【專題企畫】
演算中的進化
人類會想方設法讓機器能夠使用語言，
形成抽象思維和概念，
解決現在人類還無法解決的問題，
而且還能夠自我提升。
－達特茅斯會議
西元一九五五年的時候，美國的約翰．麥卡錫（John McCarthy）等人召開「達特茅斯夏季人工智慧研討會」（簡稱達特茅斯會議），邀請學者專家齊聚討論，正式提出「人工智慧」（又稱人工智能）的詞彙與概念，英文是artificial intelligence，縮寫即為現今大家所熟知的AI，因此這一年可說是人工智慧元年。
人工智慧屬於電腦科學的範疇，是指將原本經人思考、判斷的工作，交由電腦模擬人類的智慧去處理，著眼於如何賦予機器具備推理、適應、學習、自我糾正、自動改良等功能，自電腦發明以後便持續進化，從一開始只能被動地進行數學運算，到如今的生成式AI、自主式AI，這股科技浪潮席捲全球，改變了現代的生活樣貌，我們若想更鎮定從容地因應世界的變化，就需要對人工智慧有更明晰的認識。
電腦能像人一樣思考嗎？
追溯人工智慧的歷史，要先回到一九四六年，美國賓州大學打造出史上第一部電腦，叫作ENIAC，目的是替人類處理複雜的數學計算，加快處理數據的速度，它是一部巨大的計算機，搭載龐大的透明真空管，運算著加減乘除。
那麼，電腦可以做更多嗎？如果有一天效能達到極致時，它會不會像人類一樣思考？有沒有認知行為？能不能主動學習，並且利用邏輯推理來解決問題？如何判斷電腦已經擁有類似人類的智慧？當時的科學家熱烈討論著相關問題，並且提出各種見解。
圖靈測試
英國的艾倫．麥席森．圖靈（Alan Mathison Turing）於一九五○年提出一種測驗，其方法是將所有參與測試的人與機器分開，各自置身於封閉的房間，由Ａ房間的人類測試者寫下自己的問題，並以純文字的形式，分別發送給Ｂ房間的一個人與Ｃ房間的一部機器，然後測試者會根據雙方的回答，判斷哪一個是真人、哪一個是機器。
後世將這項測驗稱為「圖靈測試」，發表至今已超過七十年，目前的測試時間為五分鐘，如果電腦能回答由人類測試者所提出的一系列問題，且超過百分之三十的回答讓測試者判定為人類所答，則電腦通過測試，代表它具有如人類一樣的智能。
不過，在一九五○年代，電腦的算力終究有限，所以圖靈測試被視為難以跨越的障礙，當時一般普遍認為，電腦是不可能像人一樣思考的。
自行進化的西洋跳棋程式
除了圖靈外，美國的亞瑟．李．塞謬爾（Arthur Lee Samuel）亦為人工智慧歷史早期的重要人物，他首次提出「機器學習」（Machine Learning）的概念並予以實現，如今已成為AI的核心技術之一。
在塞謬爾之前，西洋跳棋電腦程式只會呆板地執行指令；但塞謬爾讓電腦累積成千上萬次的對弈數據，而且程式能從失敗中汲取經驗、在勝利中強化邏輯，自動調整「壞棋」、「好棋」的標準，透過計算每一種走法導向勝利的機率，最終學會一套連開發者都無法預測的獲勝策略。這代表著電腦不需要人類一步一步教導，也能透過經驗「自行進化」。 塞謬爾的電腦跳棋程式，是世界上最早成功進行自我學習的程式之一，曾於一九五六年的電視轉播裡，公開擊敗康乃狄克州的西洋跳棋冠軍，雖然距離「像人一樣思考」還很遙遠，但已是現代人工智能的一個雛形。
現代智慧語音助手的「祖母」
一九六○年代，第一款工業機器人、第一個可以移動的機器人相繼問世，人工智能也有平穩的進展。
舉例來說，一九六六年，美國的約瑟夫．維森鮑姆（Joseph Weizenbaum）發明了史上第一個聊天機器人－伊莉莎（Eliza）。「她」沒有人形，沒有聲音，就是一個簡單的機器人程序，通過名為DOCTOR的固定腳本，能夠運用簡單自然的語言，和人類進行類似心理諮商的文字交談，產生類似人類之間的書面互動模式。
維森鮑姆曾解釋命名的緣由，是因為人們可以訓練這個程序學習、掌握新的語言技能，談吐愈來愈優雅，就像電影《窈窕淑女》當中，被教導得十分出色的賣花姑娘伊莉莎。 現今的三Ｃ產品，一般會內建「智慧語音助手」，像是亞馬遜公司的Alexa、蘋果公司的Siri等，而伊莉莎常被視為Alexa、Siri的「祖母」，在語文學習、聊天互動等方面，堪稱人工智慧演化的里程碑。
飛躍性的進化歷程
一九八○年代的專家系統（expert system），是人工智慧的一大突破，可針對特定問題，先將應對資訊輸入電腦內，當使用者對電腦提出問題時，電腦再從已準備的資料挑出適當答案回答，宛如專家一般。接下來，隨著電腦算力大幅提升，人工智慧也邁入嶄新階段。
深度與強化學習
早期的機器學習，需要人類先告訴電腦「重點在哪裡」，電腦才能進行判斷，如果用挖洞來比喻，就像是一個被動的工人，主管得先幫他畫好圖紙、標好深度，他才知道怎麼挖出一個洞，而且挖好的洞又小又淺。
「深度學習」則模仿人腦的類神經網路，透過多層次的結構來處理資料，猶如一個具有自我組織能力、主動當責的團隊，每一層的工人皆各司其職，比方說第一層負責破土、第二層負責清運、第三層負責修整等，並且根據最終目標，自動調整每一層的配合方式，最終能夠挖出更大、更深的洞。
「強化學習」再進一步，就像讓一群工人來到荒島，只給他們鏟子去挖洞，但不告訴他們在哪裡挖、如何挖，挖錯了就扣分，挖對了就加分，最後他們會自行摸索出最佳的挖洞策略。這套策略有時甚至會超出人類想像，因為電腦在無數次失敗中，找到了人類可能從未想過的挖法。
二○一四年，谷歌公司將「深度學習」與「強化學習」結合起來，打造出人工智慧圍棋軟體AlphaGo，於二○一六年打敗韓國棋士李世乭（音ㄕ），又在二○一七年戰勝當時世界第一的中國棋士柯潔，引發全球關注。自這個階段起，人工智能的發展便突飛猛進了。
人工智能的應用
現在的人工智能，不只是聊天、下棋的工具，更廣泛應用於許多領域，例如：
能源轉型
傳統上，人類要尋找一種導電更好、壽命更長、且不會發熱爆炸的新材料，科學家必須像「神農氏嘗百草」，逐一混合不同的化學元素，做成實體電池後測試幾個月，看它會不會壞掉，這種「試錯法」往往要花上十至二十年。 而AI可以透過模擬的方式，在電腦進行虛擬實驗，幾天內篩選出最有可能的幾種配方，縮短了高容量、長續航電池的研發週期，不僅減少人類對化石燃料的依賴，更全面加速了潔淨能源的轉型進程。
氣象預測
傳統的氣象模擬，通常需要超級電腦運算好幾個禮拜，且往往超過一週就會失準。如今，人工智慧公司已開發出新一代的AI氣象模型，能在幾分鐘內產出全球預測，提前數十天預測極端熱浪與寒流，且錯誤率極低，對於農業避險和災害預防帶來極大助益；而「太陽能」和「風力」這兩種自然發電形式，也因為氣象預測值更為精準，提升了效率，降低了風險。
醫學難題
人工智慧還幫忙解決了一個長期的醫學難題－蛋白質折疊。
蛋白質的最初形態，就像一條長長的珠串，有著億萬種摺法，在生物體內，每一種摺疊後的三維形狀猶如棉線，各種摺法決定了不同的生命功能，諸如構成人類的肌肉、支撐昆蟲的甲殼、運作複雜的內臟器官等，過去想要預測這條「被捏得皺巴巴的棉線」最終會長成什麼樣子，幾乎是不可能的任務。
單單一種蛋白質，若用傳統電腦窮舉所有摺疊，基於著名的「利文索爾悖論」，耗費的時間甚至比宇宙的壽命還要長。過去科學家若要在實驗室確定一個蛋白質結構，往往需要耗時數年。
然而，在AI的深度學習下，現在只需短短幾分鐘，電腦就能預測出這個蛋白質結構的正確樣貌，如此一來，醫學研究者就能精準地設計「鑰匙」（藥物）去打開或鎖住它，這對開發癌症、罕見疾病等新藥，有著革命性的正面影響。
總而言之，人工智能已是現代生活不可或缺的一環，而且這波熱潮方興未艾，大家無不拭目以待。有人為此備感焦慮，其實只要懂得善用AI這項新工具，並且願意與時俱進，終生學習成長，那麼不僅可以進化成更好的人，也能安然自在地迎向科技浪潮的新時代。
