從深藍到ChatGPT:人工智慧的重大突破與未來趨勢

更新於 發佈於 閱讀時間約 7 分鐘
raw-image

人工智慧(AI)的發展從 20 世紀中期的圖靈測試開始,經歷了兩次 AI 冬天與多次技術革命,終於在深度學習與大數據技術的推動下迎來爆發。從 IBM 深藍戰勝棋王,到 AlphaGo 擊敗圍棋世界冠軍,再到 ChatGPT 引領生成式 AI 浪潮,每個重大突破都改變了科技與社會的未來。本篇文章將帶你回顧 AI 的發展歷程,解析關鍵技術演進,並展望未來 AI 如何影響我們的生活。


1. AI 誕生與早期發展(1940s-1950s)

(1) 人工智慧的概念雛形(1943年)

  • 事件:Warren McCulloch 和 Walter Pitts 發表了論文《A Logical Calculus of the Ideas Immanent in Nervous Activity》,提出了**人工神經網路(Artificial Neural Networks, ANN)**的概念。
  • 細節: 他們的模型基於數學邏輯,模擬人腦神經元的運作。 這是首次嘗試將神經科學與計算機科學結合,奠定了日後神經網路與深度學習的基礎。

(2) 圖靈測試的提出(1950年)

  • 事件:英國數學家 Alan Turing 發表經典論文《Computing Machinery and Intelligence》,提出**圖靈測試(Turing Test)**來判斷機器是否具備智能。
  • 細節: 測試方式:讓一個人透過文字對話與另一個人和一台機器交流,如果受測者無法分辨誰是人類,則認為機器具有「智能」。 影響:圖靈測試成為 AI 是否具備智能的指標,也開啟了人工智慧的哲學討論。

(3) 達特茅斯會議與 AI 名稱誕生(1956年)

  • 事件:「人工智慧(Artificial Intelligence)」這個詞由 John McCarthy 在達特茅斯會議(Dartmouth Conference)正式提出,標誌著 AI 作為一門學科的誕生。
  • 細節: 會議由 McCarthy、Marvin Minsky、Claude Shannon 等人主持,探討 AI 的可能性。 他們提出機器可以模擬人類思維,如學習、推理、解決問題等。 影響:這場會議被視為 AI 領域的開端,推動了大量早期 AI 研究。

2. 早期 AI 熱潮與第一個低潮(1950s-1970s)

(4) 感知機的提出(1958年)

  • 事件:Frank Rosenblatt 發表「感知機(Perceptron)」,這是最早的機器學習模型之一。
  • 細節: 感知機是一種基於生物神經元運作原理的演算法,能夠學習並分類輸入數據。 被認為是神經網路的開端,影響後來的深度學習技術。 限制:1969年,Marvin Minsky 和 Seymour Papert 在《Perceptrons》書中指出感知機無法處理非線性問題,如 XOR 閘,導致 AI 發展受挫。

(5) LISP 語言的發明(1958年)

  • 事件:John McCarthy 發明了 LISP(LISt Processing),成為 AI 領域最常用的程式語言。
  • 細節: LISP 支援符號處理與遞迴運算,適用於 AI 研究。 被廣泛用於專家系統與機器學習應用。

(6) 第一波 AI 冬天(1974-1980年)

  • 事件:AI 發展遇到困境,研究資金減少,技術進展停滯。
  • 細節: 主要原因: 早期 AI 僅能處理簡單問題,無法應對現實世界的複雜場景。 硬體計算能力不足,神經網路研究受限。 研究者過度誇大 AI 的能力,導致投資者失望,資金撤回。

3. 知識驅動 AI 與第二次低潮(1980s-1990s)

(7) 專家系統的興起(1980s)

  • 事件:專家系統(Expert Systems)在醫學、財務等領域廣泛應用。
  • 細節: DENDRAL(1965):用於分析有機化學結構的專家系統。 MYCIN(1970s):可診斷細菌感染並推薦抗生素治療方案。 XCON(1980s):用於配置計算機系統,幫助美國 DEC 公司節省數百萬美元成本。

(8) 第二次 AI 冬天(1987-1993年)

  • 事件:專家系統的發展遇到瓶頸,AI 研究再度衰退。
  • 細節: 原因: 專家系統的維護成本過高,難以應對複雜決策問題。 無法適應動態環境,缺乏學習能力。 電腦硬體仍無法支持更高效的 AI 模型。

4. 機器學習時代的興起(1990s-2010s)

(9) IBM 深藍擊敗國際象棋冠軍(1997年)

  • 事件:IBM 開發的深藍(Deep Blue)擊敗當時的世界棋王 Garry Kasparov。
  • 細節: 深藍使用 Alpha-Beta 剪枝搜索演算法,可在短時間內計算數百萬步棋局。 這是 AI 首次擊敗人類頂尖棋手,象徵 AI 在專業領域的突破。

(10) 深度學習的崛起(2006年)

  • 事件:Geoffrey Hinton 提出了深度神經網路(Deep Neural Networks, DNN)概念。
  • 細節: Hinton 透過 反向傳播(Backpropagation) 訓練多層神經網路,使 AI 能夠自動學習特徵。 這開啟了 AI 新時代,促成後來的深度學習浪潮。

5. 深度學習與 AI 大爆發(2010s-至今)

(11) AlphaGo 擊敗李世乭(2016年)

  • 事件:Google DeepMind 的 AlphaGo 以 4:1 擊敗圍棋世界冠軍 李世乭。
  • 細節: AlphaGo 使用 強化學習(Reinforcement Learning) 和 蒙特卡洛樹搜索(MCTS) 進行決策。 這是 AI 首次在極高複雜度的遊戲中超越人類。

(12) ChatGPT 問世(2022年)

  • 事件:OpenAI 推出 ChatGPT(基於 GPT-3.5 和 GPT-4),引爆全球 AI 熱潮。
  • 細節: GPT(Generative Pre-trained Transformer) 透過大規模文本數據進行預訓練,能夠產生類似人類的自然語言回應。 被廣泛應用於客服、創作、程式開發等領域。

AI 的發展仍在快速前進,未來 AI 可能將進一步改變人類社會的運作方式! 🚀

留言
avatar-img
留言分享你的想法!
avatar-img
kang barry的[3分鐘知識庫]
9會員
71內容數
學過10年視覺設計畢業後開始不務正業,專注於視覺設計、數位行銷及系統開發,精通各種媒合與數據應用的系統開發,擁有實徵科學研究背景。曾帶領20人團隊、操作過10萬粉以上的自媒體,兼具產品設計與行銷數據能力,創意與技術並行!
2025/02/21
在數位時代,消費者不再只透過單一渠道購物,而是在線上與線下之間自由切換,這讓**全通路行銷(Omnichannel Marketing)**成為品牌成功的關鍵!透過數據整合、個人化推薦、社群互動、O2O融合等策略,品牌能夠打造一致且流暢的購物體驗,提高顧客忠誠度與轉換率。無論是電商、門市、社群還
Thumbnail
2025/02/21
在數位時代,消費者不再只透過單一渠道購物,而是在線上與線下之間自由切換,這讓**全通路行銷(Omnichannel Marketing)**成為品牌成功的關鍵!透過數據整合、個人化推薦、社群互動、O2O融合等策略,品牌能夠打造一致且流暢的購物體驗,提高顧客忠誠度與轉換率。無論是電商、門市、社群還
Thumbnail
2025/02/20
在數位行銷時代,MA(Marketing Automation,行銷自動化)已成為企業提升行銷效率的關鍵工具。透過自動化電子郵件行銷、客戶行為追蹤、個人化推播與銷售漏斗管理,MA能夠幫助企業精準觸及目標受眾,提升轉換率並降低人力成本。無論是電商、B2B企業還是SaaS服務,MA都能優化客戶互
Thumbnail
2025/02/20
在數位行銷時代,MA(Marketing Automation,行銷自動化)已成為企業提升行銷效率的關鍵工具。透過自動化電子郵件行銷、客戶行為追蹤、個人化推播與銷售漏斗管理,MA能夠幫助企業精準觸及目標受眾,提升轉換率並降低人力成本。無論是電商、B2B企業還是SaaS服務,MA都能優化客戶互
Thumbnail
2025/02/18
O2O(Online to Offline)商業模式正在改變消費者行為,而行為定向(Behavioral Targeting)則是提升廣告轉化率的關鍵!透過LBS定位技術、再行銷策略、會員數據分析等手段,品牌能夠將廣告精準推送給高意願顧客,促使線上流量轉化為門市來客。
Thumbnail
2025/02/18
O2O(Online to Offline)商業模式正在改變消費者行為,而行為定向(Behavioral Targeting)則是提升廣告轉化率的關鍵!透過LBS定位技術、再行銷策略、會員數據分析等手段,品牌能夠將廣告精準推送給高意願顧客,促使線上流量轉化為門市來客。
Thumbnail
看更多
你可能也想看
Thumbnail
每年4月、5月都是最多稅要繳的月份,當然大部份的人都是有機會繳到「綜合所得稅」,只是相當相當多人還不知道,原來繳給政府的稅!可以透過一些有活動的銀行信用卡或電子支付來繳,從繳費中賺一點點小確幸!就是賺個1%~2%大家也是很開心的,因為你們把沒回饋變成有回饋,就是用卡的最高境界 所得稅線上申報
Thumbnail
每年4月、5月都是最多稅要繳的月份,當然大部份的人都是有機會繳到「綜合所得稅」,只是相當相當多人還不知道,原來繳給政府的稅!可以透過一些有活動的銀行信用卡或電子支付來繳,從繳費中賺一點點小確幸!就是賺個1%~2%大家也是很開心的,因為你們把沒回饋變成有回饋,就是用卡的最高境界 所得稅線上申報
Thumbnail
[風格試寫:科技相關] 而是面對前沿科技(不只ChatGPT),我們該如何自處?
Thumbnail
[風格試寫:科技相關] 而是面對前沿科技(不只ChatGPT),我們該如何自處?
Thumbnail
2023年才到三月為止,VC投入生成式AI的市場的估值就已經超越了前兩年的總和,可以想見整年下來絕對是一個數量級以上的差異。難道AI是這兩年才發明出來的嗎? 為什麼忽然之間全世界都在關注AI呢?  這就是我們這邊文章想要探討的,究竟AI發展到現在是否有什麼突破? 為什麼大家開始關注起AI。
Thumbnail
2023年才到三月為止,VC投入生成式AI的市場的估值就已經超越了前兩年的總和,可以想見整年下來絕對是一個數量級以上的差異。難道AI是這兩年才發明出來的嗎? 為什麼忽然之間全世界都在關注AI呢?  這就是我們這邊文章想要探討的,究竟AI發展到現在是否有什麼突破? 為什麼大家開始關注起AI。
Thumbnail
人生就像爬坡,要一步一步來。─丁玲   終於要寫今年最熱門的話題-ChatGPT,目前ChatGPT 4.0誕生,AI程度從小學一年級直接躍升到碩士等級,現在有很多人學習著如何將現有的事業外掛ChatGPT,可以省下許多時間與人力
Thumbnail
人生就像爬坡,要一步一步來。─丁玲   終於要寫今年最熱門的話題-ChatGPT,目前ChatGPT 4.0誕生,AI程度從小學一年級直接躍升到碩士等級,現在有很多人學習著如何將現有的事業外掛ChatGPT,可以省下許多時間與人力
Thumbnail
從今年開始,人工智慧技術快速走向成熟,各種產品如雨後春筍般出現,包括令人驚豔的語言模型ChatGPT、能依文字提示自動生成圖片的服務、更不用說早就已經打遍天下無敵手的下棋軟體。微軟之前已大舉投資開發chatGPT的人工智慧公司OpenAI,所以搶先將人工智慧技術整合在自己的瀏覽器上,........
Thumbnail
從今年開始,人工智慧技術快速走向成熟,各種產品如雨後春筍般出現,包括令人驚豔的語言模型ChatGPT、能依文字提示自動生成圖片的服務、更不用說早就已經打遍天下無敵手的下棋軟體。微軟之前已大舉投資開發chatGPT的人工智慧公司OpenAI,所以搶先將人工智慧技術整合在自己的瀏覽器上,........
Thumbnail
距離ChatGPT上線也快四個月了,雖然網路上的相關文章已經不少,但為了點擊率與完讀率,大多篇幅都不敢太長,在理解門檻較高的細節上,也很常避而不談,不容易滿足想對這個風潮的前因後果有更深了解的人。今年三月出版的《瘋ChatGPT》在則這一塊做了很不錯的統整,應能符合大多數求知慾旺盛的讀者們的期待。
Thumbnail
距離ChatGPT上線也快四個月了,雖然網路上的相關文章已經不少,但為了點擊率與完讀率,大多篇幅都不敢太長,在理解門檻較高的細節上,也很常避而不談,不容易滿足想對這個風潮的前因後果有更深了解的人。今年三月出版的《瘋ChatGPT》在則這一塊做了很不錯的統整,應能符合大多數求知慾旺盛的讀者們的期待。
Thumbnail
作者:陳華夫 AI深度學習的圖像識別、人臉辨識、機器翻譯、及自動駕駛都有比人類優勢創新之處。深度學習無法學得抽象的概念知識,因此無法遷移學習(TL),但人類的學習卻可以學習遷移(ToL),因此人類擁有通用智慧。
Thumbnail
作者:陳華夫 AI深度學習的圖像識別、人臉辨識、機器翻譯、及自動駕駛都有比人類優勢創新之處。深度學習無法學得抽象的概念知識,因此無法遷移學習(TL),但人類的學習卻可以學習遷移(ToL),因此人類擁有通用智慧。
Thumbnail
最近玩了一下近期很紅的 AI 工具 包括 Chat GPT,Midjourney 等 也看了網上許多人,對人工智慧 對各項領域的影響,以及未來發展性 個人主觀覺得,AI 在 5~10 年內 會有劃時代的進步,到時候的確 所有人的生活,產業型態都會改變 有些事物,會顯得格外重要 低階技術的迭代 先說,
Thumbnail
最近玩了一下近期很紅的 AI 工具 包括 Chat GPT,Midjourney 等 也看了網上許多人,對人工智慧 對各項領域的影響,以及未來發展性 個人主觀覺得,AI 在 5~10 年內 會有劃時代的進步,到時候的確 所有人的生活,產業型態都會改變 有些事物,會顯得格外重要 低階技術的迭代 先說,
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News