Google人工智慧AlphaGo与南韩围棋大师的人机对战,引发了全球的关注。这场攸关人类智慧与人工智慧孰优孰劣的关键战役,最终是由AlphaGo以四胜一负的战绩胜出。围棋大师也在好几盘的苦战之后,承认落败。

挑战电脑的围棋大师，对于AlphaGo可以下出这么完美的棋局，也感到惊讶。他不知道人工智慧已经可以发展到如此的境界。尽管有些人对于AlphaGo可以联网，觉得并不公平，过去电脑深蓝对决西洋棋王的战役，就没有进行连线。而AlphaGo由于联网，可以取得一些棋谱，更能在关键时刻做出重要的判断，因而在对战时一直占有上风。

原本围棋大师也是信心满满，认为依据过去的经验，人脑一定可以击败电脑。只不过，几盘棋局下来，才发现并不是这么一回事。 AlphaGo五战四胜，实力远超乎想像，紧抓住对手一连串的小失误，拉大差距。专家说，AlphaGo逆转能力强，这正是这种人工智慧最可怕的地方。

图1 : 人工智慧已经成功击败人类智能。

人工智能的崛起

早在1997年，史上第一次人脑电脑的大对决，IBM的超级电脑深蓝，打败了当时的西洋棋王卡斯帕洛夫，电脑的西洋棋功力已经能够胜过人类。事隔十多年，现在要挑战中国传统的围棋比赛。围棋的复杂程度，远胜于西洋棋，要教电脑下围棋，可不是容易的事情，所需要的运算能力更为庞大。

2015年10月，Google研发的新一代人工智能程式AlphaGo，一开始就先挑战了三届欧洲围棋冠军樊麾。 AlphoGo以五局完胜击败对手，而与其他业余棋士的500场对战中，也仅一场败绩，胜率高达99.8%。

观察AlphaGo，在棋局中展现出高度的学习能力，即使落后，也能立刻赶上，再加上人工智慧没有精神压力、体力消耗，且不会受到外界环境干扰，这些因素，使得电脑打败人脑，看起来是迟早都会发生的事。

事实上，人工智慧的发展十分快速，用机器来取代人力，早就已经在自动化的工厂里面实现了。然而这种机器，一个口令一个动作，并没有思考能力。毕竟要能会做事，同时又能思考与学习的人工智慧，并不能一蹴可及。

人工智慧的发展，早期是以赋予逻辑能力为基础，让电脑能解决数学运算方面的问题，例如棋类比赛，就是最好​​的逻辑功能。只是后来，工程师们才了解到一件事，原来真正的挑战，不在于让电脑拥有怎样强大的逻辑能力，而是在于让电脑能够完成人类在日常生活中所做的事。

图2 : 人工智慧的发展，早期是以赋予逻辑能力为基础。

图3 : 人工智慧的挑战，在于让电脑完成人类日常生活所做的事。

科幻小说的场景 已落实成真

当你看着Google等公司，不断开发出能够击败人类的人工智慧时，会不会心中出现一个问号：这些公司为什么要设计这些人工智慧呢？事实上，人工智慧的机器人，证明了一件事情：人工智慧的时代，已经正式来临！

国家仪器技术行销工程师吴维翰指出，由于人类的优势，在于应变能力与学习能力，因此应变与学习能力的数位化，将成为下一阶段机器人设计的最大挑战。

根据研究，目前为止，3岁小孩对人类语言的理解和学习能力，远超过世上任何一部电脑。但到了未来，这样的状况可能就不一定了。人类每天都在打造运算效能更强大的电脑，试图打造出能在体能、智慧和情绪等方面，都与人类更为相近的机器人。

过去只在科幻片里才看得到的机器人，在现实世界里很可能即将成真。科学家对人脑进行研究，目前对于脑部神经科学已经有了更进一步的认识，将可为电脑人工智慧的发展打下更好的基础。

在不到15年内的未来，机器智力将可能会赶上人类，因此预计到了2029年，电脑就能具有等同于人类的阅读和理解语言的能力，并能与人类进行沟通。学者甚至预估，在25年后，就会出现超越人类思维能力的电脑。而这些人工智慧，也预计将能在未来，赋予机器人更高的智能。

吴维翰说，过去只在科幻电影中才能看到的那种机器人与人类共存共处的场景，现在已经逐步实现在生活当中。从工厂的自动化机器人，到越来越多家用机器人的问世，可以说，科幻小说与电影描述的场景，已经逐渐落实成真。

图4 : 应变与学习能力的数位化，成为下一阶段机器人设计的挑战。

图5 : 人类试图打造与人类更为相近的机器人。

在测试、组装等工控领域的机器人应用

内含机构、电脑运算、感测器与相机的机器人，在传统的自动化里，这类机器人最合适与最擅长的，是产线上乏味与单调、同时不需要主观判断的工作。常见于大量生产低多样性的产线。

然而现今在强调生产力4.0下的制造业，少量多样化的需求已经开始出现，如客制化的跑车与房车，或者客制化的Nike球鞋等。因此少量多样化生产与测试需求的出现，常常必须将不同层面的系统进行整合，如按钮碰触压力的测试、音频量测等。多种控制量测需求都必须要具备能整合为一体的能力，这也成为现今机器人发展的一大方向。

平台式工具例如LabVIEW，其图形化软体的函式库、与各种具备连结功能的硬体，达成快速整合、客制化、连网性的机器人应用与整合。同时，有鉴于未来物联网在工业自动化的应用将成为关键，LabVIEW也可协助建构工业物联网系统，帮助使用者快速的整合与连结，进行资料分析与判断，执行任务与控制。

图6 : 现今的工业机器人，正朝向人机可协同作业的目标发展。

机器人人才的培育

从工厂的自动化机器人，到越来越多家用机器人的问世，可以说，科幻小说与电影描述的场景，已经逐渐落实成真。

机器人不但是未来产业发展重点之一，更因为机器人是整合性的学科，整合机械机构、电机、通讯、感测技术、视觉辨识、运动控制等多个领域，所以透过机器人教育，更能锻炼学生进入业界后系统整合的能力。

也因为建构机器人是一种整合性、系统性的概念，因其会需要从比较高阶的系统角度来思考、并使用具有扩充性工具，以降低一开始投入的困难度，并专注于解决机器人实际想要解决的工程问题。

吴维翰说,NI长年投入于教育界,对于机器人教育与人才培养,更有一套完整的规划。从孩子小时候玩的乐高机器人,到高中高职、与大专院校机器人教育中,让学子开始慢慢接触工业用机器人平台,并透过各式机器人竞赛,让学子有充分动手实作的机会,迅速衔接至业界。

Lego为了开拓电子玩具的市场、也需要设计深具教育性质的玩具，从90年代起即与NI携手合作开发Lego机器人。 Lego采用图性化的LabVIEW做为软体介面，其机器人的程式设计LabVIEW Mindstorm实为简化的LabVIEW。也因此小朋友们可以短短几分钟内，就用LabVIEW平台式工具写出程式，让机器人动起来。 Lego机器人也成为许多人接触coding的开始。

吴维翰认为，LabVIEW图性化语言不仅仅是用在简易的Lego机器人，实际上在自动化与工控领域的使用更加普遍、其功能也更加强大。透过NI平台相容可塑性、与连结性的介面与函式库，让使用者就不用从零开始，就像是站上巨人的肩膀上前进一样，可帮助使用者与研究者快速进入开发重点、缩短开发时间。

如智慧电网、交通运输系统等这类的大型投资，很多时候不可能完全打掉重练，因此选择像是LabVIEW与CompactRIO这样具备整合性的、扩充性、与连结性的分散式监控系统来进行设计与部署，就分外重要。

图7 : 吴维翰说，可塑性与连结性高的平台，就像是巨人的肩膀。

图8 : 透过机器人教育，更能锻炼学生进入业界后系统整合的能力。

结语

尽管机器人的挑战，还不只在于智慧程度的发展瓶颈，连机器人本身能否做到像人一样自在活动的机构设计，也是一大关键。然而随着人工智慧的发展更为成熟，已经是机器智能的一大突破。未来机器人在工厂中取代大量人力，甚至在家庭里帮忙处理家务的愿景，相信很快就可以实现。

机器人设计的3D

不管机器人设计的最终目的为何，主要都是为了要帮助人类解决更多的问题，提供更多的助力。国家仪器技术行销工程师吴维翰指出，机器人的设计目的，不外乎就是有3个D，这包括乏味的（Dull）、肮脏的（Dirty），以及危险的（Dangerous）等三种人类最不希望遇到的情况，都可以交由机器人来替代，并完成这类的工作。

* Dull：针对乏味的工作所设计的机器人，包括扫地机器人、交通运输无人自主机器人、或报表制成机器人、仓储归位的机器人等，在亚马逊公司都已经开始透过这些机器人来节省人力的负担。

* Dirty：针对肮脏的环境，例如废水垃圾处理等。目前软银与鸿海合作的居家机器人已经可以在许多家用场合中看到其身影。

* Dangerous：针对危险的场合所设计的机器人，例如作战机器人、或者美军的诱敌机器人、Nasa火星好奇号的探测机器人，近期针对各种不同的天灾，许多救灾工作也陆续交由机器人来进行。