本案例依原書 3.2 Historical Background 整理。
用時間線理解 Generative AI 並非單一突破，而是 Symbolic AI、Machine Learning、Deep Learning 與 Generative Architecture 累積的結果。
原書從 1950s Symbolic AI、late 1980s／early 1990s Machine Learning、early 2000s Deep Learning，延伸到 VAE、GAN、Transformer 與 Diffusion。
| 時期／年份 | 原書里程碑 | 意義 |
|---|---|---|
| 1950s | Symbolic AI／Rule-based Systems | 以規則與邏輯模擬推理 |
| Late 1980s–Early 1990s | Machine Learning | 從資料學習 Pattern |
| Early 2000s | Deep Learning Resurgence | 多層 Neural Architecture＋Large Data |
| 2013 | VAE | Probabilistic Generative Modeling |
| 2014 | GAN | Adversarial Training |
| 2017 | Transformer | Attention-based Large-scale NLP |
| 較近期 | Diffusion Models | 高品質 Image／Audio Generation |
Excel 可建立 Timeline 與 Architecture／Capability Mapping；AI 可整理演進關係，但不得自行補原書未提供的年份。
本案例沒有數值計算。
Generative AI 的形成依賴演算法、Computing Power 與 Data Availability 的共同演進。
請依原書時間線整理每個 AI 階段的主要學習方式與能力，不要加入原書未列出的版本或年份。