%~3.5%
語音(Switchboard)
• 語音辨識常用語料數據庫，IBM Watson已可將錯誤率降至5.5%

參考資料
https://www.youtube.com/watch?v=d2UHiLkzulo&list=PLdSWxzxDhd3G1ZA1VG3zBUjiSHmjuRFdm&index=2