人工智慧開啟了新一代機器人技術 Robotics 2.0，最大改變是從原先人工編寫程式而來的自動化，邁向了真正的自主學習。本文將嘗試揭開人工智慧（AI）應用的神秘面紗，協助讀者瞭解 AI 機器人將如何影響我們的未來，并釐清我們常常聽到，但卻著墨不多、甚至根本尚未全然理解的主題。

　　本文為「Robotics 2.0」系列文章的第一篇，講述機器人技術與 AI 對于各大產業和未來工作的影響。我們將討論 AI 將如何釋放機器人技術的潛力，這項新技術的挑戰和機會，以及這一切將如何影響我們的生產力、就業狀況、甚至日常生活。在人工智慧被大肆宣傳的當下，我們希望透過這些文章鼓勵更有建設性和全面性的探討。

　　重新定義機器人：揭開次世代 AI 機器人 Robotics 2.0 的神秘面紗

　　提到機器人，我們總有各式各樣天馬行空的想像：從 Softbank（軟銀集團）的社交機器人 Pepper、能輕松后空翻的 Boston Dynamics 公司機器人 Atlas、《魔鬼終結者》（Terminator）系列電影的人造人殺手，到電視影集《西方極樂園》（West World）中隨處可見、栩栩如生的擬真機器人角色。

　　我們常常聽到兩極化的觀點；有些人傾向高估機器人模仿人類的能力，認為機器終將取代人類，有些人則對新研究和技術的潛力太過悲觀。

　　在過去一年之中，許多創業、科技、新創業界的朋友都曾問過我，在 AI，尤其是深度強化學習和機器人技術的領域，究竟有哪些「實際」進展？

　　令人最為好奇的是：

　　AI 機器人和傳統機器人有什么不一樣？AI 機器人是否真有顛覆各大產業的潛力？它的能力和限制又是什么？

　　看來，想要瞭解現在的技術進步和產業格局，是出乎意料的困難，更不用說要對未來做出預測。藉由這篇文章，我嘗試揭開人工智慧應用于機器的神秘面紗，釐清這個我們常常聽到，但卻著墨不多、或根本未全然理解的主題。

　　首先必須回答的基本問題：什么是 AI 機器人（AI-enabled Robotics）？它們又有什么獨特之處？

　　機器人演進：從自動化到自主化

　　「機器學習解決了以往『對電腦困難，對人來說卻容易』的各種問題，或以更容易理解的方式來說，就是解決了『人類很難讓電腦也理解』的問題。」

　　— — Benedict Evans，安霍創投（a16z）

　　AI 所造就的機器人技術領域，最大成果是從原先的「自動化」（工程師藉由程式設計編寫規則，讓機器人遵守）邁向了真正的「自主學習」。

　　如果機器人只需要處理一件事情，那么，它到底有沒有人工智慧，差別其實看不出來；但是，如果機器人需要處理各式各樣的任務、或是回應人類與環境的變化，就需要一定程度的自主性才能勝任。

　　我們不妨借用下列不同等級的自駕車定義，一併解釋機器人的演變：

　　Level 0 — 無自動化：由人類操作機器，沒有機器人的參與。（機器人的普遍定義，是指有能力自行從事復雜動作的可程式化擬人機械）。

　　Level 1 — 單一自動化運作：單一功能已自動化，但不使用環境資訊。這是自動化與制造業中傳統的機器人使用現況。透過程式編輯，機器人能夠以高精度與速度重復執行特定工作；但直至目前為止，多數實際運用的機器人都無法感知或應變環境的變化。

　　Level 2 — 部分自動化：透過環境感知所輸入的特定功能，協助機器進行決策。例如某些機器人透過視覺感應器，識別并應付不同的對象：然而，傳統的電腦視覺，需要對每個對象進行預先登記和清楚的指示，且機器人還是缺乏處理變更、意外狀況、或是新對象的能力。

　　Level 3 — 條件式自主：機器控制了所有的環境監控行為，但仍需要人為檢查關注與（即時）介入。

　　Level 4 — 高度自主：在某些情況下、或是定義的區域內完全自主。

　　Level 5 — 完全自主：在任何狀況下均可完全自主，不需人為介入。

　　我們現在處于哪一種自主等級呢？

　　現在，工廠里多數機器人都是透過開放式迴路、或是非回饋方式予以控制。這意味著它們的運作與感測器回饋各自獨立、彼此互不影響（level 1）。

　　少數在工廠中的機器人，會根據感測器回饋而調整操作（level 2）；此外還有協作型機器人（cobot），他們的操做更加簡單安全，因此能與人類共同作業。然而，相較于產業用機器人，這種機器人的精確度和速度卻相形失色。另外，雖然協作型機器人的程式化相對簡單，但它們仍然不具有自主學習性；每當工作內容或環境有所變動時，就需要由人類手動引導協作機器人進行調整，或是重新編寫程式，機器本身無法自主舉一反三，彈性應變。

　　深度學習（Deep Learning）和強化學習（Reinforcement Learning）能幫助機器人自主處理各種物件，將人類的介入程度降到最低。