今日事項：簡單了解 AI 的發展歷史
如果文章對你有幫助的話，歡迎按讚或留言，讓我知道我不是一個人在這裡碎碎念（？），我會很感謝的❤️
我們在昨天已經大概了解所謂「AI」的定義了，也就是說，我們知道大概什麼東西是我們所定義的怪獸。
那今天我們就來簡單聊聊發現怪獸並開始研究的歷史！
簡單就好，我們只要記住他們曾經興起過，有過三波的熱潮，並且進入過兩波的低谷，畢竟抓個神奇寶貝不用了解他的祖宗十八代……
大家看現在的電動車是不是很酷很新奇，感覺好像是現在這個時代才出現的東西，在歷史上只出現在動畫、電影中的想像裡。
其實沒有，早在大概一百年前，電動車就已經出現在美國與法國的街頭了，甚至數量要比現在常見的燃油車要多得多，只不過後來因為技術和成本的問題所以消失在大眾視野，直到近代因為鋰電池等等相關技術發展完善，所以再次興起。
而 AI 人工智慧也是一樣，依照我們對 AI 所定義的「讓機器模仿、執行原本需要人類智慧才能完成的任務」，早在 1942 年由圖靈所設計的 Bombe 密碼破解機，其實就算是 AI 早期應用的一種。
相信大家應該都有聽過「圖靈測試」吧，這個測試所說的就是，當一個被創造出來的機器，隔著電話一端跟不知道那是機器的人類對話，而那個人卻沒有發覺的話，這個機器就算通過測試，算具有人類的水準了。
到 1956 年達特茅斯會議中，所謂的 AI 人工智慧一詞才真正出現，由有人工智慧之父稱呼的約翰麥卡錫提出，
當時集結了許多不同領域的學者，並且想著一件事情：如果想要讓這個「機器」有人類的智慧，是不是要先讓他的思維跟邏輯一樣？
如果要讓機器跟人類有一樣的思考方式，那他的「腦子」也要跟人類差不多吧？這個時候「神經網路」就出現了。
透過模仿人類的神經元來創造機器，這個構想在當時引起了非常的的關注，也掀起第一波 AI 的熱潮。
就在大家欣喜若狂，感覺 AI 好像要興起的時候，突然發現了哪裡有點不對勁。
這時候 Minsky 提出了他的觀點：這些神經網路只能處理線性問題，而且缺乏足夠的表達能力，只能處理簡單的問題。
再加上當時的電腦運算能力不足，跑的速度也很慢很慢……
在學者認同的時候，AI 領域相關的投資人也知道了，如果各位投資人發現這個領域有這麼大的侷限性難以興起，還會投錢下去嗎？
不會吧？把錢丟進水裡還有聲音，這邊這麼多錢下去也不聲不響沒點結果啊！
於是這第一波的 AI 熱潮，就在技術問題與沒有錢(?)的情況下漸漸被人們遺忘了。
到了 1980 年代的時候，有大學提出了移轉所有專家知識打造專家系統的cyc計畫。
所謂的專家系統，是叫不同領域的專家來把他們所知道的知識跟機器說。
在理論上，只要這些系統知道這些事情，我需要的時候問他他就會回答，就跟培養出一個個專家一樣，是不是很方便？
但就在專家系統開發的過程中，又發生了一些事情。
很多知識人類知道，但是不一定可以用語言把規則說出來，比如說有一些利用直覺判斷的，這要怎麼寫說？
比如……目光閃爍，這是怎樣的閃爍？經驗判斷又是什麼樣的經驗，專家也講不出來嘛，不然怎麼叫經驗咧？！
於是在這樣的情況下，AI 又沉寂了下去。
研究員們又想了很久，所以要怎麼讓機器會自己學習（不用讓人一個個告訴他答案）、自己思考（不只記答案，還要會舉一反三）呢？
帶著這些怪獸，就像是教小朋友一樣，利用我們在 所講到的三種學習方式（監督式、非監督式、強化式），讓他們真正知道要怎麼辨認我們需要他了解的事情。
其實大概了解這些 AI 的歷史，會發現發展的過程真的有一點坎坷……
但能夠有這麼多次的熱潮，也可以從側面證明這個議題式真的有意義，且許多人有興趣的。而事實上，發展到了此時期生成式 AI 的階段，不管是 ChatGPT 等聊天軟體或繪圖軟體，都讓人們受益良多。
雖然也有壞處啦，但總體來看，目前的優點還是大過缺點的。
而這些 AI 也如當初研究員們所想的，有（看似）「會思考」的能力，可以告訴你想要的資訊、打錯字也不會跟你說查無此資料而是自動糾正、甚至可以幫忙做圖片、影片、PPT，真的就像一隻隻的神奇寶貝，太神奇了傑克！
所以明天就讓我們來看看這些神奇寶貝有哪些種類吧！
iThome鐵人賽
看影片追技術