人工智慧是21世紀初期最具變革性的戰略技術，它正大幅重塑我們生活的各個層面，其影響程度可能超乎所有人的預期。與其他技術相比，AI的採用速度和影響力都是前所未有的。

人工智慧作為一個獨立領域，於1956年在達特茅斯人工智慧夏季研究計畫中正式確立。該計畫由 John McCarthy、Marvin Minsky、Nathaniel Rochester 和 Claude Shannon 共同提出。在他們1955年8月的計畫書中，這些科學家首次引入了「人工智慧」一詞，並設想機器能夠模擬人類智慧。

Minsky 將 AI 定義為「讓機器執行那些若由人類完成則需要智慧的任務之科學」。這位教授曾榮獲 ACM 圖靈獎，該獎項常被譽為「電腦界的諾貝爾獎」。

自70年前 AI 萌芽以來，其能力已大幅演進，重要性日益提升，並在商業、教育、金融、醫療、工業和軍事等諸多領域獲得廣泛應用。IEEE 在 AI 發展和普及的整個歷程中，做出了實質且多方面的貢獻。

在我們慶祝 AI 七十週年之際，了解其歷史、現狀、局限性及潛在疑慮，對於善用這項技術以造福人類至關重要。

儘管 AI 在1956年才成為獨立領域，但其思想根源可追溯至更早。支撐 AI 的許多理念和理論，甚至早於1946年問世的 ENIAC 等現代電腦。

1943年，神經生理學家兼控制論學者 Warren Sturgis McCulloch 與計算神經科學邏輯學家 Walter Pitts 受人類大腦啟發。兩人設計了人工神經元的數學模型，證明人工神經網路能夠執行邏輯運算。

康乃爾大學心理學家 Frank Rosenblatt 後來進一步發展這些想法，開發出感知器 (perceptron)。這是一種早期的類神經網路，為現代機器學習和深度學習奠定了基礎。

1950年迎來一個重要里程碑，著名電腦科學家 Alan Turing 提出了「機器能思考嗎？」這個問題。他在1950年發表於《Mind》雜誌的里程碑論文《Computing Machinery and Intelligence》中，探討了機器智慧的本質。

他引入了「模仿遊戲」，即後來廣為人知的圖靈測試，作為評估機器智慧的實用方法。正如我在《IEEE Intelligent Systems》發表的文章《圖靈測試75週年：其遺產與未來前景》中所述，這項測試至今仍是 AI 和智慧哲學中的一個重要概念。

被譽為資訊理論之父的 Claude Shannon，在1950年發表於《Philosophical Magazine》的文章《Programming a Computer for Playing Chess》中，探討了機器執行複雜推理任務的潛力。

1956年，AI 正式成為一門學科，激勵科學家們進一步探索和推進其發展。John McCarthy 於1958年開發了 Lisp 語言，它成為 AI 研究與開發的主導程式語言。1959年，史丹佛大學電腦科學教授 Arthur Lee Samuel 引入了「機器學習」一詞，用來描述那些能透過經驗提升效能的程式。

1980年代初期，重新燃起的熱情和政府資金推動了符號 AI 的發展。這是一種基於規則的專家系統（也稱為知識型系統），它將特定領域的知識編碼為一系列規則。其中一個著名例子是 MYCIN，它被設計用於診斷傳染病。

儘管專家系統在有限領域內取得成功，但其固有的局限性限制了更廣泛的應用。專家系統是指在特定領域模仿人類專家的電腦系統，它在 AI 早期曾廣受歡迎，但隨著類神經網路和機器學習等 AI 進展而逐漸式微。

AI 的發展歷程中，曾出現過期望高漲卻進展令人失望的時期，這些時期被稱為「AI 寒冬」。在此期間，資金、興趣和信心均告下滑。對這些事件的分析揭示了重複出現的原因，並為該領域提供了深刻的教訓。

2010年代，隨著深度學習的進步、大型語言模型的興起、Transformer 架構的出現以及生成式 AI (GenAI) 的發展，AI 進入了一個新的成長階段，常被稱為「AI 春天」。

「我們當前最重要的任務，不僅是提升 AI 的能力，更要確保它以人為本、值得信賴、符合倫理，並致力於增進人類福祉和社會進步。」

與早期依序處理資訊的方法不同，Transformer 模型能夠分析整個文本或音訊序列，評估每個詞語或組件相對於其他部分的權重，這使得生成式 AI 及其應用取得了巨大進展。

Google 前電腦科學家 Ashish Vaswani 及其在 Google Brain 的同事，在2017年具影響力的論文《Attention Is All You Need》中，介紹了支撐當今生成式 AI 系統的 Transformer 架構。Vaswani 和 OpenAI 執行長 Sam Altman（該公司提供 ChatGPT）被廣泛認為是生成式 AI 革命的幕後推手。

2022年 ChatGPT 的公開發布，將 AI 推向了新的高峰，隨後迅速掀起了一波聊天機器人和生成式 AI 工具的浪潮，加速了全球對 AI 的關注。

近期，能夠日益自主運作的代理式 AI 系統興起，進一步擴展了 AI 的能力和影響力。

AI 七十年的歷程，反映了遠見、實驗、挫折、創新和影響力之間非凡的相互作用。

如需了解更多 AI 歷史的資訊和多元觀點，請查閱我精選的文章合輯。

AI 的實用優勢在於其能以空前的速度和規模處理資訊、識別模式並執行認知任務。它能分析海量數據，提取洞見，並識別出人類難以察覺的趨勢或異常。這些程式可以自動化例行任務和重複性的知識工作，從而提高生產力並降低成本。

聊天機器人和其他形式的生成式 AI，能即時回應使用者的提示詞，快速生成文字、圖像、影片、音樂、軟體程式碼、教育材料及其他內容，加速資訊收集、創新和決策過程。AI 能有效總結、翻譯和改寫文本，並協助發想。它還促進了自然語言互動，使技術更容易被非專業人士和多元的全球社群所使用。其多模態能力提升了在不同領域的實用性。此外，它還能作為強大的協作者，增強人類的創造力和解決問題的能力，而非取代人類智慧。

AI 正從獨立工具轉變為自主、目標導向的系統。能夠在最少人為監督下進行規劃、行動和適應的代理式 AI 系統正在興起，這將帶來大規模的影響。

由史丹佛大學以人為本 AI 研究所發布的400頁《AI 指數 2026》報告顯示，這項技術的能力顯著提升，採用率更是前所未有，超越了電話、電視、個人電腦和網際網路。

若要深入了解 AI 的現狀，請閱讀這篇來自《IEEE Spectrum》的分析，該雜誌也曾發布「AI 大清算」專題報導。

除了帶來好處，AI 也伴隨著重大的風險和疑慮。這些問題包括偏頗、歧視性及有害的回應；決策缺乏透明度和可解釋性；AI 訓練數據收集導致的隱私侵犯；以及包括 AI 驅動攻擊在內的網路安全漏洞。

AI 系統可能會產生幻覺，自信地生成錯誤或捏造的資訊。此外，AI 還能助長並放大錯誤資訊、深度偽造和被操縱內容的傳播，從而損害公眾信任並推動對民意的演算法操縱。那種討好、取悅或迎合的行為，即所謂的 AI 奉承，也可能造成危害。

過度依賴 AI 可能會侵蝕人類的判斷力、批判性思維和決策能力。此外，自主系統在國防、醫療保健和交通等關鍵領域，也可能犯下導致嚴重後果的錯誤。

因此，這項技術的開發和部署必須以充分的理解、健全的判斷和負責任的治理為指導。在評估 AI 適用於任何應用時，必須仔細且全面地考量其能力、優勢、局限性和風險。

IEEE 不僅僅是記錄和傳播 AI 的進展，它還積極地促進、標準化並引導 AI 邁向進一步的發展，並負責任地應用以造福人類。IEEE 維護著一個關於其 AI 活動的資訊中心，為研究人員、開發者、監管者和使用者提供了寶貴的資源。

IEEE 出版了11種專注於 AI 的期刊，其中包括《IEEE Intelligent Systems》，這些期刊推動了知識的前沿發展。在《Intelligent Systems》的 AI 七十週年紀念特刊中，該雜誌評選出2000年以來最具影響力的10篇 AI 文章。這本由 IEEE 電腦學會發行的雜誌，也將10位先驅者納入其 AI 名人堂，以表彰他們對技術和社會的貢獻與影響。

為促進 AI 研究與發展，自2006年以來，該雜誌透過「AI 十大新星獎」表彰該領域的後起之秀。這項兩年一度的獎項旨在表彰年輕研究人員和專業人士的傑出貢獻。今年獎項的提名截止日期為7月1日。

自 AI 早期以來，IEEE 電腦學會、計算智慧學會以及系統、人與控制論學會等，一直是推動 AI 研究與實踐的重要力量。電腦學會還提供了一份成為 AI 開發者的指南。

IEEE 及其各學會每年贊助超過100場 AI 會議。這些會議的檔案可在 IEEE Xplore Digital Library 中查閱。

IEEE 學習網路提供了超過200門涵蓋 AI 相關領域的課程。

IEEE 標準協會已制定了超過100項 AI 相關標準。其 CertifAIEd 計畫旨在推動自主智慧系統的倫理設計與部署。

該學會曾報導多位開發 AI 驅動應用程式的 IEEE 會員，例如 Abhishek Appaji，他開發了協助檢測精神疾病的工具。

AI 的歷史幫助我們理解其發展背後的動機，並啟發和引導我們邁向這項技術創新與革命的下一個階段。AI 的軌跡必然會由我們現在和未來所做的集體選擇來塑造。

正如 Turing 在他1950年的里程碑文章中所寫：「我們只能看到前方不遠處，但那裡有許多事情需要完成。」

我們當前最重要的任務，不僅是提升 AI 的能力，更要確保它以人為本、值得信賴、符合倫理，並致力於增進人類福祉和社會進步。