人工智慧與電腦發明有70年的差距，人工智慧發展的困難，透過哲學家博藍尼提出的「博藍尼悖論」給了一個清楚的說明，「我們懂的事情，比我們能表達出來的更多。」，因此限制了賦予機器智慧的能力，直到2010年機器學習的出現，終於讓人工智慧的發展出現一道曙光。

從思考邏輯到機器學習-人工智慧的歷程

1950至1960為第一波人工智慧發展，這時期的科學家嘗試將人的思考邏輯放進電腦，集合了語言學家、神經心理學家、電腦科學家等，但是面臨到「博藍尼悖論」而失敗。

人類具有的知識很多時候不是線性的、理性的，而是一種感覺、一種經驗，無法訴諸言語表達，因此第二波人工智慧希望將所有知識放進電腦，「但是全世界知識太多了，很多知識是某一個群體才知道、很多知識根本講不出來、很多是我認為是真理的事情但你認為是謬論，所以根本沒有辦理寫出一個電腦是有全世界的知識」陳昇瑋執行長說。

直到2010年代，科學家改變策略，這次把人類的經驗放進電腦裡，提供各領域的歷史資料讓電腦自己歸納規則，開啟了第三波人工智慧發展-「機器學習」，陳昇瑋執行長說明，機器學習是從已知預測未知的動作，例如垃圾郵件辨識系統，電子郵件是已知的物件，郵件的類型是未知，要去預測它是不是垃圾郵件，還有其他像是語音辨識、機器翻譯、無人車等等，只要給機器很多的樣本學習，它就可以從中學會決策的方法。

AI被喻為是第四次的工業革命，AI將成為像是網路一樣的通用科技，未來無論什麼產業領域，都無法不受到AI的影響。

人才是產業AI化的關鍵

「實戰人才缺乏」、「資料基礎建設不足」、「如何找對問題」、「產學之間的鴻溝」，是目前產業AI轉型的四大議題， AI人才的缺乏更是其中關鍵，為了提振產業AI轉型腳步，台灣在2017年底，結合產官學研的力量，由科技生態發展公益基金會主辦，首創「台灣人工智慧學校」，目標解決產業AI人才荒，截至今日已成功培育了4,700位畢業校友。

陳昇瑋執行長表示，台灣人工智慧學校有來自各種產業領域的專業人士，包括電子業、製造業、學術單位、金融業、生技業、醫療業、服務業等，學員將AI結合產業專長，於畢業專題發揮創意，實作成果多元豐富，像是最多人關注的台股指數漲跌預測、新聞的速訊寫稿機器人、PCB瑕疵檢測、植物品種辨識、咖啡豆品質辨識等，陳昇瑋執行長說「機器學習是有史以來，第一個讓機器幫助人類做決策的技術」。

陳昇瑋執行長說明，現在的AI就是「Chinese room」，它沒有自主學習和思辯的能力，只是一個很會查字典的翻譯員，只能傳達一個適合的指示，卻對其中的涵義不了解，而所謂很聰明的AI系統，背後都是大量的人類工程師所寫出來的程式，人類依舊是驅動AI的關鍵，AI的發展現在才剛要開始。