人工智慧沿革

模仿生命的機械�自動機

什麼是智慧？�多元智慧

思考＝運算�運算主義

0與1�二進位碼

一步接一步�演算法

演算法的實際運作�運算

給電腦的指令�程式

世上第一台機械式電腦�巴貝奇的機器

理論上的電腦�通用圖靈機

電子大腦�神經元與運算

人工神經元�臨界值邏輯單元

可程式電腦�電子數值積分器和計算機

理論上的程式�圖錢西洋棋程式

運算的藍圖�馮紐曼架構

兩種人工智慧�弱AI與強AI

人工智慧的運作�智慧代理

嘗試錯誤�學會學習

模擬大腦�連結主義

人工智慧模型�傳統AI與統計式AI

運算能力�摩爾定律

原始的資訊�資料類型

萬事萬物、隨時隨地�大數據



傳統人工智慧

資料的表示方式�人工智慧的符號

照著規則走�電腦邏輯

何事、何時、為何、如何？�知識的種類

如何呈現知識？�知識表示

若此則彼�規則

最短路線�路徑搜尋

不完美的解法�啟發式方法

任務的執行�AI規劃技術

處理不確定性�機率與AI

預測變化的模型�馬可夫鏈

模擬不確定性�隨機模型

自動的建議�專家系統

處理「雜亂」的數據�雜亂資料

簡約派、蕪雜派�AI研究的兩大路線



統計式人工智慧

讓人工智慧學會思考�機器學習

發掘資料中的訊息�資料探勘

機器學習的教材�訓練資料

賦予資料意義�特徵與標籤

尋找模式�模式辨識

是或否？�決策樹

資料的類別�分類

最佳預測線條�迴歸分析

讓資料分組�分群

找出不一樣�異常偵測

最可能的結果？�預測

採用有標籤的資料�監督式學習

採用原始的資料�非監督式學習

根據回饋進行學習�增強式學習

集合在一起�集成式學習

人工智慧大腦�人工神經網路

神經網路的結構�層狀結構

賦予重要性�權重

目標與門檻�偏差

衡量成效�成本函數

提升效能�梯度下降

優化模型�差量規則

網路單行道�前饋神經網路

由後往前�倒傳遞

保有資料順序�遞歸神經網路

打造人工大腦�深度學習

神經網路大對決�生成對抗網路

處理視覺資料�卷積神經網路



人工智慧運用

使用人工智慧�AI 應用

排名機制�資料階層

推薦機制�客製化內容

偵測威脅�網路安全

網路攻擊�網路戰

偵測詐欺�交易監控

人工智慧金融應用�演算法交易

解析蛋白質�醫學研究

尋找系外行星�天文研究

數位醫生�AI與醫療診斷

健康監測�AI與醫療保健

物聯網�連網裝置

智慧裝置�嵌入式AI

監控系統�AI與基礎建設

「智慧」農業�精準農業

感知型人工智慧�機器感知

處理聲音�機器聽覺

模擬視覺�電腦視覺

臉部辨識�特徵圖

理解語言�自然語言處理

人工智慧翻譯�機器翻譯

與人工智慧對話�聊天機器人

人工智慧寫作工具�大型語言模型

人工智慧助手�虛擬助理

人工智慧藝術創作�生成式AI

智慧機器人�具身AI

人工智慧夥伴�社交機器人

移動與行動力�實體互動I

精細操作�實體互動II

無人駕駛車�自主載具

人工智慧與戰爭�自主武器



人工智慧哲學

像人一樣的人工智慧�通用人工智慧

無法回頭的臨界點�科技奇異點

意識何在？�萊布尼茲之問

潛水艇會游泳嗎？�功能主義

模仿遊戲�圖靈測試

智慧指標�智力測驗

機器與理解�中文房實驗

哲學殭屍�人類智慧vs機器智慧

新型態人類�權利與責任

複製心智�多重可實現性

透明思維�打開心智之盒



與人工智慧共存

神話或現實？�人工智慧的真相

力量來自於剝削？�隱形勞工

垃圾進，垃圾出�資料品質

偏頗的結果�隱藏的偏見

預測與假設�AI側寫

透明的處理過程�白箱人工智慧

人工智慧勞動力�科技性失業

人工智慧的平衡�AI與平等

形成同溫層�過濾氣泡

控制的極限�AI自主性

是非對錯�AI倫理設計

內建倫理�艾西莫夫的機器人三定律

誰該負責？�AI與法律責任

何可為？何不可為？�AI與法規

生存威脅�AI反烏托邦

無限蓬勃�AI烏托邦



索引

序言



人工智慧是什麼？



　　人工智慧簡稱AI，意思是機器展現的智慧，歷史可追溯到1950年代，也就是現代電腦問世之際。此後數十年間，人工智慧歷經多次熱潮與低潮。早期研究重心以形式邏輯為基礎，稱為「傳統AI」或「符號AI」，後來才逐步轉向以資料與統計為主。如今，人工智慧研究的主流為機器學習，運用大型資料集訓練人工神經網路等 AI 模型，無需明確編寫程式，即可讓模型執行各種任務。藉由這種方法，人工智慧模型得以迅速學習，並高效完成各類任務。



　　流行文化常把人工智慧描述成人類智慧的對手，甚至視為威脅人類生存的存在。但在現實中，人工智慧技術的應用範圍仍相當有限，智力甚至不及一隻貓，更遑論與人類相比。不過在某些特定領域，人工智慧已是功能強大的工具，例如筆跡辨識、電視節目的推薦，或是疾病診斷等。



　　人工智慧應用早已日漸普及，我們每天都在使用，卻未必察覺。它正逐步取代愈來愈多的人類工作，也帶來了迫切且複雜的議題：我們如何確保人工智慧持續為全人類服務，而不會淪為 AI 本身利益的工具，或被少數人類菁英壟斷？我們曾以為有些工作唯有人類才能勝任，眼見這些工作開始改由機器執行，甚至包括藝術與音樂創作，使我們對「人之所以為人」的根本認知產生了動搖。人類與人工智慧的未來仍充滿不確定性，這個未來有待科學家、工程師、數學家、哲學家、政策制定者，以及所有關心人類未來的人，一起協助共同形塑。