THE MAIN NARRATIVE / 01—08
從計算工具到認知協作者
八個轉折。
一個未完的問題。
沿著歷史前進,看見技術突破背後的人類選擇。每一章都能獨立閱讀,無須觀看動畫或依照指定節奏前進。
1 / 8
← → 切章 · 空白鍵 播放/暫停 · Esc 結束
01 / BEGINNING1830s–1936MACHINE
BEFORE THE ELECTRONIC AGE
先有「計算的想像」,
才有電腦。
這張照片拍的是 19 世紀巴貝奇「分析機」的部分試製模型。它沒有晶片,靠齒輪和機械零件工作;巴貝奇更重要的想法,是讓機器依照事先安排的指令做不同計算。
到了 1936 年,圖靈則用數學模型研究:哪些問題可以被拆成明確步驟來計算?兩者並不是同一台機器。
一句話重點先有人想到「機器照步驟運算」,才逐步有了後來的電腦。
史料來源:倫敦科學博物館 ↗HISTORICAL OBJECT / 真實歷史實物巴貝奇的分析機 · 部分試製模型

先看真實的機器:不是晶片,而是齒輪。分析機未在巴貝奇生前完整建成;照片是其部分試製模型。攝影 Daderot · CC0。圖片出處與授權 ↗ 延伸圖解 / CONCEPT EXPLAINER · 想知道它如何影響後來的電腦?接著看下方分鏡。
CONCEPT EXPLAINER 01 下方為自行繪製的概念流程圖,不是歷史照片;實物照片見上方。分析機的機械設計與圖靈的數學模型是不同的事。放大圖解(新分頁) ↗
02 / ELECTRONIC1940sMACHINE
FROM THEORY TO HARDWARE
當計算,
開始以電子速度運作。
戰時密碼分析與數值計算需求促進電子技術發展。英國 Colossus 在 1944 年以穿孔紙帶與電子處理協助分析 Lorenz 密文;美國 ENIAC 於 1946 年公開展示,可透過開關與面板接線設定數值計算。兩部設備用途與設計不同,並非單一演進線。
轉變計算從人力密集的過程,成為大型電子系統的工作。
查閱 The National Museum of Computing ↗
VISUAL ESSAY 02 Colossus 的 Lorenz 密碼分析與 ENIAC 的數值計算是不同任務。圖中構造取材自史料,但非原機外觀復原。放大圖解(新分頁) ↗
03 / MINIATURIZATION1947–1980sMACHINE / HUMAN
THE PERSONAL MACHINE
巨大的機器,
走向每個人的桌面。
1947 年 Bell Labs 製成鍺點接觸電晶體;1958 年 Kilby 展示早期積體電路,1959 年 Noyce 提出實用的單晶片整合方案。1971 年 Intel 4004 則是為計算機設計的 4-bit 微處理器。到了 1975 年 Altair 套件、1977 年 Apple II 等個人電腦,硬體以外的軟體、價格與使用方式也影響普及。
轉變誰能使用運算能力,開始發生根本變化。
查閱半導體技術史 ↗
VISUAL ESSAY 03 1947 點接觸電晶體、1958–59 積體電路、1971 4004 CPU 與個人電腦是不同發展階段;示意非實物復原,亦非單一因果鏈。放大圖解(新分頁) ↗
04 / CONNECTIVITY1969–1991WORLD
THE CONNECTED WORLD
電腦之間,
開始彼此說話。
1969 年,ARPANET 開始研究跨機構的封包交換網路;1983 年轉換至 TCP/IP,讓不同網路更容易互通。1989 年 Tim Berners-Lee 在 CERN 提出 Web 構想,1990 年已建立瀏覽器與伺服器,1991 年向更廣泛的網路社群公布。Web 使用超連結與網頁文件分享資訊,但它不是 Internet 本身。
轉變Internet 傳送跨網路資料;Web 以 URL、HTTP、HTML 與連結組織文件。
查閱 Internet Society ↗
VISUAL ESSAY 04 網路通訊與 Web 文件是不同技術層次;原創機制示意,非實際 ARPANET 拓撲或 CERN 原始瀏覽器。放大圖解(新分頁) ↗
05 / LEARNING1950–2016INTELLIGENCE
CAN MACHINES THINK?
AI 只有一種
解題方法嗎?
1950 年圖靈探討機器智慧,1956 年 Dartmouth 研究計畫讓 AI 成為具名的研究領域。早期專家系統以人工知識與規則推理;2012 年 AlexNet 以深度卷積神經網路在 ImageNet 影像分類競賽取得突破;2016 年 AlphaGo 則結合策略與價值網路、樹狀搜尋,擊敗李世乭。它們不是同一種方法。
轉變規則、資料訓練與搜尋能各自解題,也能搭配;深度學習只是 AI 的一部分。
查閱 Stanford AI100 ↗
VISUAL ESSAY 05 規則式 AI、深度影像辨識與神經網路加樹狀搜尋是不同例子;圖為簡化的機制示意。放大圖解(新分頁) ↗
06 / LANGUAGE2017–2020INTELLIGENCE
A NEW INTERFACE TO INFORMATION
從選單操作,
到用語言說明任務。
2017 年 Transformer 以 Self-Attention 處理序列,原始研究著重機器翻譯。2018 年的生成式預訓練研究,以及 2020 年 GPT-3 的文字提示與少量範例學習,逐步擴展以文字描述任務的方式。模型能產生草稿,但不保證理解意圖或內容正確。
轉變架構不等於介面;用文字交代任務後,生成草稿仍需檢查。
查閱 Attention Is All You Need ↗
VISUAL ESSAY 06 2017 架構、2018 預訓練、2020 文字提示是不同層次;生成內容仍須查證。放大圖解(新分頁) ↗
07 / GENERATIVE2022–2024HUMAN / INTELLIGENCE
THE MACHINE SPEAKS
當每個人都可以
直接向機器提問。
ChatGPT 於 2022 年 11 月 30 日推出,生成式 AI 開始走進更多人的生活。後續多模態模型讓文字、聲音與影像之間的互動更加緊密,也將可靠度、創作歸屬與判斷責任帶到眼前。
轉變人機互動逐步從「學會指令」走向「自然對話」。
查閱 ChatGPT 發布公告 ↗
VISUAL ESSAY 07 從對話到多種應用。不同產品的多模態能力不必然相同。放大圖解(新分頁) ↗
08 / THE OPEN QUESTION2025–NOWHUMAN / WORLD
HUMAN AGENCY
能力越強,
選擇權應該交給誰?
AI 開始協助多步驟工作,但新能力不代表答案總是正確。從工作、學習到創作,真正重要的問題是:我們如何保留查證、學習與自主決定的能力?
我們的提問讓科技擴大人的能力,而不是接管人的判斷。
從社會研究繼續思考 ↗
VISUAL ESSAY 08 AI 是協作者,查證與最後選擇仍由人負責。放大圖解(新分頁) ↗