第二章 人工智慧技術背景介紹
第一節 歷史發展
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
6
第二章 人工智慧技術背景介紹
第一節 歷史發展
第一項 導論所謂人工智慧（Artificial Intelligence），可以看作是「人工」和「智慧」的結 合，即由人類所製造的機器所表現出來的智慧9。其中，「人工」的定義比較容易 理解，通常指人為創造的具有資訊處理功能的非生命體，例如：電腦、手機、機 器人等；而「智慧」的定義則較為複雜，因為人類的智慧有各種各樣的表現形式，
比如對數理定律的推演，音樂繪畫的創作，藥物配方的發明，甚至科幻電影中天 馬星空的想像力。儘管人類的智慧滲透到了科學、藝術、醫療、娛樂等眾多領域，
其根源來自於人類強大的思考能力：數理定律是對自然的思考與總結，音樂繪畫 是對生活的思考與抽象，藥物配方是對生命的思考與探索，科幻電影則是對未來 的思考與憧憬。因此，人工智慧的研究主要係致力於讓機器能夠模擬人類思考的 過程，並進而實現人類的智慧行為。
關於人類的思考方式，生命科學、神經科學以及哲學等其他領域，都已經對 人類的思維模式和意識形態做了很詳細的研究，又本文之研究聚焦在專利權，對 於人類「心智活動」之形成及其本質，相對於著作權而言並非著墨重點，故在此 不做深入探討，只對相關內容進行簡要描述。大體而言，人類的思考可以理解為 是對外界既有資訊的接收，處理，並最終給出相應回饋的過程，而此過程，根據 思考程度的不同，可以大致分為感知記憶、推理以及創造三個階段10。在第一個 階段的感知記憶中，其實尚未具備真正的思考能力，而是藉由獲取前人總結的知 識經驗或既有客觀事實，達到對某個領域或某項特定目標之熟悉和瞭解。這一階 段的人類常常採取「機械式輸入訊息」的記憶手段，將外部資訊儲存起來，並無 任何加工處理。經過了第一個階段的不斷累積，人類漸漸進入到第二階段的推理
9 曲建仲，機器是如何學習與進步？人工智慧的核心技術與未來，科學月刊，580 期，201
8 年 4 月。
10 Gerald F. Smith, Beyond critical thinking and decision making: teaching business studen ts how to think, 27 journal of management education 24, 25 (2003).
DOI:10.6814/NCCU201900818
‧
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
7
部分。這一階段的人類，設法從已經儲存的資訊中提取出某種特徵，從而在面對 之前未接觸過的新資訊時，能夠表現出一定程度的判斷，即達到能夠「舉一反三」
的水準。就此，人類處理外部資訊的方式，從簡單的記憶存儲，調整為適當的加 工抽象。在這一過程中，不同人可能採取不同的抽象方法，也因此表現出思考的 差異性。隨著思考程度的不斷加深且複雜化，人類開始進入第三個階段的創造部 分。在經過了前兩個階段的學習之後，這一階段的人類發現了蘊含在資訊特徵背 後的某種共有模式，並能夠依照這種模式，創造出帶有不同特徵的新資訊，也因 此從資訊的接收者轉變為資訊的締造者，從而表現出更高層次的智慧行為。
對於人類思考程度之演進過程，可以以繪畫領域做為理解範例。以畫家為例，
處於思考程度第一階段的初級畫家，會觀察大量著名畫作，並通過臨摹的方式提 升自己的繪畫能力。這時的繪畫學習者，會模仿前人作品的細節，進行類似記憶 儲存，整個過程相對機械，所涉及的學習技巧亦較為單一。思考程度第二階段之 中級畫家，在進行了足夠數量的臨摹之後，對於每件作品的困難點和精華之處（即 為特徵抽象）有了更加清晰的認知，能夠識別不同的繪畫風格，比如印象派與抽 象派，甚至判斷出一件作品究竟是出自哪位大師之手，比如一件印象派作品是源 於莫內還是塞尚。基於這種判斷，畫家可以針對某些特定的風格進行模仿描繪。
與前階段之臨摹不同之處在於，此階段中的中級畫家在描繪物件時，不再侷限於 前人完成過之已經存在的作品，而是根據畫風「推測」出同一人在面對其他場景 時會有怎樣的創作，舉例而言，中級畫家可以透過莫內的《日出·印象》，推測出 莫內會如何對「月落」進行創作。然而，這種模仿並沒有明確的標準答案，不同 畫家仍可能會對於同一場景，給出不同的模仿方式並產生不同的結果。最後，第 三階段中的高級畫家，在理解了多種繪畫風格之後，發現其背後的共同特點（即 為共有模式），並在這種特點上加以變化，逐漸形成屬於自己的畫風。比如印象 派的特色在於補捉光影與色彩的改變瞬間之際所感受之印象11，梵古在此基礎上，
加入了自己對客觀事物的主觀感受，由此形成了後印象畫派。
11 印象派繪畫，國立台灣大學網路教學課程，http://vr.theatre.ntu.edu.tw/fineart/th9_1000/ope n-34-broadcast.htm（最後造訪日：2019/06/05）。
DOI:10.6814/NCCU201900818 完成相應任務的機器，如可程式化電腦（Programmable Computer）12。該階段的 人工智慧的重點仍然放在「人工」上面而非「智慧」，其倚靠高效的處理器和大
12 Definition of: programmable computer (“A redundant term, because what makes a comp uter a computer is that it follows a set of instructions. Many electronic devices are computers that perform only one operation, but they are still following instructions that reside permanentl y in the unit”), available at https://www.pcmag.com/encyclopedia/term/63683/programmable-comp uter (Last visited: 2019/06/05).
13 Face Recognition, available at https://www.eff.org/pages/face-recognition (Last visited: 20 19/06/05); How does facial recognition work?, available at https://us.norton.com/internetsecurity-iot-how-facial-recognition-software-works.html (Last visited: 2019/06/05).
14 Face Recognition: An Introduction for Beginners (Apr. 16, 2019), available at https://w ww.learnopencv.com/face-recognition-an-introduction-for-beginners/ (Last visited: 2019/06/05).
15 AlphaGo Zero: Learning from scratch, available at https://deepmind.com/blog/alphago-zer o-learning-scratch/ (Last visited: 2019/04/17).
16 The story of AlphaGo so far, available at https://deepmind.com/research/alphago/ (Last v isited: 2019/04/17).
DOI:10.6814/NCCU201900818
‧
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
9
家進行對弈。與之不同的是，AlphaGo Zero 完全沒有借鑒任何既有的棋譜，在僅 僅知道圍棋規則的情況下，通過自己和自己對弈的方式17，探索出了一套特有的 下棋風格。有趣的是，人們發現 AlphaGo Zero 在開局和收官階段的走法與人類 的經驗不謀而合，盤中的棋風卻與人類有較大的差異，這兩點恰恰體現了其「智 慧」的正確性與獨立性。
與人類擁有的智慧相比，目前的人工智慧仍然存在很大的侷限性，通常被稱 作弱人工智慧（Weak AI, 又稱 Artificial Narrow Intelligence）18。弱人工智慧處理 問題的能力非常單一，如：人臉辨識的程式無法與他人對弈，AlphaGo Zero 也不 能在資料庫中進行資訊檢索。此類人工智慧需要人為針對不同的使用目的設計不 同的演算法，機器只是依照演算法進行一定程度的學習並解決特定問題，而其本 身並不具備自覺能力與認知能力，無法根據不同的任務選取不同的學習方式，仍 然表現出對「人工」的高度依賴性。更高階的人工智慧，即強人工智慧（Strong AI）或通用人工智慧（Artificial General Intelligence, AGI）19，即為預設機器能夠 具備與人類同等的智慧，並表現出人類所有的智慧行為。依照強人工智慧假說，
這樣的機器擁有知覺和自我意識，可以獨立思考問題並針對不同問題制定相應的 解決方案。正如 John Searle 所說：「電腦不僅是用來研究人類思維方式的工具，
更確切地說，編寫有適當程式的電腦本身就是一種思維模式20。」
目前為止，普遍的人工智慧技術仍以弱人工智慧為主21，機器只能夠按照人 類的設計來類比人類的思維方式，然這種類比是否可以稱作機器本身的「思考」
或「智慧」仍飽受爭議，強人工智慧最終能否實現，即是否能夠達到真正的自主 思考甚至獨立研發，目前為止亦尚未可知。即便如此，由於近幾年來軟體與硬體
17 supra note 15. (“Previous versions of AlphaGo initially trained on thousands of human amateur and professional games to learn how to play Go. AlphaGo Zero skips this step and le arns to play simply by playing games against itself, starting from completely random play.”)
18 ELA KUMAR, ARTIFICIAL INTELLIGENCE, 13-14 (2008).
19 Id.
20 John Searle, Minds, Brains, and Programs, 3 Behavioral and Brain Sciences 417 (1980) (“But according to strong AI, the computer is not merely a tool in the study of the mind; ra ther, the appropriately programmed computer really is a mind.”).
21 目前技術進展仍以「弱人工智慧」為主，資策會產業經濟研究所，2017 年 10 月 24 日，
http://mic.iii.org.tw/scholar/GraphDtl.aspx?docid=128178 （最後造訪日：2019/05/18）。
DOI:10.6814/NCCU201900818
‧
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
10
設備技術進步，使人工智慧有著飛躍性的發展，並逐漸充斥於現今生活的各種面 向當中，成為了學術界與工業界重要的研究議題之一。
第二項 演進
如前文所述，人工智慧的目標是希望機器可以類比人類，甚至超越人類的思 維方式，並以此來實現人類的智慧行為。事實上，其原理並不複雜，總結來說就 是將人類的思考過程符號化，並透過計算的方式由機器完成此過程。早在 1308 年，哲學家 Ramón Llull 就提出了「邏輯機」的概念 22，試圖透過機械式的方法 將一些基本的真理進行簡單的邏輯組合及計算，以生成所有可能的知識23。1936 年，英國數學家 Alan Turing 提出了一種可以模擬任何有限邏輯過程的抽象計算 模型--圖靈機（Turing machine）24，激發了科學家對於「讓機器思考」的探索。
1946 年，第一台通用電腦 ENIAC 的問世25，使得機器可以按照人類的設計完成 特定的任務，這為人工智慧的實現提供了重要的技術支援。然而，人工智慧的發 展並非如想像般一帆風順，自 1956 年正式被提出至今，有關人工智慧的研究共 經歷了三次熱潮與兩次低谷26。接下來，本文將按照時間順序，對人工智慧在不 同時期的發展狀況進行簡要描述。
一、人工智慧的誕生
在 20 世紀 30 年代末期，許多科學領域，包括神經學，資訊學，電子學，數 學等等，都有了劃時代的突破。當時的神經學研究發現，人類的大腦是由大量的
22 MARTIN GARDENER, LOGIC MACHINES AND DIAGRAMS, 1-2 (1958).
23 ANTHONY BONNER, THE ART AND LOGIC OF RAMON LLULL: A USER’S GU IDE, 22-25 (2007).
24 PAMELA MCCORDUCK, MACHINES WHO THINK, 63-64 (2ed. 2004).
25 HERMAN H. GOLDSTEIN, THE COMPUTER FROM PASCAL TO VON NEUMAN N, 148-150 (1972).
26 李友專，AI 醫療大未來：台灣第一本智慧醫療關鍵報告，頁 34，2018 年 9 月。
DOI:10.6814/NCCU201900818 Shannon 提出用二進位信號（即數位信號）來模擬布林邏輯運算（Boolean algebra）
28，這成為了現代電子電腦的理論基礎。前段所述之圖靈機，則證明瞭數位信號
28，這成為了現代電子電腦的理論基礎。前段所述之圖靈機，則證明瞭數位信號