前言
1997年，IBM打造的深藍擊敗了西洋棋世界冠軍卡斯巴羅夫，2016年AlphaGo在公開的比賽中以4：1擊敗圍棋職業九段棋士李世乭，成為了世界上第一個在圍棋領域取得成功的電腦程式。
隨著人工智慧在各領域不斷取得成就，台灣的科技部於2017年宣布，台灣正式進入AI元年，不僅成立了台灣人工智慧實驗室，也創立了台灣人工智慧學校，就是希望在這波風潮中台灣能不落人後，成為科技先鋒。究竟人工智慧要如何翻轉我們的生活，將人類的科技提升到全新的高度，現在就讓我們用 5 分鐘來窺探人工智慧的前世今生與未來的可能性。
嗨! 人工智慧
大多數人對人工智慧的印象往往來自於電影，而不論是機械公敵、魔鬼終結者還是復仇者聯盟：奧創紀元，都把人工智慧的形象塑造成是機器人，然而人工智慧就等於是機器人嗎？人工智慧是電腦科學的領域之一，是一項技術，因此他不等於機器人，機器人只是其中一種載體，現階段的人工智慧更常以程式的形式出現。
那麼人工智慧在哪裡呢？事實上他早已不知不覺地進入我們的生活中，為我們帶來了不少便利，即便你不願意，他也已經悄然在為我們服務。舉例來說，他能夠替你從上百封的電子郵件中挑出垃圾信件與重要信件，這個過程都是沒有人類參與的 、FACEBOOK 的自動標註能在你上傳的照片時自動幫你標註你的親朋好友、許多購物網站能精準地推薦你想購買的商品等等，這些都是人工智慧的範疇。
開端
1956年，達特矛斯學院的約翰·麥卡錫 (J. McCarthy) 發起了一場意義非凡的活動：夏季人工智慧研究計劃。從此便誕生了人工智慧 (Artificial Intelligence, AI) 這個名詞，這場活動也被後人視為人工智慧革命的開端，又稱為達特矛斯會議(Dartmouth Conference)。這場會議集結了來自各界的高手，共同討論這門新學科的定義與方向，他們的目標是找出某種明確的方法，讓機器能模擬人類的學習行為和智慧，並嘗試使機器可以理解人類的語言、抽象概念，甚至能自我進步，以解決人類的各種問題。
人工智慧的學派
為了實現人工智慧，不同學者也提出了不同看法，因此便產生了不同學派，其中最廣為人知的三個學派分別為：符號主義、連接主義，以及行為主義。這幾個學派各自有它們的擁護者和不同的理論：
- 符號主義：分析人類認知系統的功能，使用邏輯方法來模擬這些功能。這個學派的學者，認為能由邏輯理論推導出各種智慧行為，並以符號的方式來表示，所以只要發明一套邏輯符號, 就能利用這些符號來描述智慧，而機器便能按照符號執行，以表達出智慧。
- 連接主義：智慧來自於我們的大腦，而大腦又是由大量的神經細胞彼此相連所組成，因此這一派的學者認為，要實現人工智慧，就要模擬這樣的構造，他們試圖以仿生學的方式，利用工程技術來模擬人腦中的連接結構。
- 行為主義：這一派學者認為智慧是基於感知和行動，如同生物在環境中會做出適當的反應，且能透過與環境互動來進行學習，並不斷進化，因此應該讓機器模擬這種做法，自我調整來達到智慧行為。這一學派更強調的是機器的控制。
符號主義的興起
這三個學派中，首先取得優勢的便是符號主義，自從電腦被發明後，大家就著手在如何讓電腦解決更多問題，而讓電腦來模擬人類的智慧便成為了我們最大的夢想，電腦科學的實現主要是靠邏輯控制，為了要表示出邏輯思維，於是就有了符號邏輯學，為了要讓電腦理解邏輯，就有了程式語言。
程式語言是人類和電腦溝通的工具，多數的問題都能靠著人工分析，轉換成程式語言，再輸入進電腦，如此一來電腦便能展現出人類的智慧，以上的方法便稱為規則法。許多學者都投入進這個領域，開始想著各種問題要怎麼讓電腦來解決，例如：解方程式、讓機器走迷宮、自動化控制，有了大家的努力，電腦也越來越有智慧。
第一次冬眠與重生
規則法實現的人工智慧確實有效，然而眾人逐漸發現一個問題，每次要教會電腦一個技能，就要花很多的時間與力氣，將我們熟知的解法翻譯成複雜的程式語言，而且如果今天我們不知道問題的解法，那麼就意味著電腦也不可能學會了，這樣聽起來，不免讓人有些失望，這可不是我們嚮往的未來世界啊, 按照這種作法，電腦永遠都不可能到達人類的境界，更遑論什麼智慧了，就這樣人工智慧慢慢的被大家遺忘，這門學科迅速沒落，大家似乎又把他當成茶餘飯後的科幻題材了。
70年代後，由於大家不再看好人工智慧，所以就進入了寒冬期，被稱為第一次人工智慧泡沫。然而這段時間內，仍然有許多不放棄的工程師和學者，不斷的努力，期望能改進人工智慧，讓它以全新的姿態再現，「壞」景不常，短短10幾年的時間，人工智慧又重新站起，這一次它帶著全新的面貌，再一次踏上挑戰人類智慧的旅程。
新的人工智慧以專家系統做開頭，重新崛起，使得人工智慧能以更有系統的方式，詮釋人類的知識。專家系統是指，以專家的知識來打造出一個能解決專業領域的智慧機器，專家系統由三大要素構成：專家的知識庫、邏輯推理系統以及互動介面，先由工程師將專家的知識轉換為編碼，輸入進機器，使用者便能透過像是聊天及對話的介面來和系統溝通，系統會利用邏輯推理系統將知識轉換為解決問題的方法。
此時可以說是符號主義的鼎盛時期，專家系統在不少領域都有取得成就，像是醫療診斷、工業用手冊、軍事武器操作等等，都是人工智慧成功從學術界走入產業應用的實例。
機器學習與連接主義的崛起
專家系統發光發熱的同時，學者們為了解決當前人工智慧只會 "說一做一" 式的學習，紛紛提出了各種新理論，讓人工智慧具備自我學習能力，可以從資料中自行找出規律，並建立解決問題的方法，這些方法統稱為機器學習。
機器學習中的支援向量機(Support Vector Machine, SVM)，因為能學會將資料進行分類，例如把電子郵件分為垃圾郵件和一般郵件，所以在這一時期廣受矚目。另外，類神經網路的出現也讓連接主義初露鋒芒，雖然因為理論不夠完備且硬體能力有限，所以尚未發揮真正實力，但已經向眾人證明其可能性。
第二次冬眠與現代熱潮
雖然這一次的人工智慧有專家系統和機器學習的加持，但由於專家系統需要大量的維護成本，而機器學習又仰賴大量的訓練資料和龐大的運算能力，因此終究無可避免的在1987年時，迎來了第二次人工智慧泡沫。
在人工智慧低潮時，類神經網路的支持者，傑佛瑞·辛頓 (Geoffrey Hinton) 仍然持續研究並改善類神經網路，於2006年提出了新的類神經網路訓練方法，成功訓練多層的類神經網路，並以深度學習之名重新包裝，讓此技術重新浮出檯面，Hinton 也因此被譽為深度學習之父。
根據摩爾定理，硬體的效能會呈現指數倍的成長，加上網際網路的崛起，促使資料的探勘和收集變得更為容易，也讓類神經網路有了重大的突破。2012年，Hinton的學生以 GPU (圖形處理器) 來做為訓練多層類神經網路的工具，在機器視覺領域最具權威的學術競賽，ILSVRC (大規模視覺辨識競賽) 中，輾壓其它隊伍，取得了冠軍，更是讓深度學習到達了新的境界，至此，各式各樣的深度學習改善方法被提出，這門學科也開始飛速的發展。
2014年DeepMind團隊結合了深度學習和行為主義的增強式學習，打造了人工智慧圍棋軟體：AlphaGo，並於2016年擊敗職業棋士李世乭、2017年戰勝世界第一棋士柯潔，第三次人工智慧熱潮也正式引爆。
人工智慧的現代與未來
人工智慧的發展是以推理到知識再到學習，這一代的人工智慧道路，主要是機器學習所開闢出來的，回顧過往我們可以發現，現在的人工智慧並非一蹴而就，也不是單一學派的勝利，而是各個領域相輔相成的結果，不同學派的貢獻和學者們鍥而不捨的研究，才讓如今的人工智慧得以發光發熱。
人工智慧不斷在新的領域取得成就，像是自駕車，能避免人類因為長時間開車造成疲勞駕駛、還有生物識別，可以為個人增加隱私與安全防護、以及醫療診斷，能夠輔助醫生，判斷病人的症狀，甚至能找到最佳的治療方法。電影全面進化的男主角說:
人類因未知而恐懼
當人工智慧在改善我們的生活品質時，是否會帶來負面的影響，是我們相當在乎也難以預料的，有人說 AI 會是我們的好朋友，幫助人類取得更進一步的成就，也有人說 AI 會成為我們的敵人，在不久的將來攻擊人類，AI 究竟會如何改變人類的未來世界? 讓我們拭目以待!!
