Google人工智慧AlphaGo和南韓圍棋大師的人機對戰，引發了全球的關注。這場攸關人類智慧與人工智慧孰優孰劣的關鍵戰役，最終是由AlphaGo以四勝一負的戰績勝出。圍棋大師也在好幾盤的苦戰之後，承認落敗。

挑戰電腦的圍棋大師，對於AlphaGo可以下出這麼完美的棋局，也感到驚訝。他不知道人工智慧已經可以發展到如此的境界。儘管有些人對於AlphaGo可以聯網，覺得並不公平，過去電腦深藍對決西洋棋王的戰役，就沒有進行連線。而AlphaGo由於聯網，可以取得一些棋譜，更能在關鍵時刻做出重要的判斷，因而在對戰時一直佔有上風。

原本圍棋大師也是信心滿滿，認為依據過去的經驗，人腦一定可以擊敗電腦。只不過，幾盤棋局下來，才發現並不是這麼一回事。AlphaGo五戰四勝，實力遠超乎想像，緊抓住對手一連串的小失誤，拉大差距。專家說，AlphaGo逆轉能力強，這正是這種人工智慧最可怕的地方。

圖1 : 人工智慧已經成功擊敗人類智能。

人工智能的崛起

早在1997年，史上第一次人腦電腦的大對決，IBM的超級電腦深藍，打敗了當時的西洋棋王卡斯帕洛夫，電腦的西洋棋功力已經能夠勝過人類。事隔十多年，現在要挑戰中國傳統的圍棋比賽。圍棋的複雜程度，遠勝於西洋棋，要教電腦下圍棋，可不是容易的事情，所需要的運算能力更為龐大。

2015年10月，Google研發的新一代人工智能程式AlphaGo，一開始就先挑戰了三屆歐洲圍棋冠軍樊麾。AlphoGo以五局完勝擊敗對手，而與其他業餘棋士的500場對戰中，也僅一場敗績，勝率高達99.8%。

觀察AlphaGo，在棋局中展現出高度的學習能力，即使落後，也能立刻趕上，再加上人工智慧沒有精神壓力、體力消耗，且不會受到外界環境干擾，這些因素，使得電腦打敗人腦，看起來是遲早都會發生的事。

事實上，人工智慧的發展十分快速，用機器來取代人力，早就已經在自動化的工廠裡面實現了。然而這種機器，一個口令一個動作，並沒有思考能力。畢竟要能會做事，同時又能思考與學習的人工智慧，並不能一蹴可及。

人工智慧的發展，早期是以賦予邏輯能力為基礎，讓電腦能解決數學運算方面的問題，例如棋類比賽，就是最好的邏輯功能。只是後來，工程師們才了解到一件事，原來真正的挑戰，不在於讓電腦擁有怎樣強大的邏輯能力，而是在於讓電腦能夠完成人類在日常生活中所做的事。

圖2 : 人工智慧的發展，早期是以賦予邏輯能力為基礎。

圖3 : 人工智慧的挑戰，在於讓電腦完成人類日常生活所做的事。

科幻小說的場景 已落實成真

當你看著Google等公司，不斷開發出能夠擊敗人類的人工智慧時，會不會心中出現一個問號：這些公司為什麼要設計這些人工智慧呢？事實上，人工智慧的機器人，證明了一件事情：人工智慧的時代，已經正式來臨！

國家儀器技術行銷工程師吳維翰指出，由於人類的優勢，在於應變能力與學習能力，因此應變與學習能力的數位化，將成為下一階段機器人設計的最大挑戰。

根據研究，目前為止，3歲小孩對人類語言的理解和學習能力，遠超過世上任何一部電腦。但到了未來，這樣的狀況可能就不一定了。人類每天都在打造運算效能更強大的電腦，試圖打造出能在體能、智慧和情緒等方面，都與人類更為相近的機器人。

過去只在科幻片裡才看得到的機器人，在現實世界裡很可能即將成真。科學家對人腦進行研究，目前對於腦部神經科學已經有了更進一步的認識，將可為電腦人工智慧的發展打下更好的基礎。

在不到15年內的未來，機器智力將可能會趕上人類，因此預計到了2029年，電腦就能具有等同於人類的閱讀和理解語言的能力，並能與人類進行溝通。學者甚至預估，在25年後，就會出現超越人類思維能力的電腦。而這些人工智慧，也預計將能在未來，賦予機器人更高的智能。

吳維翰說，過去只在科幻電影中才能看到的那種機器人與人類共存共處的場景，現在已經逐步實現在生活當中。從工廠的自動化機器人，到越來越多家用機器人的問世，可以說，科幻小說與電影描述的場景，已經逐漸落實成真。

圖4 : 應變與學習能力的數位化，成為下一階段機器人設計的挑戰。

圖5 : 人類試圖打造與人類更為相近的機器人。

在測試、組裝等工控領域的機器人應用

內含機構、電腦運算、感測器與相機的機器人，在傳統的自動化裡，這類機器人最合適與最擅長的，是產線上乏味與單調、同時不需要主觀判斷的工作。常見於大量生產低多樣性的產線。

然而現今在強調生產力4.0下的製造業，少量多樣化的需求已經開始出現，如客制化的跑車與房車，或者客制化的Nike球鞋等。因此少量多樣化生產與測試需求的出現，常常必須將不同層面的系統進行整合，如按鈕碰觸壓力的測試、音頻量測等。多種控制量測需求都必須要具備能整合為一體的能力，這也成為現今機器人發展的一大方向。

平台式工具例如LabVIEW，其圖形化軟體的函式庫、與各種具備連結功能的硬體，達成快速整合、客制化、連網性的機器人應用與整合。同時，有鑑於未來物聯網在工業自動化的應用將成為關鍵，LabVIEW也可協助建構工業物聯網系統，幫助使用者快速的整合與連結，進行資料分析與判斷，執行任務與控制。

圖6 : 現今的工業機器人，正朝向人機可協同作業的目標發展。

機器人人才的培育

從工廠的自動化機器人，到越來越多家用機器人的問世，可以說，科幻小說與電影描述的場景，已經逐漸落實成真。

機器人不但是未來產業發展重點之一，更因為機器人是整合性的學科，整合機械機構、電機、通訊、感測技術、視覺辨識、運動控制等多個領域，所以透過機器人教育，更能鍛鍊學生進入業界後系統整合的能力。

也因為建構機器人是一種整合性、系統性的概念，因其會需要從比較高階的系統角度來思考、並使用具有擴充性工具，以降低一開始投入的困難度，並專注於解決機器人實際想要解決的工程問題。

吳維翰說，NI長年投注於教育界，對於機器人教育與人才培養，更有一套完整的規劃。從孩子小時候玩的樂高機器人，到高中高職、與大專院校機器人教育中，讓學子開始慢慢接觸工業用機器人平台，並透過各式機器人競賽，讓學子有充分動手實作的機會，迅速銜接至業界。

Lego為了開拓電子玩具的市場、也需要設計深具教育性質的玩具，從90年代起即與NI攜手合作開發Lego機器人。Lego採用圖性化的LabVIEW做為軟體介面，其機器人的程式設計LabVIEW Mindstorm實為簡化的LabVIEW。也因此小朋友們可以短短幾分鐘內，就用LabVIEW平台式工具寫出程式，讓機器人動起來。Lego機器人也成為許多人接觸coding的開始。

吳維翰認為，LabVIEW圖性化語言不僅僅是用在簡易的Lego機器人，實際上在自動化與工控領域的使用更加普遍、其功能也更加強大。透過NI平台相容可塑性、與連結性的介面與函式庫，讓使用者就不用從零開始，就像是站上巨人的肩膀上前進一樣，可幫助使用者與研究者快速進入開發重點、縮短開發時間。

如智慧電網、交通運輸系統等這類的大型投資，很多時候不可能完全打掉重練，因此選擇像是LabVIEW與CompactRIO這樣具備整合性的、擴充性、與連結性的分散式監控系統來進行設計與部署，就分外重要。

圖7 : 吳維翰說，可塑性與連結性高的平台，就像是巨人的肩膀。

圖8 : 透過機器人教育，更能鍛鍊學生進入業界後系統整合的能力。

結語

儘管機器人的挑戰，還不只在於智慧程度的發展瓶頸，連機器人本身能否做到像人一樣自在活動的機構設計，也是一大關鍵。然而隨著人工智慧的發展更為成熟，已經是機器智能的一大突破。未來機器人在工廠中取代大量人力，甚至在家庭裡幫忙處理家務的願景，相信很快就可以實現。

機器人設計的3D

不管機器人設計的最終目的為何，主要都是為了要幫助人類解決更多的問題，提供更多的助力。國家儀器技術行銷工程師吳維翰指出，機器人的設計目的，不外乎就是有3個D，這包括乏味的（Dull）、骯髒的（Dirty），以及危險的（Dangerous）等三種人類最不希望遇到的情況，都可以交由機器人來替代，並完成這類的工作。

* Dull：針對乏味的工作所設計的機器人，包括掃地機器人、交通運輸無人自主機器人、或報表製成機器人、倉儲歸位的機器人等，在亞馬遜公司都已經開始透過這些機器人來節省人力的負擔。

* Dirty：針對骯髒的環境，例如廢水垃圾處理等。目前軟銀與鴻海合作的居家機器人已經可以在許多家用場合中看到其身影。

* Dangerous：針對危險的場合所設計的機器人，例如作戰機器人、或者美軍的誘敵機器人、Nasa火星好奇號的探測機器人，近期針對各種不同的天災，許多救災工作也陸續交由機器人來進行。