🤖 科技

AI 到底是什麼？

閱讀時間 8 分鐘 · 難度 ⭐

一句話答案

人工智慧（AI）是讓電腦透過大量資料學習規律、進而完成辨識、預測或生成任務的技術，其概念可追溯至1956年，但直到近十幾年運算能力與資料量爆炸性成長，才真正迎來突破。

先想想

AI是不是像電影演的那樣，是一個會自主思考、有自我意識的機器人？

「人工智慧」一詞誕生於1956年美國達特茅斯學院的一場學術會議，當時科學家提出設想：能否讓機器模擬人類的學習與思考能力？

今天多數AI技術屬於「機器學習」：透過餵給電腦大量資料，讓它自己從中找出規律與模式，而不是由工程師逐條寫死規則，這與科幻電影裡「自主思考的機器人」有本質上的不同。

為什麼是「現在」才突破？

AI的核心概念早在數十年前就已存在，但直到近十幾年網際網路累積了海量數位資料、加上運算能力大幅提升，機器學習技術才有足夠的「養分」快速進步。

🕰 時間表

1950 年
圖靈提出「機器能思考嗎」與圖靈測試
1956 年
達特茅斯會議首次正式使用「人工智慧」一詞
這個概念比多數人以為的老得多
1960～70 年代
早期樂觀預期落空，進入第一次 AI 寒冬
1980 年代
專家系統商業化後再度退燒，第二次寒冬
1997 年
深藍擊敗西洋棋世界冠軍卡斯帕洛夫
2012 年
AlexNet 在影像辨識競賽大幅領先
深度學習時代正式開始
2016 年
AlphaGo 擊敗圍棋棋士李世乭
2017 年
Transformer 架構論文發表
今日所有大型語言模型的共同基礎
2022 年
ChatGPT 上線，生成式 AI 進入日常生活

📋 知識統整表

📌 重點速查

名詞	一句話說明	為什麼重要
人工智慧	讓機器執行需要智慧的任務	1956 年就提出的老概念
機器學習	從資料中歸納規則，而非由人寫死	今日 AI 的主流做法
深度學習	用多層神經網路自動學出特徵	2012 年之後突破的核心
訓練資料	模型用來學習的大量範例	資料品質決定模型上限
生成式 AI	能產出文字、影像等新內容的模型	ChatGPT 這一類技術

⚖️ 傳統程式 vs 機器學習

面向	傳統程式	機器學習
規則從哪來	工程師逐條手寫	從大量資料中歸納
擅長的任務	規則明確，例如記帳、排序	規則難以寫死，例如辨識貓
可解釋性	高，能逐行追查	低，常像個黑盒子
出錯時怎麼修	修改程式碼	調整資料或重新訓練

今天的 AI 是「從例子裡歸納模式」，不是「自己會思考」——理解這一點，多數關於 AI 的誤解都會消失。

🔢 關鍵數據

項目	數值
「人工智慧」一詞提出	1956 年
深藍擊敗西洋棋冠軍	1997 年
深度學習關鍵突破	2012 年
Transformer 論文發表	2017 年
ChatGPT 上線	2022 年 11 月

為什麼？

為什麼AI概念早在1956年就提出，卻直到近幾年才快速發展？

現代AI高度仰賴龐大資料與強大運算能力，這兩項條件直到網際網路普及、晶片運算力大幅提升後才真正到位。

為什麼說今天的AI「不是自主思考」？

目前主流AI是從大量資料中統計歸納出模式來做預測或生成，本質上是模式辨識，並不具備如人類一般的自我意識或理解。

如果沒有網際網路累積的海量資料，AI會發展成什麼樣子？

機器學習模型將缺乏足夠的訓練材料，發展速度很可能大幅落後於今天的水準，AI或許仍停留在較初階的規則式系統。

知識連結

這個知識與這些主題有關：

🤖網際網路：從軍事研究到改變全世界

💡 冷知識

1956年達特茅斯會議的科學家們曾樂觀預測，只要一個暑假就能讓機器具備接近人類的智慧——結果這個目標花了超過六十年仍在持續推進。

小測驗

1. 「人工智慧」一詞最早是在哪一年、什麼場合被提出的？

2. 今天多數AI技術的核心運作方式是？

3. 為什麼AI技術要到近十幾年才快速突破？

今天你學會了

•「人工智慧」的概念早在1956年就已提出，並非近幾年才出現
•今天主流AI是從資料中歸納模式的機器學習，並非自主思考的意識體
•海量資料與運算能力的提升，是近十幾年AI快速突破的關鍵

資料來源

Stanford - AI Index Report
Wikipedia - 人工智慧history