科技白話 TechPlain

1950 年代｜首次提出人工智慧 (Artificial Intelligence)

1956 年，一群學者在美國達特茅斯學院 (Dartmouth College) 的一場會議中，首次提出了人工智慧 Artificial Intelligence 這個新概念。當時 AI 的運作方式非常直觀: 研究人員必須手動設定一條條明確的規則 (聽起來有點像 Excel)，像是「如果體溫超過 38°C，就判斷這個人有發燒症狀」。這種方法後來被稱為「符號式 AI Symbolic AI」。

流程簡單來說就是:

• 人工撰寫清楚的規則 → 電腦逐一比對這些條件 → 根據規則給出結論

簡單比喻:
好比爸媽跟小孩說：「看到紅燈就要停下來，看到綠燈才可以走。」孩子只要遇到類似情況就遵守規則即可。

1980 年代｜Expert System (專家系統)

到了 1980 年代，AI 技術進一步發展，出現了所謂的「專家系統 (Expert System)」。這種系統延續早期符號式 AI 的規則邏輯，但結構上更加系統化。研究人員會先收集特定領域，例如醫療的專家知識，整理成一個大型的知識庫 (Knowledge Base)，再透過「推理引擎 (Inference Engine)」自動進行邏輯推理。

所謂的推理引擎，可以想像成一個專門進行邏輯判斷的程式，能夠自動比對多條規則，從已知的資訊推論出新的結論，以當時知名的醫療診斷系統 MYCIN 為例:

• 規則 A：「如果體溫 > 38°C，則判定為發燒。」
• 規則 B：「如果出現咳嗽 + 發燒 + 喉嚨痛，則可能為細菌感染。」

這樣的系統優點在於邏輯清晰、推論過程容易追蹤，但也有明顯的限制: 所有規則都需由專家手動輸入，當規則數量變多時，維護管理難度就會急劇增加；加上當時電腦效能有限，因此這類系統最終未能普及。

我們也可以把早期的符號式 AI (Symbolic AI) 想成是 Excel 裡單一儲存格的 IF 函數。
例如：=IF(體溫>38, "發燒", "正常")
這代表你寫了一條明確規則，當輸入條件符合，就回傳結果。不過如果你想判斷更多條件，就得一條條額外寫出來。整個系統靠的是「人自己寫邏輯」，而且無法互相串聯。
專家系統 (Expert System) 的出現，就像你開始在 Excel 裡建立一整張串接邏輯的試算表。你不只寫單一函數，而是把很多函數的邏輯規則串起來。

這就像是 MYCIN 裡的推理引擎：先用一條規則得出中間結論（是否發燒），再根據這個中間結論串接下一條規則來推論出診斷結果。

與前代差異:
從早期單純條列規則的方式，進化到「建立知識庫 + 自動推理引擎」的系統化處理，但本質上仍屬於人工規則導向，尚未具備自動學習能力。

2012｜AlexNet + Deep Learning

2012 年，AI 發展出現了重大的轉折點。來自加拿大多倫多大學的研究團隊，推出名為 AlexNet 的新型 AI 模型，首次使用了一種稱為「深度學習 (Deep Learning)」的技術。

深度學習的概念是模仿人類大腦的神經網路，讓電腦能夠透過大量的資料自行「學習」，不再需要人類寫出一條條的規則。當時，AlexNet 模型利用 GPU (圖形處理器，一次能快速處理大量的運算)，在超過一百萬張被標記好的圖片上進行訓練，從圖片中自動學習並辨識出不同物體的特徵，例如貓的耳朵形狀、狗的鼻子特徵等等。這個做法在 ImageNet大規模視覺辨識挑戰賽中表現遠勝過傳統方法，直接推動了深度學習時代的來臨。

早期的符號式 AI 和專家系統就像 Excel 裡的函數，每一個判斷都是人寫的公式，規則變多時就會變得複雜。但 AlexNet 和深度學習的方式，更像你給 AI 看了大量標記好的照片，例如告訴它「這些都是貓、那些都是狗」，之後 AI 就會自己學會判斷貓跟狗的差別，完全不需要你再手動寫任何一條「IF 函數」。
AlexNet 在 ImageNet 圖片辨識比賽中的表現遠勝過傳統的規則導向方法，從此開啟了深度學習全面流行的時代。

與前代差異：
從必須人為撰寫規則的時代，正式轉變為由 AI 自行從大量資料中「學習特徵」，大幅降低人類的負擔與限制，也讓 AI 能處理更複雜的任務。

2017｜Google Transformer 架構

2017 年，Google 提出了名為「Transformer」的 AI 架構，徹底改變了 AI 理解語言的方式。

以往 AI 在理解一句話時，必須從頭逐字逐詞往後讀，這種方式不僅效率差，對較長的句子也容易遺漏重要資訊。Transformer 則使用了一種稱為「自注意力機制 (Self-Attention)」的關鍵技術，讓 AI 能同時看整個句子，一次分析所有詞元 (token) 之間的關係。
舉例來說，英文句子 “I use AI” 可拆解為三個詞元(token):

• Token 1: “I”
• Token 2: “use”
• Token 3: “AI”

AI 會將句子分解成這樣的小單位，是為了更有效地處理與分析每個詞之間的關聯，例如能快速辨識出「use」描述了「I」與「AI」之間的關係，而無需逐字累積資訊。透過同時評估每一對 token 之間的重要程度（例如 “use” 這個動詞同時與主詞 “I” 和受詞 “AI” 有高度關聯），AI 就能更迅速、更有效地抓住句子的重點、理解完整的語意脈絡。(感覺真像是在上英文文法課😂)

Google 最早將 Transformer 應用於 Google 翻譯，迅速提升了翻譯的品質和準確性，隨後也成為 GPT、Gemini、Claude 等各種大型語言模型的基礎架構，能夠更快速理解與生成符合人類語感的句子。

與前代差異:
傳統語言模型像是在走迷宮，必須一格一格慢慢推進來逐字處理，Transformer 則像是俯瞰整個地圖，直接看到所有路徑與關聯。這種分析方式，大幅提升了語言理解的速度與準確度，也為後來大型語言模型奠定了關鍵基礎。

2022｜ChatGPT × RLHF 人類反饋強化學習

2022 年，OpenAI 推出的 ChatGPT 徹底掀起全球對 AI 的熱潮。它建立在 Transformer 架構與大型語言模型 GPT 上，但真正讓它脫穎而出的關鍵，是加入了「人類反饋強化學習（RLHF，Reinforcement Learning with Human Feedback）」的訓練機制，讓回答不僅正確，還更貼近人性。

RLHF 的訓練流程大致可分為三個階段:

預訓練（Pretraining）
AI 首先閱讀大量文本，學習語言結構與知識脈絡，打下理解與生成文字的基礎。

監督式微調（Supervised Fine-tuning）
接著由真人作為標註者提供許多高品質的問答範例，教 AI 如何在不同情境下給出合適、有邏輯的回應。

人類回饋強化學習（RLHF）
在這個關鍵階段，AI 每次會生成多個回答版本，由真人進行排序或評分，接著再透過強化學習機制，反覆調整模型參數，讓未來的回答更接近人類喜好的風格。

範例：
使用者提問：「冰箱有蛋、牛奶和吐司，我可以做什麼？」

AI 產出三個回答版本:

• 回答 A：「你可以吃吐司。」
• 回答 B：「建議你做法式吐司。」
• 回答 C：「你可以用蛋、牛奶和吐司做一份簡單的法式吐司，只要把蛋和牛奶攪拌後浸泡吐司，再用平底鍋煎到金黃就完成了！」

真人評審排序依據:

1. 回答 C（具體做法、語氣親切） → 排名第 1
2. 回答 B（方向正確但不夠完整） → 排名第 2
3. 回答 A（過於簡略、缺乏價值） → 排名第 3

這個排序會用來訓練獎勵模型，AI 接下來在遇到類似提問時，就會更傾向給出具體步驟 + 親切語氣的實用回覆。

與前代差異：
ChatGPT 成功的原因，除了眾所周知的 GPT 語言模型，更重要的是加入了人類反饋強化學習 (RLHF) 的技術。這個方法讓 AI 不只學會語法與邏輯，更進一步學習到人類偏好的回應方式，使得回答更自然且貼近人性。同時，Chat GPT 簡單易用的聊天介面也降低了使用門檻，讓不懂程式技術的用戶也能輕鬆與 AI 互動，迅速在全球掀起熱潮。

AI 是怎麼訓練出來的?

我們用最簡單的方式來總解 AI 是怎麼被訓練出來的。
讓我們用圖像識別來說明：假設你要訓練一個 AI 來分辨貓和狗。

你會先準備好大量圖片，這些圖片會分成三種，就 AI 訓練領域通常會有三種數據:

總結所有 AI 的訓練方式:

其實 AI 就是把大量資料餵進伺服器，然後給它「正確答案」當作參考，再透過評分機制不斷優化產出的內容品質，讓它學會從中找出找出規律變得更好。
這個過程就像不斷學習做題目、修正、再練習，最後慢慢掌握怎麼判斷和回應。

再舉例一下，像 GPT 這類的語言模型會根據你輸入的內容，從它「訓練過的知識」中產生回應。雖然它的回答是機率性的 (也就是有點隨機的成分），但這個隨機不是亂猜，而是經過不斷訓練，讓猜測答案時變得更精準。這也是為什麼你和別人問一樣的問題，AI 給出的回答可能主軸一樣，但細節字句會不太一樣。這種設計讓回覆更自然、更接近人類對話的感覺。