人工智慧开启了新一代机器人技术 Robotics 2.0，最大改变是从原先人工编写程式而来的自动化，迈向了真正的自主学习。本文将尝试揭开人工智慧（AI）应用的神秘面纱，协助读者瞭解 AI 机器人将如何影响我们的未来，并釐清我们常常听到，但却着墨不多、甚至根本尚未全然理解的主题。

　　本文为「Robotics 2.0」系列文章的第一篇，讲述机器人技术与 AI 对于各大产业和未来工作的影响。我们将讨论 AI 将如何释放机器人技术的潜力，这项新技术的挑战和机会，以及这一切将如何影响我们的生产力、就业状况、甚至日常生活。在人工智慧被大肆宣传的当下，我们希望透过这些文章鼓励更有建设性和全面性的探讨。

　　重新定义机器人：揭开次世代 AI 机器人 Robotics 2.0 的神秘面纱

　　提到机器人，我们总有各式各样天马行空的想像：从 Softbank（软银集团）的社交机器人 Pepper、能轻松后空翻的 Boston Dynamics 公司机器人 Atlas、《魔鬼终结者》（Terminator）系列电影的人造人杀手，到电视影集《西方极乐园》（West World）中随处可见、栩栩如生的拟真机器人角色。

　　我们常常听到两极化的观点；有些人倾向高估机器人模仿人类的能力，认为机器终将取代人类，有些人则对新研究和技术的潜力太过悲观。

　　在过去一年之中，许多创业、科技、新创业界的朋友都曾问过我，在 AI，尤其是深度强化学习和机器人技术的领域，究竟有哪些「实际」进展？

　　令人最为好奇的是：

　　AI 机器人和传统机器人有什么不一样？AI 机器人是否真有颠覆各大产业的潜力？它的能力和限制又是什么？

　　看来，想要瞭解现在的技术进步和产业格局，是出乎意料的困难，更不用说要对未来做出预测。藉由这篇文章，我尝试揭开人工智慧应用于机器的神秘面纱，釐清这个我们常常听到，但却着墨不多、或根本未全然理解的主题。

　　首先必须回答的基本问题：什么是 AI 机器人（AI-enabled Robotics）？它们又有什么独特之处？

　　机器人演进：从自动化到自主化

　　「机器学习解决了以往『对电脑困难，对人来说却容易』的各种问题，或以更容易理解的方式来说，就是解决了『人类很难让电脑也理解』的问题。」

　　— — Benedict Evans，安霍创投（a16z）

　　AI 所造就的机器人技术领域，最大成果是从原先的「自动化」（工程师藉由程式设计编写规则，让机器人遵守）迈向了真正的「自主学习」。

　　如果机器人只需要处理一件事情，那么，它到底有没有人工智慧，差别其实看不出来；但是，如果机器人需要处理各式各样的任务、或是回应人类与环境的变化，就需要一定程度的自主性才能胜任。

　　我们不妨借用下列不同等级的自驾车定义，一併解释机器人的演变：

　　Level 0 — 无自动化：由人类操作机器，没有机器人的参与。（机器人的普遍定义，是指有能力自行从事复杂动作的可程式化拟人机械）。

　　Level 1 — 单一自动化运作：单一功能已自动化，但不使用环境资讯。这是自动化与制造业中传统的机器人使用现况。透过程式编辑，机器人能够以高精度与速度重复执行特定工作；但直至目前为止，多数实际运用的机器人都无法感知或应变环境的变化。

　　Level 2 — 部分自动化：透过环境感知所输入的特定功能，协助机器进行决策。例如某些机器人透过视觉感应器，识别并应付不同的对象：然而，传统的电脑视觉，需要对每个对象进行预先登记和清楚的指示，且机器人还是缺乏处理变更、意外状况、或是新对象的能力。

　　Level 3 — 条件式自主：机器控制了所有的环境监控行为，但仍需要人为检查关注与（即时）介入。

　　Level 4 — 高度自主：在某些情况下、或是定义的区域内完全自主。

　　Level 5 — 完全自主：在任何状况下均可完全自主，不需人为介入。

　　我们现在处于哪一种自主等级呢？

　　现在，工厂里多数机器人都是透过开放式迴路、或是非回馈方式予以控制。这意味着它们的运作与感测器回馈各自独立、彼此互不影响（level 1）。

　　少数在工厂中的机器人，会根据感测器回馈而调整操作（level 2）；此外还有协作型机器人（cobot），他们的操做更加简单安全，因此能与人类共同作业。然而，相较于产业用机器人，这种机器人的精确度和速度却相形失色。另外，虽然协作型机器人的程式化相对简单，但它们仍然不具有自主学习性；每当工作内容或环境有所变动时，就需要由人类手动引导协作机器人进行调整，或是重新编写程式，机器本身无法自主举一反三，弹性应变。

　　深度学习（Deep Learning）和强化学习（Reinforcement Learning）能帮助机器人自主处理各种物件，将人类的介入程度降到最低。