2025 09 16 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 機器學習（Machine Learning, ML）深度學習（Deep Learning, DL） 世界共經歷了三次人工智慧浪潮。 三波人工智慧浪潮，分別有哪些發展？ 第一波人工智慧浪潮（1950到1960年）： 符號邏輯，告訴電腦「人的思考邏輯」； 人類無法釐清自己的思考過程，最終失敗。 第二波人工智慧浪潮（1980到1990年）： 專家系統，告訴電腦「人的所有知識」； 人類無法解答所有問題、寫成規則，最終失敗。 第三波人工智慧浪潮（2010年至今）： 機器學習，告訴電腦「人看見的事物」；正在發展中。
人工智慧AI的技術起源與發展？
1956年，美國電腦科學家麥卡錫（John McCarthy）首次使用新詞彙「人工智慧」，
並舉辦了第一次人工智慧研討會「達特茅斯會議」（The Dartmouth Workshop）——
以此為起點，人工智慧的各支研究陸續萌芽，
科學家 前後踏入 機器學習、深度學習、資料科學 等學問研究。
目前，世界共經歷了三次人工智慧浪潮。
三波人工智慧浪潮，分別有哪些發展？
第一波人工智慧浪潮（1950到1960年）：
符號邏輯，告訴電腦「人的思考邏輯」；
人類無法釐清自己的思考過程，最終失敗。
第二波人工智慧浪潮（1980到1990年）：
專家系統，告訴電腦「人的所有知識」；
人類無法解答所有問題、寫成規則，最終失敗。
第三波人工智慧浪潮（2010年至今）：
機器學習，告訴電腦「人看見的事物」；正在發展中。
歷經兩次挫敗，在第三波人工智慧浪潮中，科學家發展出「機器學習」方法，
終於讓AI科技有了突破。
後來，人類又從機器學習的經驗中，找出「深度學習」技術，
讓第三波AI浪潮開始大進展。
在第三波AI浪潮中，專家發現，
圖形處理器（Graphics Processing Unit, GPU）
比過去的中央處理器（Central Processing Unit, CPU）
更適合執行深度學習，因此紛紛轉移目光。
同時，GPU大廠Nvidia更成為深度學習的強力助攻，
藉著提升硬體設備、發揮強大的運算能力，
幫助AI深度學習能量大爆發。
機器學習和深度學習比較，有何差異？
機器學習（Machine Learning, ML）：
由人工或機器從大量數據、經驗中，自行辨識出規則，
最終做出 預測 及 決策。
深度學習（Deep Learning, DL）：
機器學習的一種，以 多層次的 巨大神經網路 搭配 更進步的
訓練技術、計算能力，學習更複雜的大數據，
例如辨識圖像、語音。
專家系統（Expert System）
使用某個領域的知識庫，來模擬該領域專家做決策的系統，由兩個子系統構成。
知識庫（Knowledge base）：
某個領域的專門知識（事實）
推理引擎（Inference engine）：
規則式（Rule-Based）推理 ，使用 if-then 規則 ，
如果知識庫的某個事實成立則從已知事實去詢問相關的新事實是否成立
MYCIN
早期知名的專家系統。1974年由史丹佛大學開發，用來識別血液中的細菌，並推薦抗生素。MYCIN 使用簡單的推理引擎和約 600 個規則的知識庫。如同醫生問診一樣，詢問一連串有關病症的問題，最後給出可能性最高的診斷結果。診斷結果約有 65% 準確率，儘管比專門醫師的 80% 低，但比一些非專門的診所醫生的判斷還高。
在 MYCIN 的前幾年就有世界第一個專家系統 Dendral 誕生。
1965～1968年同樣由史丹佛大學開發，是用來判斷物質其分子結構的專家系統。
專家系統獲得知識的困難處
知識可以分成兩種：
顯性知識（Explicit knowledge）
通過語言記在文件或書籍，影像的聲音等可傳達知識給他人，
例如百科全書或教科書等。「台北在台灣」就是一個顯性知識。
隱性知識（Tacit knowledge）
專家的經驗，思考，技術，直覺等，較難靠外在媒介傳達給他人共享知識。
像是騎腳踏車，游泳等，或是傳統的學徒制，
都不是透過語言 而是 透過 觀察 和 模仿 來學習。
隱性知識目前大多是透過訪談（Interview）來轉換成顯性知識。
沒有留言:
張貼留言