文／NoblerSubtlety793
這篇文章將帶您回顧過去70年間人工智慧的發展歷程和主要流派。
在深入探討生成式AI與藝術創作，特別是表演藝術的關係之前，
我們需要先理解戰後世界政治大環境以及美洲和歐洲學界的研究概況。
這將有助於我們全面了解從1940年代理論興起至2024年的現在，人工智慧如何經歷草創動盪停滯並達到當前的迅猛發展狀態。
戰後世界政治大環境 二戰後，世界進入了冷戰時期，美國和蘇聯成為兩個超級大國，他們在各個領域展開了激烈的競爭，其中包括科技領域。
這種競爭環境推動了科技的快速發展，尤其是在電腦科技和人工智慧領域。
例如，美國政府大力資助了電腦科技的研究，這為人工智慧的發展提供了重要的技術基礎。
美洲和歐洲學界的研究概況 在學術界，二戰後的幾十年被認為是“黃金時期”，許多重要的科學發現和理論在這個時期被提出。
在人工智慧領域，這個時期出現了許多重要的理論和技術，例如神經網絡、機器學習、自然語言處理等。
這些理論和技術為人工智慧的發展奠定了基礎，並形成了今天的主要研究方向。
對人工智慧學派的影響 這種政治經濟環境和學術研究概況對人工智慧學派的形成產生了深遠的影響。
例如，符號主義（Symbolism）學派的形成受到了當時電腦科技的影響，他們認為智能可以通過處理符號和規則來實現。
而連接主義（Connectionism）學派則受到了神經科學的影響，他們認為智能可以通過模擬人腦的神經網絡來實現。這兩個學派在人工智慧的發展中起到了關鍵的作用。
總的來說，戰後的世界政治大環境和學術研究概況為人工智慧的發展提供了重要的背景和基礎，並對人工智慧學派的形成產生了深遠的影響
我們必須認識到，這70多年來，人工智慧的發展並非獨立於世界大環境的變化，而是與之密切相關。
從冷戰時期的科技競賽，到全球化時代的資訊爆炸，這些都對人工智慧的發展產生了深遠影響。
同時，我們也不能忽視學界的研究變化。
從早期的符號主義（Symbolism）和連接主義（Connectionism），到現在的深度學習，
這些學派的興衰反映了人工智慧研究的思想變遷和技術進步。
只有全面理解了這些背景和變化，我們才能更好地理解生成式AI如何改變我們的視覺和聽覺藝術創作。
事實上，生成式AI的影響遠遠超出了藝術創作這一領域，它正在改變我們的世界，並將繼續引導我們往前推進
人工智慧的誕生 達特茅斯學院會議 在1950年代戰後，人工智慧（AI）的概念首次被提出，並開始進行嚴肅的探討。
這個時期的電腦科學剛起步，從科學家到一般大眾，都對於電腦充滿無盡的想像。
人工智慧的研究領域在1956年的達特茅斯學院會議上確立。
這次會議的參加者在接下來的數十年間成為AI研究領域的領軍人物。
在這個時期，有三個主要的AI學派形成，分別是符號主義（Symbolism）、連接主義（Connectionism）和行為主義（Behaviorism）。
符號主義：這個學派認為智慧可以通過處理符號和符號運算來實現。
這是最早的AI方法論之一。
這個學派在20世紀70年代至80年代相當盛行，代表性系統包括DENDRAL、MYCIN等專家系統。
但符號主義存在一些局限性，如無法很好地解決模糊性、不確定性等問題，無法完全複製人類的推理過程。
符號主義（Symbolism） Allen Newell 和 Herbert A. Simon：他們在1955年發表了一篇名為 “The Logic Theory Machine”的論文，該論文描述了世界上第一個人工智慧程序——邏輯理論機器（Logic Theorist）。
該程序能夠證明數學定理，並被認為是符號主義的開始。
John McCarthy：他在1958年創建了 LISP 程序語言，這是第一種專門為人工智慧研究設計的程序語言。
他也是 1956年達特茅斯會議的發起人之一，該會議被認為是人工智慧學科的起源。
(達特茅斯學院會議，正式名稱為達特茅斯夏季人工智慧研究計劃（Dartmouth Summer Research Project on Artificial Intelligence），是由約翰·麥卡錫等人於1956年8月31日發起的一次重要會議。
這次會議的目的是召集志同道合的人共同討論「人工智慧」這個概念，這個定義也正是在那時提出的。會議持續了一個月，基本上以大範圍的集思廣益為主。
這次會議催生了後來人所共知的人工智慧革命¹。
會議的發起人包括：
約翰·麥卡錫（John McCarthy）：當時是達特矛斯學院數學助理教授
馬文·閔斯基（Marvin Minsky）：哈佛大學數學與神經學初級研究員
納撒尼爾·羅切斯特（Nathaniel Rochester）：IBM信息研究主管
克勞德·香農（Claude Shannon）：貝爾電話實驗室數學家
會議設定了七個議題，分別為：
1. 自動計算機
2. 如何對計算機進行編程以使用語言
3. 神經網絡
4. 計算規模理論
5. 自我改進
6. 抽象
7. 隨機性與創造性
這次會議被認為是人工智慧元年，對人工智慧的發展產生了深遠的影響。
近年來，符號主義在一些領域仍有應用，但整體發展速度相對較緩慢。
符號主義（Symbolism）：Allen Newell、Herbert Simon和Nils John Nilsson等人是符號主義的重要代表人物。他們的研究為人工智慧的發展奠定了基礎。
2. 連接主義（Connectionism）：這個學派關注於神經網路模型，通過大量的神經元連接和訓練來實現智能行為。
這個學派在20世紀80年代開始興起，並在近年來得到了飛速發展，成為主導AI技術發展的主流方向之一。
代表性技術包括深度學習、卷積神經網絡等，廣泛應用於計算機視覺、自然語言處理等領域。
Warren McCulloch 和 Walter Pitts：他們在1943年發表了一篇名為 “A Logical Calculus of the Ideas Immanent in Nervous Activity” 的論文，該論文提出了神經元的數學模型，為人工神經網絡的發展奠定了基礎。
Frank Rosenblatt：他在1958年提出了感知器（Perceptron）模型，這是最早的人工神經網絡模型之一
Geoffrey Hinton：他在1986年與 David Rumelhart 和 Ronald Williams 共同發表了一篇名為 “Learning representations by back-propagating errors” 的論文，該論文提出了反向傳播算法，這是訓練深度神經網絡的關鍵技術。
Warren McCulloch、Walter Pitts、John Hopfield、David Rumelhart、Geoffrey Hinton和Yann LeCun等人是連接主義的重要代表人物。他們的研究推動了深度學習技術的發展。
連接主義是一種認知科學理論，認為大腦由大量的神經元組成，這些神經元通過突觸相互連接。資訊通過這些連接在神經元之間傳遞，並最終產生意識和行為。
連接主義強調大腦的分散式表徵和並行處理能力。
連接主義（Connectionism）與伊隆·馬斯克的關聯 伊隆·馬斯克的公司Tesla和SpaceX都在使用這種方法來解決各種問題，例如自駕車的開發和火箭的導航²。此外，馬斯克還創立了一家名為Neuralink的公司，試圖開發出能夠直接與人腦連接的設備，這也是連接主義的一種實際應用
連接主義：連接主義對神經網路和深度學習的發展產生了重大影響。
神經網路和深度學習是人工智慧領域的熱門技術，被廣泛應用於圖像識別、自然語言處理、語音辨識等領域。
行為主義（Behaviorism） Rodney Brooks：他在1986年發表了一篇名為 “A Robust Layered Control System for a Mobile Robot” 的論文，該論文提出了行為主義機器人的概念，這被認為是行為主義的開始。
Richard Sutton：他在1988年發表了一篇名為 “Learning to Predict by the Methods of Temporal Differences” 的論文，該論文提出了時序差分學習（TD Learning）算法，這是強化學習的基礎算法之一。
行為主義：這個學派主要關注如何讓AI系統表現出人類可觀察的智能行為，而不過多關注內部的認知過程。
這個學派在20世紀80年代興起，並隨著人工生命、機器人等技術的發展而逐步成熟。
代表性技術包括增強學習、強化學習等，在機器人控制、遊戲AI、自動駕駛等領域有重要應用。
這些學者的研究報告對於人工智慧的發展起到了關鍵的作用，他們的工作不僅在各自的流派中產生了深遠的影響，而且在整個人工智慧領域中都產生了重要的影響。
行為主義（Behaviorism）：Rodney Brooks、Richard Sutton和Demis Hassabis等人是行為主義的重要代表人物。
他們的研究為人工智慧的實際應用提供了新的思路和方法。
而這一切的想像源頭卻是從一段古希臘神話開始的。
請期待續篇
返回上一頁