AI 怎麼走到今天？從感知器、CUDA 到 Agent Harness｜AI 技術演進史

AI 是怎麼從「分辨一條直線兩邊」，走到今天會規劃工作、呼叫工具的 Agent？這支影片沿著一條時間軸，用白話走過八十多年的 AI 技術演進：演算法的關鍵突破、一般人會遇到的應用、當年工程師用的工具，以及 GPU 和 CUDA 怎麼成為 AI 的加速器。 我是應援快門，假日在球場拍啦啦隊，平日是生成式 AI 研發工程師。 上一支影片〈128GB 跑 AI 就比較快？三種 AI 硬體實測〉：   • 128GB 跑 AI 就比較快？L40S、RTX 5090、DGX Spark 三台實測   ⏱ 章節 0:00 先猜一下：四個點的小挑戰 0:13 從一張貓咪照片說起 1:06 AI 時間軸與五個能力階段 1:53 1943–1966：人工神經元、達特茅斯、ELIZA 2:57 1958 感知器：機器第一次像是在學 3:34 一條直線的限制與 AI 寒冬 4:16 專家系統與深藍 5:31 1986 反向傳播 6:11 CNN 與 LSTM 7:04 GPU：平行運算機器 7:42 CUDA：GPU 可以寫程式了 8:49 2012 AlexNet 9:49 2014–2017 創新接力賽 10:44 2017 Transformer 11:39 2018 GPT 與 BERT 12:00 大型語言模型、GPT-3、RAG 12:47 ChatGPT 與生成式 AI 13:46 Agentic AI 與 ReAct 14:30 MCP 與 Agent 開發工具 15:13 Agent Harness 16:26 NVIDIA 為何領先：四層來看 17:44 別過度簡化 18:08 回顧：四股力量互相推進 19:06 留言邀請 【重點年份】 ・1943 人工神經元｜1956 達特茅斯夏季研究聚會｜1958 感知器｜1966 ELIZA ・1986 反向傳播經典論文（相關想法更早已有先驅）｜1997 LSTM、深藍（1996 年首戰 2:4 落敗，1997 年 3.5:2.5 勝出）｜1998 LeNet ・2006 CUDA 架構公布｜2007 年 6 月 CUDA Toolkit 1.0 ・2012 AlexNet：兩張 3GB 遊戲顯示卡、約 5～6 天訓練；ImageNet Top-5 錯誤率 15.3%（多模型組合），第二名約 26.2% ・2014 GAN、cuDNN｜2015 ResNet、TensorFlow 開源｜2016 AlphaGo（4:1，李世乭第四局第 78 手扳回一局）｜2017 Transformer、Tensor Core、PyTorch 公開 ・2018 GPT、BERT｜2020 GPT-3（1750 億參數）、RAG｜2022 ChatGPT（11/30）、Stable Diffusion、ReAct｜2024 MCP（11/25） 【說明】 ・五個能力階段（辨認、深度學習、生成、行動、可靠執行）是方便解說的教學地圖，不是全球統一的學術分期；規則式 AI、搜尋、強化學習、統計方法一直並行發展。 ・CUDA 是平行運算平台與開發工具，MCP 是連接工具的協定，Agent Harness 是執行與控制的工程系統，三者都不是新的模型演算法。 ・影片中的實拍硬體只做示意，不代表特定型號的評測。 【主要資料出處】 Stanford AI100 歷史綜述：https://ai100.stanford.edu/reports/20... Rosenblatt (1958)：https://pubmed.ncbi.nlm.nih.gov/13602... IBM 深藍：https://www.ibm.com/history/deep-blue AlphaGo 對戰：https://deepmind.google/research/alph... Rumelhart et al. (1986)：https://doi.org/10.1038/323533a0 Hochreiter & Schmidhuber (1997)：https://doi.org/10.1162/neco.1997.9.8... NVIDIA 企業發展史：https://www.nvidia.com/zh-tw/about-nv... CUDA Toolkit 1.0：https://developer.nvidia.com/cuda-too... AlexNet 論文：https://papers.nips.cc/paper/2012/fil... Attention Is All You Need：https://arxiv.org/abs/1706.03762 Volta／Tensor Core：https://nvidianews.nvidia.com/news/nv... GPT-3：https://openai.com/index/language-mod... RAG：https://arxiv.org/abs/2005.11401 ChatGPT：https://openai.com/index/chatgpt/ Stable Diffusion：https://stability.ai/news-updates/sta... ReAct：https://arxiv.org/abs/2210.03629 MCP：https://www.anthropic.com/news/model-... Agent Harness：https://cloud.google.com/discover/age... 如果想看哪個演算法的動畫實作，或想看我們測試哪些大語言模型的功能指標項目，歡迎在下面留言！ 喜歡這種白話的 AI 介紹，歡迎訂閱應援快門 @cheershot_tw。 #AI歷史 #人工智慧 #CUDA #大語言模型 #AIAgent #感知器 #反向傳播 #深度學習 #Transformer #GPT #BERT #大型語言模型 #LLM #RAG #ChatGPT #MCP #Agent Harness #Agentic AI