0

0
0

文字

分享

0
0
0

未來行動輔助裝置—超越人體極限的機器人外骨骼

科學月刊_96
・2012/04/30 ・6644字 ・閱讀時間約 13 分鐘 ・SR值 511 ・六年級

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

人類以直立方式行走已數百萬年且足跡遠至外太空,在體能上卻還是受到限制。

未來思考帽和機器人外骨骼可以讓人類跑得比獵豹快、跳得比袋鼠高且遠。

文 / 張力山

根據2011年2月刊登在Science期刊上的最新研究結果,人類的祖先「阿法南方古猿」(Australopithecus afarensis),在距今約320萬年前就已經開始以雙腿直立的方式在地面上行走,正式結束了在樹林間攀爬的樹居生活。從近期在衣索比亞出土的阿法南猿第四蹠骨(metatarsal bone,為腳掌中段部分與腳趾骨連接的長骨)足骨化石,科學家發現它的形狀和結構與現代人類的足弓類似;這不但是人類進化史上的一個重大發現,也結束了長達數十年對於人類到底從何時開始直立行走的爭論。

負責這項研究的美國密蘇里大學教授沃德(Carol V. Ward)表示,阿法南猿的足弓應該具備足夠的強度,能夠提供雙腳在蹬離地面時所需的推進力,同時也具備足夠的柔軟度,以吸收震動和來自地面的衝擊力;他們的腳已從便於抓握的結構,轉變為一種與現代人相似的、利於行走和奔跑的結構。

無法跨越的障礙—跑得慢、跳不高

從人類祖先開始直立行走到現在已經過數百萬年,雖然科技的發展已經帶領人類足跡深入極地、海底甚至遠至外太空,但是與許多動物相比,人類的體能卻還是相當程度地受到生理及構造上的限制。舉例來說,世界上跑得最快的人是目前25歲的牙買加短跑選手「閃電」波特(Usain Bolt),他在2009年於柏林舉辦的世界田徑錦標賽中,以100公尺9.58秒及200公尺19.19秒的成績,雙雙打破世界紀錄;無獨有偶,在同一年美國辛辛那提動物園的母獵豹莎拉(Sarah),雖然當時已經8 歲(相當於中年的年紀),但仍以100公尺6.13秒的速度,打破2 0 0 1年由南非雄性獵豹恩雅娜(Nyana)所保持的6.19秒紀錄,成為跑得最快的陸地動物,且足足比「閃電」波特快了將近3秒半。

而垂直跳高的世界紀錄是由來自阿爾及利亞,身高178公分的賈尼(Kadour Ziani)所創下。曾經為法國跳高冠軍,目前是法國花式灌籃團體Slam Nation 中的一員,賈尼垂直彈跳的高度可以達到56英吋,相當於142公分。不過比起袋鼠、美洲獅及羚羊,賈尼的紀錄卻是小巫見大巫;袋鼠最高可跳到4公尺高、13公尺遠,而且速度可達每小時56公里。

克服生理限制—跑得更快、跳得更遠

人類為了跨越或克服本身生理及體能的限制,於是便想盡辦法利用外在的事物或動力來增強本身的體力及耐力,因此促成了輔助器具或裝置的發明。根據我國輔具分類國家標準「CNS 15390」的定義,輔具是指「特別生產或一般用於預防、補償、監測、減輕或緩和機能損傷、活動限制和參與侷限的任何產品,包括裝置、設備、儀器、技術和軟體」。不過輔具並不僅限於提供給障礙者所使用的義肢或是助聽器,廣義的輔具也包括一般人所使用的產品或設備,像是平板電腦、賽格威自動平衡電動移行機(Segway)以及任天堂Wii;在輔具分類上平板電腦是屬於溝通與資訊類輔具,而賽格威則是屬於個人行動類輔具。

「內政部多功能輔具資源整合推廣中心」陳列的多款矯具類輔具。

電影《鋼鐵人》的盔甲服以及《阿凡達》中反派傭兵所駕乘的巨型A M P 裝甲(Amplified Mobility Platform suit),則是屬於矯具類輔具;而他們又被稱為動力「外骨骼」(powered exoskeleton)系統或動力服(Power Suit),因為它是效法昆蟲及甲殼動物,如獨角仙和螃蟹的外骨骼。有別於如脊椎動物等的內骨骼動物,外骨骼動物發展出包覆在身體外圍的骨骼系統,用來支撐與保護身體組織及器官;加上外骨骼的部分結構附著於肌肉,由於富含幾丁質,因此也同時增強了這些動物的體能,像獨角仙就能抬起相當於它體重850倍的物體。在未來,人類可以藉由「外骨骼」或動力服等行動輔助裝置,讓警察、軍人、救難人員,甚至是一般人可以跑得比獵豹快,跳得比袋鼠更高、更遠,抬起比自己重10 幾倍的東西,且連續走上一整天也不會覺得累。

具有軍事用途的美國外骨骼系統

動力「外骨骼」系統或動力服是指穿在人身上,類似外骨骼的負重結構和動力系統,藉由提供附加的額外能量,來配合肢體的動作並協助動作的產生,以提升體能。

第一代外骨骼系統—硬頂人

全世界第一個外骨骼動力服是由奇異公司(GE)與美國軍方在1960年代所共同發明的,取名為「硬頂人」(Hardiman)。硬頂人本身重680公斤,包含28個關節及2個可用來抓取的手臂;因為穿著這套裝備時舉起150 公斤的物體就像舉起6 公斤的物體一樣輕鬆,而且最高可抬起680公斤的重物,所以軍方稱它為「人類表現增強系統」。後來因為硬頂人本身太過笨重,在執行動作時的穩定性太差,加上過於耗電,因此最終只停留在實驗階段而沒有繼續發展下去。

有了硬頂人的經驗,美國軍方之後便致力於其它動力行動輔助裝置的發展。2000年開始,美國國防部先進研究計畫總署(DARPA)也開始資助類似裝置的研究和發展,目的就是為了讓士兵可以背負幾百磅的軍用品而不感覺到重,連續行走多日而不感覺到累,而且抬得動通常必須好幾個人才能扛得起來的武器。

戰場上的幫手—浩克

全球軍火製造業龍頭——美國洛克希德.馬丁公司(Lockheed Martin),與加州大學柏克萊分校合作研發出的人類負重外骨骼系統「浩克」(HULC),是目前第三代的動力「外骨骼」系統。它不但可以降低行走時的耗氧量達15%,同時也可以提供像盔甲般的保護。浩克的誕生是為了幫助士兵在戰場上能夠長時間身負重達200磅(相當於91公斤)的重物卻不會有沈重感,且同時能夠保持時速10英里(相當於16公里)的行進速度。

浩克本身雖然重24公斤,卻很容易穿脫,通常只需花30秒就可以脫下;因為它本身用的是電池的電力,不需要外接電源線,所以可以穿著它奔跑、跳躍、匍匐爬行、甚至做蹲跪的動作而不受限制。浩克所附帶的鋰電池可以在正常行走速度下持續用上1小時,而目前正在進行測試的燃料電池將可以把電池的壽命延長至72小時。浩克預計在2014年量產,預定售價為2萬5000美元(約76萬台幣)。

鋼鐵人再進化— XOS 2

美國雷神公司所製造的第二代動力「外骨骼」系統XOS 2 ,被美國時代雜誌列為 2010 年的50 大發明之一。

浩克的主要競爭對手是由世界第六大軍火商——美國雷神公司(Raytheon Sarcos)所製造的第二代動力「外骨骼」系統XOS 2,它的原創者是猶他大學的雅各布森(Steve Jacobsen)博士。XOS是美國國防部先進研究計畫總署為了創造出未來的「超人士兵」,而提供了1000 萬美元的軍事研究預算,經過7年秘密研發出來的;它代表了機械外骨骼領域最尖端的技術,因此被美國時代雜誌列為2010年的50大發明之一。

相較於第一代的XOS,XOS 2更輕(雖然重量有68 公斤)、更快且更有力;不但如此,它的電力消耗只有不到XOS的一半。雖然沒有裝上像「鋼鐵人」腳上的火箭靴,但XOS 2是敏捷並且強而有力的;利用附在肌肉上的感測器,可以毫不延遲地反應並配合身體的動作,輸出強大的力量。當穿上XOS 2時,舉起200磅的重物就好像在舉20 磅的東西,並且連續舉個500次都沒問題;穿著它可以輕易打穿3英吋(約7.6公分)厚的木板,而且要小心揮舞XOS 2的金屬拳頭,一不小心可能就會穿透目標!

戰場上的幫手—浩克,它可幫助士兵長時間身負重達91公斤的重物,且同時能夠 保持時速16 公里的行進速度。

雖然速度快、力量大,但是目前XOS 2有一個重大缺陷,就是因為耗電量高,必須依靠外接電源線來提供所需的電力,所以能夠使用的場所就被限制住,而不能像浩克一樣可以穿著到處跑。雷神公司表示因為他們覺得鋰電池會有爆炸的危險,所以XOS 2的電力供應目前還是依靠外接電纜,不過相信在5~10年內這個問題應該就可以獲得解決。未來第三代XOS 3將會製成機械盔甲系統,由模組化鋁合金或複合材料製成,且遮蔽現有露出外面的液壓管路,因此可以阻絕沙塵與雨水。

讓生活更便利的日本外骨骼系統

日本在「外骨骼」動力輔助裝置的研發工作也投注了很多心力,而且在進展上並沒有比美國落後;只不過日本的研發較著重於生活及日常活動上的實際應用,而不是軍事用途。

醫療助手— HAL

日本Cyberdyne公司的創立者——筑波大學(University of Tsukuba)山海嘉之(Yoshiyuki Sankai)教授,花費二十多年所研發的外骨骼動力服H A L (H y b r i d Assistive Limb),目前已經進入第五代,當初它的設計主要是針對照顧病患的看護及醫院護理人員,增進他們的力量,以減輕照顧病人的負擔;另一方面,就是希望針對行動困難的人提供幫助。因此HAL 主要被用來輔助日常活動,如從椅子上站起、行走、上下樓梯以及抬重物等動作。在未來,希望HAL 可以支援工廠內較吃重的工作,或是在災難現場協助救援工作的進行。

第五代的HAL-5本身重23公斤,能增加使用者10倍的力量;利用充電電池產生動能,在充滿電的狀況下可連續使用2小時40分鐘。HAL外骨骼動力服的控制系統有2種,一種是利用肌電訊號作偵測的「意志控制系統」(Cybernic Voluntary Control System),另一種則是機器人「自動控制系統」(Robotic Autonomous Control System);HAL是目前世界上第一個同時採用混合控制系統(Hybrid Control System)的「外骨骼」動力輔助裝置。

走路輔助裝置—機器人腿

日本的汽車製造大廠本田(Honda)公司,在2008年推出了一款可以輔助行走及上下樓梯的「機器人腿」(Walking AssistDevice),它除了可以幫助支撐身體,還可以減少體能消耗及降低疲勞,可用於汽車裝配生產線上,幫助裝配技師維持長時間的半蹲姿勢,以減緩膝蓋的老化;而對於長時間久站的工作者而言,它也是減少雙腳遭受職業傷害的好幫手。機器人腿還可以在觀光及遊覽時使用,因為它的特點是能夠控制走路時跨步的頻率以及距離(走路的快慢和步伐大小)。

日本Cyberdyne 的外骨骼動力服HAL

日本Cyberdyne公司研發的外骨骼動力服HAL,能增加使用者10倍的力量, 在充滿電的狀況下可連續使用2 小時40 分鐘。

第二代的機器人腿體積小,易操作,整個輔助裝置重6.5公斤,使用充電式鋰電池可連續使用2小時;使用時只需將機器人腿上的鞋子穿上,再坐上如腳踏車的座墊即可使用。相較於第一代的陽春版,第二代的機器人腿能更有效及精準地協助分散雙腿肌肉與膝蓋在行進間的壓力,甚至還能透過機器人腿的幫忙,矯正不正確的站姿。雖然對虛弱老人而言,機器人腿仍顯得有些過重,但已投入12年研究心血的本田公司表示,希望在不久的將來能將它改良,使它更輕和更容易穿用。

除了Cyberdyne HAL和本田公司所研發的機器人腿,日本在動力行動輔助裝置的成就還包括動力輔助服(Power Assist Suit);其中包括東京農工大學(Tokyo University of Agriculture and Technology)遠山茂樹(Shigeki Toyama)教授所發明的農耕機器人服(agriculture robot suit),以及神奈川理工學院為照護人員所研製的動力輔助服。

農耕機器人服

遠山茂樹教授有感於目前日本有超過三分之二的農夫為超過65歲的老年人,為了提升他們的體能及協助他們完成較困難的農事(如拔蘿蔔)而有此發明。農耕機器人服本身重30公斤,在它的金屬與塑膠材質的外殼上有8個電動馬達,可增強穿戴者四肢的力量,減輕他們體力上的負擔達62%;也有能夠偵測動作的感測器,還可透過聲音辨識系統回應指令。農耕機器人服預計於今年(2012年)上市,預定售價為1萬1000美元(約33 萬5千元台幣)。

動力輔助服

神奈川理工學院所研製的動力輔助服可使穿戴者的力量增加0.5至1倍,它利用肌肉壓力感測器分析穿戴者的運動狀況,通過複雜的氣壓傳動裝置增加人的力量。

日本本田公司於2008年推出機器人腿, 可以輔助行走及上下樓梯。

事實上,這種裝置最初是為護士研製的,用來幫助他們照料體重較大或根本無法行走的病人,如讓他們輕鬆地自輪椅或床上抱起老人和病患。這套動力輔助服重30公斤,得花10分鐘穿上;目前只依訂購生產,主要顧客是養老院和醫院,但未來希望能普及到一般家庭。由於年輕人口不斷減少,日本將越來越仰賴類似的機器人輔助裝置從事醫院和養老院的基本照護工作。研究人員目前也著力於改善動力輔助服,希望在未來供年長者本身穿用,以提高他們的自主能力,而非仰賴照護者或子女。

外骨骼的能源

由於「外骨骼」系統或動力服,必須在室內及戶外跟隨穿戴者進行各種形式的活動或任務,因此有輕量化及長續航力的需求。目前所研發出的動力「外骨骼」系統,能源主要以電池為主,而且技術上算是相當成熟;但由於一般電池系統的充放電條件及能量密度受到限制,如果要長時間供應能源,電池的體積和重量必然會增加;因此目前採用電池為基礎的大部分系統,其重量、續航力與使用便利性仍有改善空間。

動力「外骨骼」系統所使用的其它能源方式還包括太陽能、石油以及人體動能。太陽能雖然是很環保的一種能源,只是目前價格較為昂貴,不過可以用來作為輔助電力的一種;石油是引擎裝置所使用的燃料,利用石油燃燒所產生的熱氣,來帶動引擎活塞活動,實際的例子有美國的「柏克萊下肢外骨骼」(BLEEX);人體動能,顧名思義就是把人體在運動時所產生的能量儲存起來,儲存的能源可以用來輔助下一次的活動。

外骨骼的驅動系統

外骨骼的運行需要驅動器來提供它本身移動時所需的機械動力;驅動器有一定的體積和重量,但是過大或過重的驅動器會妨礙到外骨骼的出力,所以必須要做些開發上的設計取捨,或開發出新的混合式能源系統。一般的液壓式驅動器,將幫浦所產生的壓力能轉換成機械能;雖然強而有力且震動小、動作滑順並精確性高,但他們的缺點是重量重、耗能較多而且有漏油之虞。

氣壓式驅動器則是利用壓縮空氣的壓力能,產生直線或旋轉運動的傳動裝置;它的好處是空氣便於輸送、速度快且本身易於維修,但缺點是動作產生時的準確性較差,加上具有壓縮性、噪音大且出力較小。除了液壓式及氣壓式驅動器,電子式驅動器也被用於外骨骼系統,而電子式驅動器則為電子式伺服馬達系統的一部分。

一般來說,電子式的伺服馬達系統效能較高且能量較密集,不但體積較小且耗能很小。伺服馬達系統由馬達本體、驅動器及編碼器等三部分所組成,最大的特徵是採閉回路控制。驅動器的作用是接受脈波輸入,進行運算、訊號轉換後,驅動控制馬達運轉;並由編碼器檢知馬達的位置、速度等資訊,回授給驅動器進行比較,以確保控制準確。由於伺服馬達可以透過編碼器回授的位置與速度資訊,隨時檢測馬達的運轉狀態,所以可以達成精確的位置和速度控制。伺服馬達著重於輸出機械量的大小、性能的精度和工作的穩定性;因此,它具有轉速控制精確穩定、加速和減速反應快、動作迅速、小型質輕、輸出功率大(即功率密度高)、效率高等特點。

心想事成的思考帽

科學家預測在不久的將來,人類就可以利用人機界面技術BMI(Brain-machine Interface)的神經輔助裝置(neuroprosthetic device),靠著穿戴者的自主意志來控制「外骨骼」系統。「再次行走計劃」(The Walk Again Project)的跨國科學家們目前正在開發可以從大腦接收指令的外骨骼「神經輔助」裝置;他們在猴子的頭骨植入晶片及電極,將電子訊號輸入猴子大腦皮層,還「教導」猴子用意志(腦波活動)來移動及控制電腦螢幕上的游標。研究人員繼而測試患有嚴重巴金森病的病人,發現他們同樣能控制游標移動。

「再次行走計劃」的首席科學家,美國杜克大學(Duke University)神經科學教授尼可萊利斯(Miguel Nicolelis)表示,未來希望使用者在經過數週練習後,能夠使腦部與外骨骼系統完全融合,讓外骨骼成為身體的一部分。但他承認,有關的電極設計還需要改良,使每個植入大腦的晶片上裝的電極由數百個增加至數千個。「我們需要新一代的高密度電極,可以安全植入人腦,長期並即時記錄數以萬計的神經元電子訊息。」

2009年本田公司公布其全球首例人機界面技術,該技術不僅結合了腦波儀(EEG)和近紅外線光譜儀(Near Infrared Spectroscopy, NIRS),還採用了新一代的訊息篩選技術,因此不需要按鈕操作,僅靠人腦思考即可操控機器人(思考帽)。人類在思考時,腦部會產生微弱的電流,同時血流也會發生相應的變化,而BMI的原理就是在準確地測定和解析這些變化。

腦波儀可偵測大腦活動時頭皮表面產生的電流變化值,而NIRS可偵測大腦活動時腦內血流的變化值;新開發的BMI 技術結合腦波儀和NIRS的功能,能夠對這兩大類訊息進行統計和篩選,成功實現了對大腦活動的高精密識別。早先在2006 年推出的BMI技術,所使用的功能型核磁共振圖像裝置(fMRI)由於其體積較大,而且還會產生很強的磁場,因此使用環境受到很大的限制。新開發的測定裝置則使用較小型的腦波儀和NIRS,因此充分的提高了使用BMI的便利性。

展望未來

未來的外骨骼行動輔助裝置在材質上,應該極為貼身、並具有高強度、伸縮性佳、輕量、耐磨損等特質;在操控系統上,希望能結合局部肌電控制以及「思考帽」控制系統,並加上自動機器人控制系統;在動力來源上,希望能使用輕質量的奈米電池,並結合太陽能、人體動能等;最後還要擁有自動學習功能。而在動作的執行及表現上,希望能夠配合正常關節活動的方向及範圍,增加平順及流暢度而更接近人體自然的動作。

 

作者:張力山(陽明大學ICF 暨輔助科技研究中心)

原文發表於科學月刊第四十三卷第二期

文章難易度
科學月刊_96
231 篇文章 ・ 2296 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

1

133
3

文字

分享

1
133
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

文章難易度
所有討論 1
研之有物│中央研究院_96
254 篇文章 ・ 2221 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

9
0

文字

分享

0
9
0
【2021 年搞笑諾貝爾:和平獎】光溜溜的下巴怕鐵拳?快把你的鬍子留好留滿!
Yiting_96
・2021/09/23 ・1790字 ・閱讀時間約 3 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

要打架可以,但不要打臉啊啊啊!!!

試著在腦袋裡想像一下,打架的時候你第一個目標會先打哪裡呢?

過往研究顯示,男人與男人之間一言不合就開打的情況相當稀鬆平常,因此臉部掛彩什麼的都只是小事。而流行病學數據也告訴我們,男性因為打架導致臉部受傷的比例,比女性高出 68~92%(不是說好不打臉的嗎?)。

既然臉這麼重要,下頜骨(mandible)又是一個很容易在打架時骨折的區域,有沒有什麼方式可以妥善保護它?——或許你可以考慮像海格一樣留個濃~濃~的鬍子!

你有想過為什麼要留這麼濃密的鬍子嗎 (´・ω・`)? 圖/Pexels

怕痛嗎?要不要考慮留個鬍鬚?

自古以來,有鬍子的男性都被認為比較陽剛、有男人味,就像雄獅那頭帥氣的鬃毛一樣。以前,你可能只會覺得「這些人留鬍子是想耍帥吧?」,但在看完今年(2021)搞笑諾貝爾和平獎的得獎研究之後,你會知道這些鬍子可沒這麼簡單 ಠ_ಠ

今年搞笑諾貝爾和平獎,由美國猶他大學(University of Utah)的研究者 Beseris、Naleway、Carrier 獲得,他們發現擁有濃密的鬍子除了讓你看起來男性氣質 +10%,還能讓你在實戰中防禦力 +30%!

想模擬濃密的鬍鬚?試試羊毛吧!

為了知道人類鬍子的防禦指數到底有多少,研究團隊首先以短纖維環氧樹脂化合物(short fiber epoxy composite)作為材料,建構出人類的骨頭模擬物。而後再用羊皮、羊毛模擬出人的皮膚、鬍子,並將這些模擬物分為三組:毛茸茸的毛、修剪過的毛、無毛,用以代表著有濃密鬍鬚、修剪過鬍鬚、拔除鬍鬚(furred, sheared, plucked)這三種狀態的人類男性。

在製作好毛茸茸這些模擬物後,我們還缺少一個最重要的東西:拳頭。而落錘重量衝擊試驗機(drop weight impact tester,型號為 Instron Dynatup 8250)就是研究團隊們用來代替拳頭的進行落錘衝擊實驗的完美物品。

我們的人工拳頭落錘重量衝擊試驗機與毛茸茸的樣品。圖上中文為作者加註。圖/參考資料 1

毛茸茸的毛,防禦力 +30% 的關鍵

在使用了落錘重量衝擊試驗機後,研究團隊發現相較於「修剪過的毛」或「無毛」這兩種樣本而言,「毛茸茸的毛」確實可以吸收更多重量衝擊,提供下方的骨骼模擬物較好的保護力。

我們可以從圖 A 較為平緩的黑色曲線看出,當落錘掉下來時,「毛茸茸的毛」具有緩衝效果,衝擊力達到高峰耗費的時間長,吸收重量衝擊的效果較好,灰線也顯示這坨濃密的毛能吸收的能量比「修剪過的毛」、「無毛」兩組來得多。而圖 B、C 則告訴我們,若使用「修剪過的毛」、「無毛」樣本進行實驗,落錘釋放的力會在短時間內達到高峰,毛髮吸收的能量也沒有「毛茸茸的毛」來得多。

落錘重量衝擊試驗的數據圖表,三張圖分別代表毛茸茸的毛(A)、修剪過的毛(B)、無毛(C)這三組樣本;黑線為落錘掉下來的衝擊力,灰線則表示毛髮吸收的能量。圖/參考資料 1

鬍子防禦力有限,珍惜下頜骨才是上策

上述數據告訴我們,「毛茸茸的毛」能比另外兩組多吸收將近 30% 的能量,但這是否代表著我們留了濃密鬍子後,就能成為一個不怕痛的耐打高手嗎?事實可能並不盡然。

研究團隊表示,濃密的鬍鬚雖然能減少臉部皮膚、肌肉的傷害,也能保護臉部骨骼脆弱的區域免於骨折危機,但魔鬼藏在細節中——你的鬍鬚並不是羊毛啊!在本次研究中使用的羊皮、羊毛其實相當毛茸茸又厚實,即使能作為一個好的模擬物,但在缺乏人類臉部毛髮粗細、密度、厚度數據的情況下,並沒有辦法 100% 保證它能代表我們。

此外,不同人種的臉部毛髮也略有差異。擁有中東與北歐血統的人們,能夠長出厚實、濃密的鬍鬚;然而東亞、美洲印地安人的臉部毛髮卻相對稀少。後續仍需要進行更多的研究,確定這些毛髮究竟是如何影響衝擊力道,或許也可以透過建立毛髮纖維模型並以程式模擬的方式達成研究目的。總而言之,在更多研究數據出來之前還是先別輕舉妄動,小心防禦力沒加成,反而讓自己破相啦!

參考資料

  1. E A Beseris et al., Impact Protection Potential of Mammalian Hair: Testing the Pugilism Hypothesis for the Evolution of Human Facial Hair,Integrative Organismal Biology, Volume 2, Issue 1, 2020.
  2. The 2021 Ig Nobel Prize Winners

0

5
0

文字

分享

0
5
0
想解構一句超經典的 punchline?——你得先知道語言學家到底在研究些什麼
科技大觀園_96
・2021/09/21 ・3519字 ・閱讀時間約 7 分鐘

立即填寫問卷,預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

 

語言學家是在研究什麼?圖/沈佩泠繪

說話是複雜且精確的動作

當你說你是語言學家的時候,人們通常會很困惑,有人可能以為你會說很多種語言,有人可能覺得你對非標準的說話方式很感興趣,這都代表人們很難把語言視為一個物件:一個需要了解更多的物件。人們會覺得,你說一些事,我聽懂了,還有什麼好多說的?

說話或許是個不費力、不須多做解釋的活動,然而這樣的想法完全忽略了其中生理與認知的複雜性。跳探戈、彈小提琴、花式溜冰這些生理活動都不比說話複雜,說話牽涉到 100 多種以上的肌肉,交互使力造成的一系列快速且精確的動作。我們都沒有察覺到我們在幼兒時期累積了廣大的語言知識,這些知識都是內隱的(tacit),也就是不易覺察到的,卻造成我們即使不知道詞性、句法等規則,依然可以說出完美的句子。

說話是複雜且精確的一系列動作。漫畫中的男子正在訪談一位母語為毛利語的女性。圖/Subhashish Panigrahi,Wikimedia Commons

語言學家解析語言的結構

語言學家嘗試解析語言的文法,通常他們會專門研究文法的特定面向,如,音韻學、構詞學、句法學……。現存最古老的文法紀錄是 2500 年前由波你尼(Pāņini)編寫的梵語語法,包含了句法、構詞、音韻等層面。

每個語言學家研究的語言範圍都不盡相同,有的只研究相近的語言,有的研究一些差異頗大的語言,以了解它們的異同。

語言學家還會聚焦在一個特定的語言特質,接著比較這個特質在一大群語言中如何表現,也就是類型學(typology)。

如果語言學家研究的是一個尚未被記錄的語言,設法按照語言學的科學標準描述這種語言,並將其口頭和書面文學形式記錄下來,甚至為這種語言編撰辭典和語法書,這種研究稱為「語言檔案編制」(language documentation),很可能會占去研究者大半的人生。

音韻學家則聚焦在語言的語音結構,除了建立語言的語音庫藏,他們還會查究音節、字、句子如何組成。

社會語言學家探討的是社會、地理等因素如何造成語言差異,他們也試圖追蹤語言變化在音韻、構詞、句法等層面如何發生。就像我們在上一篇文章中「語言的演變」那一段提到的,這種研究屬於「差異社會語言學」(variationist sociolinguistics)。

語意學:不僅要考慮文法,還要考慮語境

語意學研究的則是語言的意思。在英文,單詞的意思通常與句子的意思有所區別。「意思」(meaning)這個字其實不好定義,比如說英文的「school」(學校)是一個有教育功能的建築物,但當有人說「The school is closed.」(閉校了),這時他指涉的是處理教學計畫的組織;而在「The school had a good influence on its pupils.」(學校對學生有良好的影響)這樣的句子,指涉的事物比較偏向教學的方法;若是在「The school unanimously agreed.」(整校一致同意),代表的是跟學校有關的學生與老師;不過也有只指涉一些學生的時候,如:「Our school came second in the chess tournament.」(我們學校在西洋棋賽得了第二名);如果有人跟我說「The school of life is life itself.」(學習就是人生),那我會理解為他在闡述「學習的經驗」。

綜合上述可知,一個詞可以有許多引申含義,不過究竟他們是如何被文法規範,依然不清楚。詞意事實上大部分反映著一個人的生活經驗,也就是「對世界的了解」。語意學家的工作之一便是分辨什麼是文法語意(grammatical meaning),什麼是語用語意(pragmatic meaning),也就是語境對語言含義產生的影響。

句法,也就是句子的文法。句法結構定義句子裡有不同位置讓字詞可以填入,且讓彼此之間有不同的語意關係。這也就是為何「John kissed Mary.」(約翰親了瑪莉)及「Mary kissed John.」(瑪莉親了約翰),只要交換了「John」與「Mary」的位置,意思就截然不同,即便它們的句法結構與用的字都一模一樣。不過句法也會受到語用的影響,像是「policemen are getting younger.」(警察越來越年輕了),由於沒有比較的子句「than X」(比……),因此一定要應用語用的知識來讓句義完整。有了「policemen」,聽者會知道這句話是限於警察間的比較,那可能就是不同梯次上任的警察,此句應該就是指每年都有新進警察,畢竟沒有一個人會隨著時間而越來越年輕。

「policemen are getting younger.」需要搭配當下語境來理解。圖/hojusaram,wikipedia

語言中的聲音辨識

流利說話時,每秒大約會說三個字,而且還能準確地在腦裡從三萬多字中挑出需要的字,說話者是如何這麼快找出這些字的?聽者又是如何這麼快辨識出他們聽到的是什麼?

Pim Levelt在荷蘭紐梅因馬克斯普朗克心理語言研究所(Max Planck Institute for Psycholinguistics in Nijmegen)至今已 35 年,啟發了許許多多的心理語言學家,他致力於解答人類說話時「文字提取」(word retrieval)的謎團,發現語意相近的語境,更能增加說話者找到單字的速度,另外發音相似的字也能增加找字速度,也就是說語意與發音是各自獨立存在的,它們各自都對文字提取有幫助(facilitation)的效果,而且類似效果在任何語言都看得到。

另外,不同語言辨識聲音的方法都不盡相同,這是因為每個語言常用的聲音、音韻規則都不同。例如說話時聽到的聲音是像這樣:[mɛərihædəlɪtllæmuːzfliːswəzwaɪtəzsnəʊ],中間沒有停頓,但這串東西其實只是「Mary had a little lamb whose fleece was white as snow」(瑪莉有隻毛似白雪的小羊)。英文是一個有重音的語言,開頭是重音的單字數量大概是非重音開頭的三倍,字詞辨識(word recognition)大部分是依賴找到字詞的開頭,因此在英文,透過重音,能最快在像上述的一串聲音中辨識出字詞,其他的語言也有類似這樣的常見規律性。很明顯,這也是為何外語學習者常常會覺得很難理解學習中的外語。

每個語言辨識聲音的方法都不盡相同,這也是外語學習者會面臨的困難之處。圖/freepik

承上,這也帶到最後的主題:語言習得(Language acquisition),分為母語及其他額外的語言習得。兒童語言習得的研究,都是在追蹤兒童如何發展出他們的語言感知偏差(perceptual bias),隨著孩童長大,他們會越來越聚焦在語言中區分語意的不同聲音,並忽略不會造成感知差異的不同聲音。

當然,兒童學習另一種語言的時候,他們可能會與新學習的語言有不同的感知偏差,造成了在第二語言習得中眾所皆知的「轉移」(transfer)效果。例如講西班牙語長大的孩子,實際上聽不出來英文中「cut」和「cat」之間的區別,因為母音 [ʌ] 和 [æ] 在他的母語裡是屬於同一個感知類別。缺乏語言差異的覺察意識,很可能造成戲劇性的效果。例如在香港,人們去做禮拜唱聖歌時,會唱著「我的豬」,但他們其實是想唱「我的主」,使得孩子們得憋著咯咯笑。唱聖歌時,不同音節的音調必須是平穩的,也就是說不能讓音高升高或下降,但很不巧的,粵語剛好有揚升調:[zye35](主),以及高平調:[zye55](豬)。

結語

語言能力在智人的基因中出現,造成了我們與其他物種有了截然不同的結果。在大部分的情況這都是無法預測的,在家附近圈養一小群雞的人們,沒有一個人會想像得到,在 1 萬 2 千年後,牠們會變成 249 億隻雞。因為人類的天敵,像是獅子與老虎,從我們的棲息地中消失了,我們不再將自己視為居住在全球生態系統中的一份子,目前的大流行病算是提醒了我們,人類依然與病毒共存在同一個棲息地。我們的科技發展提供了大眾能獲取的龐大資訊,但我們沒有想到錯誤資訊也會大量產生,亦沒有發覺國家機關可能會審查正確資訊與散播錯誤消息,甚至搜集我們希望保密的資訊,進而潛在地威脅到我們的自由。

儘管對一般人來說,將人類語言視為可用科學方法檢視的物件可能有些困難,但語言已被證實是一個複雜的現象。研究的領域也擴散到各個面向,例如我們如何習得一個語言?語言如何變化?語言跟群體的文化有何關聯?我們如何發音?我們如何解讀聽到的聲音?還有我們如何習得另一個語言,以及這兩個語言在腦裡有何相互作用?

對大部分的語言學家而言,研究重點是語言的結構,也就是文法,它規範著詞句的型態,以及它們的發音與音韻變化。根本的議題並不只有定義結構的構成,還要考慮跨語言間的差異,以及在這些不同文法中的所有元素。隨著現存 7000 種語言之中有一大部分在漸漸消失,使得記錄並分析尚未記錄下來的語言這件事十分緊迫。如此龐大數量的語言,相較之下,語言學家的數量稍嫌不足,加上能提供資金的科學機構間也普遍沒有意識到這個情況的緊迫,共同導致了目前這個令人擔憂的局面。

科技大觀園_96
82 篇文章 ・ 1104 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。