宇宙這麼大，渺小如塵埃的我們還有價值嗎？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

• 作者／施奇廷｜東海大學應用物理學系 

起源

從 1920 年「羅梭的萬能機器人」（Rossum’s Universal Robots，通稱R.U.R.）登上舞台以來，「機器人」這個概念，一直是科幻作品中的常客。機器人「具有人的形象，而（在某些方面）具有比人類更強的能力」的設定，一直刺激著人類的想像力：能力強大卻又聽命於人類的忠實僕人；或是領悟到自己其實可以取代人類，成為下一代的地球霸主？樂觀的期待與被反噬的恐懼，向來是欣賞以機器人為主題的科幻作品的兩大樂趣。不過近十年來「人工智慧」（Artificial Intelligence）與「機器人學」（Robotics）的發展速度超乎預期，上述本來只存在於科幻作品中的兩面議題，突然變得不是那麼遙不可及。

提出「機器人學」這個名詞，並將理論系統化的，並不是工程領域的學者，而是科幻小說大師艾薩克‧艾西莫夫（Isaac Asimov），這個詞現在已經成為工程界對機器人科學的正式名稱，是一個從科幻對科技「逆輸入」的有趣案例。生於俄羅斯的艾西莫夫的本行是就科學家（專長是生物化學），曾經任教於波士頓大學醫學院，不過後來因為全力投入寫作，不再進行一般學者的教學研究工作，但是波士頓大學仍然保留他的職位。他所接受過的嚴謹科學訓練，也反映在作品中。1940 年，年方 19 歲的艾西莫夫就發表了第一篇機器人短篇小說「小機」（Robbie，收錄於短篇小說集「我‧機器人」），開啟了「機器人系列」的序幕。

法則

「人類製造的機器人結果反過來支配人類」這個命題可說是充滿「為何要搬磚頭砸自己的腳」的矛盾，因為人類絕對可以在一開始設計、製造時就預防這件事發生。不過睽諸人類科技發展的歷史，這種矛盾其實一直存在，也不斷發生，目前我們面臨的「核能科技的發展衍生的核子大戰威脅」、「高度工業化生產導致環境污染」，以及「大量使用石化燃料導致全球氣候變遷」這些問題，都是現在進行式。

不過「人類依照自己的形象打造的仿人類」又有點不同，高功能的機器「外型像人」這件事，足以引起人類的「科學怪人情結」，讓人類會對機器人的發展保持高度的戒心，在此思考下，1942 年時，艾西莫夫在他的作品中，比照「牛頓運動學三定律」的規格，揭示了「機器人三定律」：

一、機器人不得傷害人類，也不能坐視人類受到傷害

二、在不違反第一法則的前提下，機器人必須保護自己的安全

三、在不違反第一與第二法則的前提下，機器人必須執行人類的命令

這三大法則是在機器人出廠時，就內建於其軟硬體內，絕對不容違反。如果讀者是「理科人」的話，大概會覺得這三大法則邏輯簡單明瞭，簡直無懈可擊，在此控制下，機器人應該可以成為人類最忠實的僕人，無須擔心他們會叛變了。

有趣的是，在艾西莫夫的機器人短篇小說中，幾乎都是在探討「會引起三大法則的缺陷、迷惑、矛盾的可能情境」，所以幾乎每篇小說都會產生一個「精神錯亂」的機器人。這些小說非常有趣，推薦喜歡「燒腦型作品」的讀者一讀。

這個系列作品的內容其實也部分反映了人性：人也是又內建「道德基準」（moral norms），能進行邏輯思考的動物，但是即使最理性冷靜的人，也是會碰到兩難的困境，例如著名的「電車難題」：「一輛失控的列車在軌道上急馳，在軌道上有五個人即將被碾過，你剛好在鐵軌的轉軌器旁邊，只要扳動轉軌器，就可以把列車轉向另一條軌道，但是另一條軌道上有一個人，本來不會有事，因為你將列車轉軌而會被碾斃，在這個狀況下，你到底要不要將列車轉軌呢？」幾十年來這個問題引起了許多哲學以及倫理學、社會學的廣泛討論。事實上，自動駕駛汽車（除了不具有人形之外，其實也算是機器人的一種）的設計就必須把這類情境納入考量。

就筆者的「理科腦」來看，這些矛盾的起因是「機器人定律與人類的道德準則是定性的，而實際情境卻是定量的」。例如兩個人類同時對一個機器人下命令，而這兩個命令互相矛盾，那麼這個機器人到底要聽誰的？這時候機器人必須對下命令的兩個人做出「定量上的評價」，決定執行哪一個命令。這個結果導致「機器人可以（必須）評價人類，將人類分出等級」，之後又會衍生出更多的問題…

1985 年時，在機器人系列故事四十餘年的發展之下，艾西莫夫被自己的筆下的故事逼得追加了一個「第零定律」，位階在原來的三定律之上：「機器人不得傷害『整體人類』，或坐視『整體人類』受到傷害。」，這下子定律的規格從「牛頓三定律」變成了「熱力學的零＋三定律」了，不愧是正統派科學家出身！這個第零定律跟之前一樣，從邏輯上看起來也很合理，但是這又造成機器人必須評價「整體人類」的福祉是什麼，由於第零定律凌駕於第一定律之上，因此視情況機器人是可以為了避免整體人類受到傷害，而去傷害甚至殺死個人的，最後可能會演變成「機器人為了整體人類好而接管、控制人類社會」的反烏托邦結果。

不過或許是因為「機器人叛變」這個展開實在太過顯而易見，而且因為可以塞進許多動作場面而成為影視作品愛用的題材，艾西莫夫的機器人作品中對這方面反倒是著墨不多，而是將關心的焦點放在「機器人是否能在三定律的規範下，活出自己的人格？」這個主題的代表作，就是獲得 1976 年「雨果獎」與「星雲獎」雙料大獎的中篇小說「雙百人」，後來在 1992 年由令一位作家羅伯特‧席維伯格（Robert Silverberg）擴充成長篇小說「正子人」；這個故事也在 1999 年改編為電影「變人」，由已故的喜劇泰斗羅賓‧威廉斯（Robin Williams）主演。

說實在的，想要瞭解「機器 → 人形機器 → 機器人 → 人」的演進與思辯，而又沒有很多時間與耐性的讀者，看這一本就夠了。

分流

前面花了相當的篇幅講了艾西莫夫的機器人觀，除了這個「大師典範之外」，其實幾十年的科幻與娛樂文化演變下來，機器人也了更多的樣貌。

好萊塢電影與日本動漫畫，是目前全球影視娛樂的兩大主流，當然兩者還是有一段差距，好萊塢挾其資金、人才、技術的實力，最為強勢；不過「小本經營」的日本御宅文化，在全世界的影響力也逐年提升，對好萊塢電影也產生了不小的影響。它們對於機器人這個主題的處理，有很大的不同。以下分成不同的機器人類型討論，不過要先說明的是，以下的分類有些是好萊塢電影擅長的題材，有些則是日本動漫畫的偏好，但是其實並沒有這麼涇渭分明，大部分在兩邊都有出現，只是多寡有別。

一、近未來，覺醒的機器人，成為人類之敵——好萊塢電影的機器人，跟艾西莫夫的機器人類似，是外型、尺寸都比照人類，並且具有不同程度的人工智慧。不過如前所述，好萊塢電影中的機器人有許多都是扮演「人類之敵」的大反派，完全不受艾西莫夫「機器人三定律」的節制，最經典的例子就是「魔鬼終結者」系列，劇中的機器人存在的目的就是用來追殺人類——可說是把「機器人三定律」完全反過來看就行了。這些機器人的背後是由一個名為「天網」的人工智慧，也可以說是個不具人形的機器人，本來是美國研發的國防電腦系統，後來這個系統產生自我意識，並且判斷人類才是「世界最大的威脅」，於是就發動核戰毀滅人類，並且持續掃蕩殘存的人類反抗軍，並且派遣機器人穿越時間回到過去殺害反抗軍領袖的母親以斬草除根。

相對於艾西莫夫小說中以「機器人三定律」來節制機器人的能力，以消除人們的「科學怪人情結」，努力讓人類社會接受機器人；「魔鬼終結者」系列是反過來喚起觀眾的「科學怪人情結」，再加上「末日電影」的背景設定，來營造危機感與戲劇性，然後在人類與機器人的對立下順理成章的大打出手，「拳腳與槍砲齊飛，鮮血共煙硝一色」，讓本來是「低成本 B 級動作片」的「魔鬼終結者」成為娛樂性與思想性兼具的成功作品。就這個視角而言，「駭客任務」中的架構與設定，以及成功的要素也頗有共同之處。

二、遙遠的未來，機器人已經融入人類社會，共同面對更廣闊的星際世界——上述這種「人類與機器人的衝突與生死戰」的背景通常發生於「近未來」，故事舞台跟現代有相當程度的重疊，機器人進入生活的正面與負面效應，都比較能引起觀眾的代入感。如果是以「遙遠的未來」為背景，機器人與人類之間的「磨合陣痛期」已經過去，像是兩大名門「星際大戰」與「星際爭霸戰」，人類的足跡已經遍佈銀河系，見識過各種稀奇古怪的外星生命體，機器人也早就已經成為人類好伙伴，甚至被視為跟人類同等的存在了。

三、機器人是人類肉體的延伸，力量的放大器——另一方面，日本動漫畫作品中的機器人，除了早期的「原子小金剛」是走「真人的大小與外貌，且具有人工智慧」的路線以外，主流是象徵「人類力量的延伸」的「巨大機器人」類型。這種機器人不具有人工智慧，而是搭載操作界面與作業系統，由人類駕駛員來操作，相當於扮演其大腦的角色。以早期的名作「無敵鐵金剛」而言，所標舉的主題是「如果人類透過機器取得了巨大的力量，將會成為神？還是成為惡魔？」，這類作品有別於西方「機器如何變成人」，而是「人類與機器合為一體」的概念。

機器人是吸引目標觀眾目光的賣點，也是贊助或出資廠商販賣模型玩具的獲利神器，導致許多巨大機器人動畫作品一味強調機器人造型帥氣而不注重劇情內涵，被譏為「為了販賣玩具所製作的 30 分鐘廣告片」，不過由於出資者只要求「機器人玩具賣得好」，對於內容不太有興趣干涉，反而讓創作者有揮灑的空間，出現了「長濱忠夫三部曲」、「機動戰士鋼彈」等名作。1995 年的「新世紀福音戰士」，把前述「人類與機器合為一體」的概念推到極致，駕駛員是透過神經系統直接與機器人（稱為 Evangelion，簡稱 EVA ）「同調」連結，以精神力取代操縱桿與按鈕，直接操控 EVA——不過其實 EVA 與其說是機器人，「生化」味更重一些，劇中還曾出現駕駛員與 EVA 機體「完全融合」的情節。

四、機械化的人類——人與機器的關係，除了「機器→人形機器→機器人→人」這條路線外，也有反方向的路徑：由於疾病或受傷而失去部分身體功能的人，利用科技的力量改造身體，恢復正常的功能，甚至更為強大，這種被部分改造的人類稱為「改造人 Cyborg」（cybernetic organism），結合了「模控學」與「有機體」兩個字，也有人翻譯為「生化電子人」、「半機械人」，後來乾脆直接音譯為「賽伯格」。其實許多現實世界的人類已經多多少少變成改造人了：義肢、人工水晶體、心律調節器、人工關節等等，人們已經普遍可以接受為了維持身體機能以侵入性的方式改造部分器官，未來可以預見改造的範圍與精密程度必定會逐漸提升。

在這個「人體改造」的延長線上，我們可以看到像「機器戰警」中，殉職的員警被改造並且復活來執行正義，「鋼鐵人」受傷後在自己的胸腔裝了一個反應爐，成為裝甲動力服的能量來源；日系作品方面，有「無敵金剛 009」（後來改名為「人造人 009」，少了一股中二的氣勢）、「假面騎士系列」（真人演出的特攝片），這些作品中，並非前述因為疾病或受傷而修補人體，而是為了培養「征服世界用的超級士兵」，而將人體改造成具有超越一般人能力的戰鬥道具。

與「機器人覺醒為人類、或自覺為超越人類的存在」的方向相反，在「改造人」這條線上會出現的問題則是「當人類持續被改造，被機械取代的部位越來越多，會不會因此變成『不是人類』？這個轉變的界線何在？」也是非常值得探討的問題，也讓「改造人」這類的作品更具有思想上的深度。

近年來日本動漫畫與好萊塢合流的作品逐漸增加，「攻殼機動隊」與「戰鬥天使艾莉塔」是其中翹楚，都是以「改造人與人類的分界線」，以日本原創的動漫畫作品為主題，結合好萊塢的資金與技術的大製作電影，都獲得了相當程度的成功。

交會

本文以包含小說、電影、動漫畫等科幻作品的角度來看「機器人與人」之間的關係。雖然不是從真實世界的科學與技術來進行嚴謹的探討，不過在「機器人與人」這個主題上，科技與科幻的發展路徑其實亦步亦趨、互為因果：如同艾西莫夫的「機器人學」與「機器人三定律」對真實世界的機器人科技有極大的影響一般，科幻的想像有可能成為引導科技發展的路標；相對的，科技的發展當然也會墊高科幻作品的根基。

前文我們看過了幾種「機器人與人」的類型作品：從機器人變成人、機器人與人共存、機器人與人合體、從人變成機器人。這幾種模式，各自以不同的視角來刺激我們思考「人到底是什麼」這個問題。從數十年來這個主題的科幻作品的發展看來，不論是從哪個角度切入，最後都指向一個共同的交會點：人類的大腦。

「正子人」中的機器人主角「安德魯‧馬丁」要爭取在法律上被認可為「人」，其起點是他的「正子腦」產生了類似人腦的感情、創造力、以及自我意識的自覺，在其兩百年的生涯中，他的「鉑銥合金正子腦」的運作模式與人腦越來越接近，應該可以通過任何像「圖靈測試」這種「能分辨人腦與電腦差別」的考驗。而他克服爭取成為「人」的最後阻礙的方式是：改造他那相對於人腦幾乎算是不朽的正子腦，讓它像人腦般會逐漸老化與死亡，終於取得了「人」的資格。

另一方面，「從人變成機器人」的這條路上，也是以「大腦是不是原裝貨」來作為人類與機械的分界點。身上的器官怎麼更換都沒關係，但是這個人的「自我」（identity）只存在於大腦的神經元之間的連結以及在內部儲存以及傳送的資訊中，如果大腦被換掉、或是內部的資訊消失了，這個人也將不再存在。更激進的說法是，連大腦的「硬體」都不重要，只有內含的資訊才是「人的本體」，所以只要能夠把腦內的資訊保留、複製下來，人將可以成為不朽的存在，就像「攻殼機動隊」的主角草薙素子，拋棄了已經多次改造的肉身，以及還是「原裝」的大腦，將腦內資訊轉進網路中，只要這個網路仍在運作，這組來自草薙素子大腦的資訊仍存在於這個網路中，她就相當於取得了永生。

回到現實世界，「人工智慧」與「腦科學」正好也是目前最熱門、進展也最快的科技領域，前者致力於「讓機器除了強大的計算與記憶能力之外，還能像人腦一樣能進行複雜的思考」，後者則是要「瞭解大腦如何學習、記憶、創造，以及人類的自我意識從何而來」，這兩個領域發展的進程與細節跟科幻作品當然不會一模一樣，但是在大方向上，「科學」與「科幻」實在有驚人的相似之處，最後兩個領域也有可能交會在同一點上。

看看社群網站的自動審查機制，以及電子商務網站的推薦系統，極權國家用來監控人民的社會科技體系，「不具人形的機器人」正逐漸接管我們的生活。也許在我們的有生之年，就可以看到這些科幻名作中的情節在現實世界中發生，至於人與機器人之間的關係，是對抗、共生、還是融合？人類社會未來的流向，仍然掌握在人類手上嗎？再不嚴肅思考這個問題，或許很快就會來不及了。

• 作者 / 陳瑞麟｜中正大學哲學系教授，對於理解我們生存的自然與社會世界有高度的興趣，相信理解世界最好的方式是結合哲學與科學。

什麼是「科學哲學」？哲學家心中的科學哲學，與科學家心中的科學哲學是一樣的嗎？想了解科學哲學，首要的問題就是「科學是什麼」，為此我們需要一個分類人類活動的認知理論，再建立一個科學哲學理論，才能完整地回答這個問題。而在 19 世紀前，科學和哲學尚未分家，科學就是自然哲學；到了 20 世紀後，也仍有許多科學家對哲學深感興趣，並將其科學／自然哲學思考寫入科普著作中，展現他們的科學哲學思考。

筆者是個科學哲學的專業研究者，每年都會在哲學系開設相關課程，也經常有理工與社會科學系的同學來選修。根據經驗，歷來修過這堂課程的同學大致有兩種反應：一種在課業表現上優於哲學系同學；另一種則逐漸地消失在課堂上。

我沒有機會調查後者的反應，但我猜測可能是教學內容與他們預先期待的有所落差，也許他們心目中的科學哲學不是哲學系課堂所授的模樣？

你心中的科學哲學是什麼？

或許科學哲學有兩種？一種是哲學家的科學哲學，另一種是科學家的科學哲學。兩者的思想並非截然不同，而是密切相關，只是關注的重點略有不同。

科學家透過測量、觀察、實驗、數學、模擬、計算等各種科學方法，發現自然的定律或機制，並建立科學假說與理論來認識與理解我們生存的世界。

然而，這些科學方法通常運作在抽象符號或數量上，它們表示什麼意義？揭示了什麼樣的世界實況 （reality）？科學家必須提供說明與詮釋，而他們的詮釋構成自然哲學的傳統。

哲學家一方面想認識與理解我們生存的世界，另一方面則對科學家的活動與詮釋深感好奇，雙重興趣使他們採取比較迂迴的路線。

那便是透過閱讀、分析、反思，比較過去與現在科學家的種種理論、思想、活動來了解科學，從而認識、理解並反思科學所揭示與詮釋的世界，甚至進一步建立哲學家自己的世界觀，形成了今天所謂的「科學哲學」。

哲學家的科學哲學

科學哲學的首要問題是「科學是什麼」，其反面則是「科學不是什麼」，兩者共同蘊涵了「科學與非科學」的區分。

很多科學家十分在意非科學的從業者，例如占星者或算命者，偽稱自己的行業是科學，因此如何分辨科學與偽科學就成了科學哲學的一個核心任務。

哲學家波普（Karl Popper） 用「可否證性」 （falsifiability） 來定義「科學性」，主張能被否證的理論或假設才有資格成為科學。

但我們又該如何否證一個科學假設呢？只要找到一個反例就行了，例如「所有生物體都由細胞構成」的假設，會被一個「不是由細胞構成的生物體」否證。

然而，做為科學性定義的「可否證性」本身會不會有反例？就像我們似乎無法找到反例，以否證宇宙起源的大霹靂 （Big Bang） 假說？反過來說，如果現代占星家承認自己的預測可以否證，是否就可以被列入「科學」的行列之內？

事實上，我們很難透過一個簡單的定義來回答「科學是什麼」。

回答任何「 X 是什麼」的問題總是免不了分類系統的建立，例如在科學上我們想回答「現代智人 （homo sapiens） 是什麼」就得了解關於「人種、人屬、人科」的分類與相關理論。

回答「科學是什麼」的問題亦然，我們甚至需要一個「分類人類活動的認知理論」，並建立一個科學哲學理論，才能完整地回答這個問題。波普的可否證性也不是一個簡單的定義，而是一個系統性的否證論。

科學進展到現在已經發展出一個龐大的系統，包含大量形形色色的知識，諸如假說、理論、定律、模型等，以及產生那些知識的種種方法和工具，還有建立與應用知識的活動或實作，概括了探索、說明、解釋、預測、實驗、模擬、干預、控制、改造等，並構成一個複雜而長遠的歷史，發生過革命性的變遷。

如果我們想徹底了解「科學是什麼」，就得探討上述各個主題，也就是科學知識的本質、科學方法的本質、各種科學活動的特性、科學的歷史演變等，其相應的名目就是「科學方法學」、「科學知識論」、「科學實作的哲學」、「科學史的哲學」等，這一切構成了「科學哲學」這門領域的內容。在這方面，國內已經有不少紙本書籍與線上文章能供讀者參考，可見文末的資訊欄。

進行哲學思考的科學家

在 19 世紀之前，科學和哲學尚未分家，科學就是自然哲學。

專業的科學哲學也是建立在 19 世紀末如馬赫 （Ernst Mach） 、龐加萊 （Henri Poincaré） 、杜恩 （Pierre Duhem） 等科學家手上，然後在 20 世紀上半葉發展成一門專業，至今已有 100 多年的歷史。

雖然今日多數在思考、談論、教學、研究科學哲學的人是哲學家，但這並不意味科學家沒有貢獻。 20 世紀之後仍有許多科學家對哲學深感興趣，他們經常將自己的科學／自然哲學思考寫在其科普著作中，形成一個深厚的傳統，例如：

• 海森堡 （Werner Heisenberg） 的《物理學與哲學》（Physics and Philosophy: The Revolution in Modern Science）
• 薛丁格 （Erwin Schrödinger） 的《生命是什麼？》（What Is Life?）
• 莫納德 （Jacques Monod） 的《偶然與必然》（Chance and Necessity: Essay on the Natural Philosophy of Modern Biology）
• 道金斯 （Richard Dawkins） 《自私的基因》（The Selfish Gene）
• 維爾澤克 （Frank Wilczek） 《萬物皆數》（A Beautiful Question: Finding Nature’s Deep Design）和《物質之輕》（The Lightness of Being: Mass, Ether, and the Unification of Forces）
• 葛林 （Brian Greene） 的《眺望時間的盡頭》（Until the End of Time: Mind, Matter, and Our Search for Meaning in an Evolving Universe）

然而對於專業科學家來說，他們更感興趣的是「世界的起源」、「物質的起源」、「生命的起源」、「心智／意識的起源」、「語言的起源」、「宗教信仰的起源」等在傳統上屬於形上學 （metaphysics）^[註]的問題，他們企圖透過各個相關的科學理論推論並回答。

不管答案的依據是什麼，他們的思想和論述都超出了科學的界限，進入哲學的層次，換言之，科學家此時在作科學哲學、科學形上學。

臺灣的科學哲學

其實臺灣同樣也有科學家在進行哲學書寫，例如天下出版社「科學文化」書系的幾位策劃人林和、李國偉、周成功等寫作的科普譯書導讀，又如物理學家高涌泉的《科學人：非物理不可》與他在《科學人》雜誌中的長期專欄「形上集」，以及免疫學家楊倍昌更偏向學術性的科學哲學作品《變遷：生醫實驗室的知識拼圖》，並與臺灣的科學哲學家對話。

筆者相信這些臺灣的科學家，在「科學家的科學哲學」上，已經提供可資學習的典範，期待透過《科學月刊》的引介，臺灣未來有年輕一代的科學家走上哲思之道，持續發展本土科學家的科學哲學。

註解

• 哲學的核心部門，研究最根本與最抽象的「存在」、「實在」、「世界」、「時空」、「範疇」、「物質」、「心智」、「個體」、「共性」等概念的哲學。

尋找更多科學哲學的資訊

筆者已經在網路上刊過一些介紹性的文章，以下分成三部分提供資訊，希望有興趣的讀者能按圖索驥，以探索更多科學哲學內容。

一、關於科學與偽科學的區分問題

• 陳瑞麟，〈【科哲絮語】占星學的巫術性與科學性〉，《想想副刊》， 2018 年 4 月 29 日。
• 陳瑞麟，〈【科哲絮語】怎樣才算是科學？或者，一門學問的科學性程度有多高？〉，《想想副刊》， 2018 年 11 月 4 日。
• 陳瑞麟，〈第三問  如何寫自然哲學與科學史？科學編史方法學的問題〉，《人類怎樣質問大自然》，八旗文化， 2020 年。

二、科學哲學的理論與歷史：

• 陳瑞麟，《科學哲學：理論與歷史》，群學， 2010 年。
• 陳瑞麟，《科學哲學：假設的推理》，五南， 2017 年。
• 陳瑞麟，《人類怎樣質問大自然》，八旗文化， 2020 年。
• 陳瑞麟，〈當代科學哲學的發展〉，哲學新媒體， 2021 年。
• 線上《華文哲學百科》「科學哲學」部分現有的每個詞條。

三、科學家的科學哲學：

• 陳瑞麟，〈科學家的哲學思考，探討世界起源的科普書寫──《眺望時間的盡頭》〉，故事 StoryStudio ， 2021 年。
• 林義宏，〈科普能改變文化？中正陳瑞麟破解科普書籍暢銷秘訣〉，人文・島嶼， 2021 年。

• 〈本文選自《科學月刊》2021 年 8 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。