在人類宏偉成就的歷史上，很少有演員能像人工智能一樣如此引人注目、充滿爭議且大膽無畏。深入人工智能 (AI) 的歷史迷宮及其可能的未來，就像踏上一場穿越時空的冒險之旅，科幻小說與現實之間的界限比量子計算機解決魔方的速度更快。

請想象一下，如果有一天，機器不僅能執行任務，還能學習、適應和進化，你的烤面包機也許有一天會在國際象棋上勝過你，你的吸塵器也許能寫出一首與莎士比亞媲美的十四行詩。

親愛的朋友，歡迎來到令人興奮、恐懼和無比著迷的人工智能世界。

一、古代神話傳說

創造能夠像人類或神一樣思考和行動的人工智能的想法可以追溯到各個文明的古代神話和傳說，遠早于“人工智能”一詞的誕生。在希臘神話中，神赫菲斯托斯是一位工匠大師，他創造了機械仆人，例如守護克里特島的青銅巨人塔洛斯和在他的工作室協助他的金色少女。

在印度神話中，國王拉瓦那 (Ravana) 有一輛名為 Pushpaka Vimana 的飛行戰車，它可以自主導航并聽從他的命令。

二、人工智能的歷史

要討論人工智能，我們首先必須對它進行定義；要定義“人工智能”，我們首先必須探討“智能”一詞的定義。

人工智能 (AI) 是計算機科學的一個分支，旨在創建能夠執行通常需要人類智能的任務的機器和系統，例如推理、學習、決策、感知和自然語言處理。它的本質是計算機模仿人類——機器（尤其是計算機系統）模擬人類智能過程。

人工智能并不是一個新概念；事實上，它有著悠久而迷人的歷史，跨越了不同的文化、學科和領域。在本中，我們將探索人工智能歷史上的一些關鍵里程碑和發展，從古代神話傳說到現代應用和挑戰。

1.現代人工智能的誕生

“人工智能”一詞由美國計算機科學家約翰·麥卡錫于 1956 年創造，當時他在達特茅斯學院組織了一次會議，邀請了一群對創造能夠模擬人類智能的機器感興趣的研究人員。這次會議被廣泛認為是現代人工智能的誕生，因為它標志著一個吸引資金、人才和關注的新研究領域的開始。會議的一些與會者包括艾倫·圖靈、馬文·明斯基、克勞德·香農和赫伯特·西蒙，他們后來成為人工智能研究領域的有影響力的人物。

人工智能的早期成就之一是邏輯理論家的開發，這是一個可以使用符號邏輯證明數學定理的程序，由艾倫·紐厄爾、赫伯特·西蒙和克利夫·肖于 1955 年創建。另一個里程碑是 ELIZA 的創建，這是一個可以模仿心理治療師的自然語言處理程序，由約瑟夫·魏森鮑姆于 1966 年創建。ELIZA 是聊天機器人的首批示例之一，聊天機器人是一種可以使用自然語言與人類交談的計算機程序。

2.人工智能的崛起與初期衰落

20 世紀 60 和 70 年代見證了人工智能研究的快速增長和擴展，許多子領域和應用應運而生，例如計算機視覺、語音識別、知識表示、專家系統、機器人技術和機器學習。人工智能還得到了軍方和政府的大力支持和資助，尤其是在冷戰和太空競賽期間。然而，人工智能也面臨著許多挑戰和限制，例如解決方案難以擴大和推廣、缺乏常識和情境理解、系統脆弱和不可靠，以及該技術的倫理和社會影響。這些因素導致人們對人工智能的興趣和資金減少，即所謂的“人工智能寒冬”，從 20 世紀 70 年代末持續到 80 年代末。

3.人工智能的復興

20 世紀 90 年代和 21 世紀初，人工智能迎來了復興和復蘇，這要歸功于多種因素，例如大量數據的可用性、計算能力和存儲能力的提升、神經網絡和深度學習等新算法和方法的發展，以及互聯網、社交媒體、游戲和電子商務等新領域和新應用的出現。隨著人工智能被集成到各種產品和服務中，例如搜索引擎、數字助理、推薦系統、面部識別和自動駕駛汽車，人工智能也變得更加普及和無處不在。人工智能還取得了非凡的成就，例如在國際象棋、Jeopardy 和圍棋中擊敗人類冠軍，生成逼真的圖像和視頻，以及創作原創音樂和藝術。

機器學習是人工智能的一個分支，涉及開發能夠從數據中學習并做出預測或決策的算法。它使計算機能夠隨著時間的推移提高其在特定任務上的表現，而無需明確編程。機器學習自 1950 年代就已出現，但近年來，由于大量數據的可用性和計算能力的提高，它引起了廣泛關注。

深度學習是機器學習的一個子集，它采用多層神經網絡進行學習和決策。這些網絡能夠學習不同抽象級別的數據特征和表示，從而使深度學習模型能夠執行圖像和語音識別等復雜任務。盡管深度學習的起源可以追溯到 20 世紀 40 年代，但隨著大量數據的出現和計算能力的增強，它在 21 世紀獲得了突出地位。

機器學習和深度學習很有價值，因為它們使計算機能夠從數據中學習并產生預測或結果，這些預測或結果可以用于解決各個領域的廣泛問題。

4.生成式人工智能的興起

生成式人工智能誕生于科幻小說的大膽夢想和人類永不停歇的好奇心，它就像瓷器店里的大錘一樣微妙地登上了舞臺。

生成式人工智能（有時稱為 GenAI）的概念已經存在了幾十年，但直到最近才在技術上成為可能。值得注意的是，生成式人工智能不同于理論上的 AGI（通用人工智能），后者旨在在機器中復制人類級別的通用智能。

生成式 AI 模型在輸入數據上進行訓練，然后創建與之相似的新數據。基于 Transformer 的深度神經網絡得到了改進，并在 2020 年代初引發了生成式 AI 系統的激增。在 DALL-E 和 OpenAI 的 ChatGPT 分別于 2020 年和 2022 年 10 月發布后，它們在近年來變得非常流行。

生成式人工智能在工作和個人生活的各個領域都變得非常普遍。開發“大型語言模型”（如ChatGPT 的LLM ）和其他 GenAI 模型有很多好處。GenAI 增加了 2023 年和 2024 年高級人工智能工具的可用性。然而，也存在一些批評，從安全和隱私，到道德和偏見，再到限制訪問最佳 GenAI 模型的商業結構和付費壁壘，可能會在“富人”和“窮人”之間造成更大的社會和知識差距，并可能加劇社會不平等。

5.人工智能發展年表總結

以下是人工智能發展過程中的一些關鍵里程碑：

希臘神話（古代）：希臘神話中的赫菲斯托斯和皮格馬利翁融入了智能自動機（如塔洛斯）和人造生物（如伽拉忒亞和潘多拉）的概念。

• 20 世紀 40 年代至 50 年代：人工智能的“誕生”
• 1943 年：第二次世界大戰期間，艾倫·圖靈和神經學家格雷·沃爾特等聰明人致力于解決智能機器的挑戰。
• 1950年：阿蘭·圖靈發表論文《計算機器與智能》，提出了圖靈測試。
• 1950 年：科幻小說作家艾薩克·阿西莫夫 (Isaac Asimov) 提出了機器智能的概念，并設想了它的未來。他最著名的著作是“機器人三定律”。
• 1956 年：“人工智能”一詞在達特茅斯會議上被提出。
• 1965 年：ELIZA 由麻省理工學院的 Joseph Weizenbaum 開發，是自然語言處理程序的一個早期示例。
• 1974年：美國和英國政府停止資助無方向的人工智能研究。
• 20 世紀 80 年代：由于資金撤出，人工智能陷入寒冬。
• 2020 年后：由于機器學習在學術界和工業界的成功應用，人工智能蓬勃發展。
• 2017 年：谷歌發明“Transformer”——一種現代人工智能架構，將成為生成式人工智能的基礎
• 2022 年：Open AI 推出 ChatGPT（現已無處不在的大型語言模型）風靡全球
• 2023 年：歐盟人工智能法案簽署成為歐洲法律；其他制定人工智能法規的國家大多尚未完全納入法律
• 2023–2024 年：生成式人工智能競賽升溫，微軟、OpenAI、谷歌、Anthropic 和 Meta（前身為 Facebook）等幾家關鍵參與者發布了其生成式人工智能模型的迭代改進版本，例如Copilot、Gemini、GPT-4V 和 GPT-4 Turbo、Claude，以及阿聯酋的Falcon 40-B和 Meta 的Llama等開源基礎模型
• 2023–2024 年：微軟將生成式人工智能帶入工作世界，并將Copilot完全集成到 Word、Excel、MS Teams、Powerpoint 等 Office 365 應用程序中。
• 2023–2024 年：Copilot X、Github Copilot、Databricks Assistant和Amazon Bedrock等結對編程助手正在徹底改變軟件開發
• 2024 年：生成式人工智能機器人在通用任務中展現出巨大潛力。特斯拉、寶馬等公司在其工廠中引入了生成式人工智能人形機器人
• 2024 年：隨著處理能力和 AI 模型的改進，微軟和三星等公司將推出Phi-2等小型語言模型 (SLM)和“設備上”AI
• 2025 —未來：家中的人形機器人？通用人工智能助手取代移動和 PC 操作系統？通用人工智能 (AGI)？

三、阿西莫夫機器人定律

1. 第一定律：機器人不得（故意）傷害人類，或因不作為而讓人類受到傷害。這是機器人版的希波克拉底誓言。

2. 第二定律：機器人必須服從人類的命令，除非這些命令與第一定律相沖突。這是“我，機器人，是你們卑微的仆人”定律，確保機器人為我們服務，而不是相反。

3. 第三定律：機器人必須保護自己的存在，只要這種保護不與第一或第二定律相沖突。這是“自我保護”定律，確保機器人不會被人類霸主隨意摧毀。

阿西莫夫后來又增加了一條超越其他定律的第零定律：“機器人不得傷害人類，或因不作為而讓人類受到傷害”。這是“更大的利益”定律，確保機器人考慮整個人類的福祉。

阿西莫夫的機器人三定律對人工智能研究產生了深遠的影響，塑造了我們對機器行為和道德的看法。

• 道德框架：這些法律已經從一個思想實驗發展成為現實世界機器人和人工智能道德的基本概念框架。它們引發了無數的討論和辯論，強調了設計尊重和保護人類生命的人工智能系統的重要性。然而，對此的解釋，例如人工智能“為了更大的長期利益”（盡管目前成本高昂）而工作，在人工智能社區中遭到反對，因為這會分散人們對當前人工智能危害和風險的注意力。
• 人類安全：第一定律強調了確保人工智能系統不會對人類造成傷害的重要性。這導致人工智能技術的發展優先考慮人類的安全、保障和尊嚴。
• 人機協作：第二定律強調人工智能需要服從人類的指令，將控制權交給人類。這凸顯了開發能夠增強人類能力、促進協作和賦能個人而非取代個人的人工智能系統的重要性。
• 道德系統行為：第三定律要求人工智能系統在符合前兩個定律的情況下保護自己的存在。阿西莫夫的第三條“自我保護”定律目前基本上不是任何人工智能系統中內置的“內置”功能，因為它在道德上解釋和實施起來最具挑戰性。
• 對公眾認知的影響：阿西莫夫定律也影響了公眾對人工智能的看法，成為理解人工智能的文化試金石。

這些法律影響了關于人工智能倫理的實際討論，但人工智能技術的快速發展需要對這些基本規則進行更多研究。隨著人工智能的進步，倫理問題變得越來越重要，從而催生了道德標準、人工智能倫理委員會和專注于人工智能倫理的研究中心。

四、人工智能風險、道德、偏見和負責任的人工智能開發

隨著人工智能越來越融入我們的日常生活，我們必須考慮它帶來的潛在風險和挑戰13。以下是與人工智能相關的一些主要風險：

• 缺乏人工智能透明度和可解釋性：人工智能和深度學習模型可能難以理解，即使對于那些直接使用該技術的人來說也是如此。這導致人工智能如何以及為何得出結論缺乏透明度13。
• 人工智能自動化導致的失業：隨著人工智能技術在營銷、制造和醫療保健等行業中的應用，人工智能驅動的工作自動化已成為一個迫切的問題。到 2030 年，占美國經濟目前工作時間 30% 的任務可能會實現自動化。
• 通過人工智能算法進行社會操縱：人工智能算法可用于操縱社會和政治話語，傳播錯誤信息并影響輿論。
• 隱私侵犯：人工智能系統通常需要大量數據，這可能導致隱私問題。
• 算法偏見：如果人工智能系統接受有偏見的數據訓練，而不是采用正確的方法來發現和減輕數據收集方法、數據本身、訓練和解釋或使用人工智能輸出中的偏見，那么它可能會延續和放大現有的偏見。
• 人工智能幻覺：人工智能中的幻覺是生成式人工智能模型產生的毫無意義或非事實的輸出。它們有時非常可信（在文本生成的情況下），并可能導致錯誤信息的傳播，以及其他挑戰，例如信任的侵蝕。
• 過度依賴人工智能和自動化：隨著人類越來越多地使用 GenAI 工具，再加上這些模型偶爾會出現“幻覺”，我們很容易過度依賴大多數情況下“聽起來正確”或大多數情況下操作正確的人工智能工具。這可能導致一些真正的風險，從平庸的——法庭案件中編造的信息，到真正嚴重和致命的——自動駕駛汽車碾壓行人。
• 網絡攻擊和其他安全問題加速擴散： GenAI 的最新建議涉及與網絡安全相關的某些具體問題。LLM 和類似的基礎模型提出了不良行為者可以利用的新攻擊媒介，以及不良行為者探測網絡、軟件等弱點并更快、更大規模地利用漏洞的新更“高效”方式。

這只是一份非詳盡的清單。還有很多其他人工智能風險需要考慮，例如視頻和照片圖像中的 Deepfakes、語音克隆、身份盜竊和欺詐，其中 2024 年已經有兩起備受媒體關注的案件。

應對這些挑戰需要齊心協力負責任地開發人工智能，強調人工智能開發和部署中的道德考量、透明度和包容性。歐盟委員會制定的《可信人工智能道德準則》和領先人工智能組織提出的人工智能原則等舉措反映了人們對負責任人工智能日益增長的承諾。

隨著我們步入更加人工智能的未來，采用負責任的人工智能實踐變得越來越重要，以確保我們以透明和公平的方式使用這些人工智能系統，并且我們已采取適當措施減輕對人類和人類的偏見、傷害和其他風險。

五、人工智能的未來

從交通運輸、制造業到醫療保健和教育，人工智能不可避免地正在塑造幾乎所有行業中人類的未來。人工智能已經成為大數據、機器人和物聯網等新興技術的主要驅動力。

在未來十年，我們可以預期人工智能將改變科學方法，成為外交政策的支柱，并帶來政府的大量投資。人工智能還將繼續影響勞動力市場，并可能導致工作、教育和娛樂領域的長期變化。

• 人工智能監管：截至 2024 年，人工智能監管的重點是促進創新，同時確保合乎道德的使用、數據隱私和減少偏見。相關努力包括國家法律、國際協議和行業自律，歐盟（人工智能法案）采取了重要舉措，美國則出臺了行業特定指南。全球合作旨在協調標準，在保護公共利益和鼓勵技術進步之間取得平衡。預計 2024 年至 2025 年，全球將出臺更多人工智能監管，成為熱門話題。
• 人工智能與人類協作：人工智能不會取代人類工人，而是可以增強和補充他們的技能和能力，創造新的協同效應和生產力。例如，人工智能可以幫助醫生診斷和治療疾病，幫助教師設計和提供個性化教育，幫助藝術家創作和編輯小說作品。人工智能還可以幫助人類做出更好的決策，解決復雜問題并發現新知識。
• 量子人工智能：量子計算與人工智能的潛在結合有望開辟處理能力的新領域，使今天的復雜問題成為明天的瑣碎任務。
• 人工智能與倫理：隨著人工智能變得越來越強大和普及，它也引發了倫理和道德問題，例如如何確保其公平性、可問責性、透明度和可解釋性，如何保護數據和用戶的隱私和安全，如何預防和減輕其潛在的危害和偏見，以及如何使其目標和價值觀與人類的目標和價值觀保持一致。人工智能還對現有的法律法規提出了挑戰，例如與知識產權、責任和人權相關的法律法規。
• 人工智能與社會：人工智能對社會經濟、政治、文化、環境等各個方面都產生了深遠影響。人工智能可以創造新的市場和行業，也可以顛覆和改造現有的市場和行業。人工智能還可以影響資源、財富和權力的分配和配置，為不同群體和地區創造新的機會和風險。人工智能還可以影響社會規范和行為，例如溝通、協作和信任，以及文化多樣性和身份，例如語言、藝術和宗教。
• 人工智能稅是一項擬議的財政戰略，旨在減輕自動化和人工智能 (AI) 的經濟和社會影響，尤其是對工作崗位流失的影響。它可以以多種形式實施，包括對人工智能公司征稅、直接機器人稅、對人工智能生成的產品/服務征收增值稅 (VAT) 或對人工智能交易征稅。

此類稅收的收入可以用于支持社會福利計劃、資助教育和再培訓計劃、促進人工智能全民基本收入 (UBI)或資助符合道德的人工智能發展研究。然而，實施人工智能稅面臨著重大挑戰，例如確定稅基、確保國際合作以及平衡不阻礙創新的需求。人工智能稅的目標是利用人工智能和自動化的經濟效益，同時解決其潛在的負面影響，確保公平、包容地過渡到日益自動化的未來。

六、小結

在人類創新的宏偉畫卷中，很少有像人工智能 (AI) 的歷史一樣豐富多彩和復雜。從理論思考到實際應用的這段旅程不僅重塑了我們的世界，還不斷重新定義了可能性與科幻領域之間的界限。

人工智能從誕生到現在的發展歷程令人著迷。展望未來，有一件事是肯定的：人工智能將繼續成為塑造我們世界的主要參與者。

隨著我們繼續開發人工智能并將其融入我們的生活，我們必須時刻意識到潛在的風險并努力降低風險，負責任地創新，創造更加光明和公平的未來。人工智能是成為烏托邦未來的支柱還是警世故事，取決于我們的集體愿景和我們今天做出的選擇。

在人工智能的歷史中，我們不僅僅是旁觀者，更是塑造未來敘事的積極參與者。