淺談AI人工智慧
近年來人工智慧的熱潮席捲全球，無論是在學校或是職場中，都處處能夠見到「人工智慧」的身影。那麼今天就來談談人工智慧的發展和有什麼應用吧！
人工智慧的興起
「人工智慧」一詞是由英文”Artificial Intelligence”直接翻譯而來，在神話、幻想終究有出現「人造人」的概念，而人工智慧學科的誕生是在1956年，來自不同領域的專家開始探討人工大腦的可能性。
在早期研究人工智慧的歷程中，「圖靈測試」應該是最多人所知道的學說了。「圖靈測試」是Alan Mathison Turing，中譯為艾倫·麥席森·圖靈，在1950年所發表的一篇劃時代的論文中所提到，圖靈測試著要概念是，如果人類與機器在透過電傳設備對話的過程中，人類分辨不出是否在與機器或是人類對話，那麼就能夠證明機器是有智能的。
而在近年應用非常廣的「神經網路」，則是Walter Pitts和Warren McCulloch兩位學者最早提出此概念，他們的學生Marvin Lee Minsky建造了第一台神經網路機，在此後50年，Minsky也是AI領域最重要的創新者之一。
早期AI在提出後，獲得廣大迴響，各界投注資金，但隨後迎接的，是兩次的AI低谷。
人工智慧的兩次低谷
第一次的低谷在1974–1980年，第二次的低谷在1987–1993年，中間有一段繁榮期，因為專家系統的誕生。這兩次的低谷，不外乎的原因就是「沒有成果」，過度的吹捧一個技術，但最後的成果不如預期，或是根本沒什麼產出，導致資金外流，人工智慧技術被很多的研究者敬而遠之。
現代人工智慧
過去人工智慧失敗的原因，有很大一部份，是因為機器的算力不夠，或是缺乏足夠有效率的算法。在2000年代，據說當時的研究者，只要想要做「機器學習」相關的論文，就一定會被reject。
但是隨著硬體的進步，以及Geoffrey Hinton所提出的「反向傳播法」，讓神經網路得以有效的訓練，所以在2006年誕生的「深度學習」才能夠大紅大紫，有種讓機器學習「品牌重塑」的感覺。
時至今日，各種神經網路大放異彩，例如：RNN、LSTM、CNN、Transformer、GAN…，應用也是不勝枚舉，從自然語言到電腦視覺，現在我們的生活周遭，已經充滿了各式各樣的人工智慧。
人工智慧、機器學習、深度學習？
人工智慧、機器學習、深度學習，這三個詞常常讓然搞混，那麼這三個名詞之間有什麼關聯呢？
這張圖是由顯示卡製造商，Nvidia所製作：https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
間單來說，要達成人工智慧，需要讓機器進行學習，而深度學習就是機器學習的其中一種方法啦～
今天的分享就到這，我會不定期分享一些關於機器學習知識，或是一些程式的實作，如果喜歡我的文章，可以關注我。如過有任何問題歡迎寄信給我：solomonjoeykao@gmail.com，也可以在LinkedIn上跟我聯繫。
