0

0
0

文字

分享

0
0
0

機器人時代來臨了嗎?

潘 震澤
・2011/03/18 ・1913字 ・閱讀時間約 3 分鐘 ・SR值 549 ・八年級

本文作者為科普作家潘震澤|作者部落格:生理人生,經授權轉載。

「危機情境」(Jeopardy!)是個歷史悠久(1964年3月至今)、且廣受歡迎的美國電視益智問答節目,其特殊的提問方式(從答案反推出問題)、包羅萬象的問題內容、參賽者的競爭搶答、現任(1984年至今)主持人崔貝克(Alex Trebek)的魅力,以及不時舉辦的名人賽、青少年賽、大專生賽,甚至銀髮族賽等特別節目,在在吸引人觀賞而不厭;但今年二月中連續播出三天的兩場比賽,可說是劃時代的歷史性事件。

這三場稱作「IBM挑戰」的節目,是由國際商務機器公司(IBM)特別針對危機情境所設計的超級電腦「沃琛」(以IBM的第一任總裁Thomas J. Watson為名),挑戰之前在該節目中得勝次數最多及獲得獎金最高的兩位參賽者詹寧斯(Ken Jennings)與路特(Brad Rutter)。

電腦與人腦之前已經有過一回出名的交手,那就是1997年IBM的「深藍」(Deep Blue)與世界棋王卡斯帕羅夫(Garry Kasparov)進行的六場比賽,深藍以三勝二負一和的成績獲勝。該項成就讓許多人擔心機器即將超越並取代人類,但有識之士都曉得電腦長於記憶與計算,不但能記住成千上萬局高手棋譜,還能比最優秀的棋手多預測好幾步棋,所以占了上風。但深藍只是按指令行事,並無獨立思考能力;這一點深藍的主要設計人、來自台灣的許峰雄博士說得好:這還是人與人的比賽,一方是當眾表演的棋士,另一方則是隱身幕後的工具設計者(注一)。

-----廣告,請繼續往下閱讀-----

然而沃琛的出現,又拉近了人與機器的距離:沃琛不但能理解主持人的問題,還能在短短幾秒鐘內找出答案,趕在兩位超級冠軍前按鈕作答,這可是讓任何看過該節目、並試圖回答問題的人驚訝不已的表現。因為這裡頭牽涉到對人類自然語言(而非電腦程式語言)的了解(注二),這是理解問題的第一步,接下來則是尋找資料、建立假說、評比推理以及做出決定等系列過程,難度可是比下棋高出太多。

雖說沃琛擁有幾千顆IBM最新的微處理器、及高達16兆位元(16 terabytes)隨機存取記憶體(RAM),儲存了全套維基百科以及各種字典、文學作品、網路文章及資料庫的內容,但重點是其軟體若不能從相當於兩億頁面的資料大海中撈出針來,或是耗時需三秒以上的話,也就沒戲唱。結果沃琛在連續兩場比賽中都擊敗了對手,取得優勝。這不僅是機器的勝利,更是工具設計者的勝利。

電腦除了記憶與速度外,還有不會疲倦、不受情緒及主見左右等長處,與電腦交過手的卡斯帕羅夫與詹寧斯都提到了這一點;但現今的超級電腦造價高、體積龐大、不單耗能且受限於軟體,是其缺點。沃琛的表現,讓人想起電視影集《星際爭霸戰》(Star Trek)裡可聽懂人話、隨時提供答案的星艦電腦,但比起《星際爭霸戰》第二部影集《銀河飛龍》(Star Trek-The Next Generation)裡的機器人Data,還差得很遠:Data不但長得同真人一樣,還能行動自如,與人溝通無礙,且智力體力都超人一等。但Data還是有一點與真人不同,就是不知喜怒哀樂等情緒為何物,也不懂幽默(好些劇情橋段都以此為題),這大概是人與機器最大的差別。

有人根據電腦處理器速度不斷成級數增加的事實,預測再過三十五年,電腦智慧不但超越人腦,還會取得獨立性。到時機器將與人類並存於世,不是取代人類就是與人合而為一;這些人給該情況取了個名字,叫「奇異點」(singularity),說是「人類歷史織錦出現斷裂的一刻」(注三)。

-----廣告,請繼續往下閱讀-----

老實說,像仿生人(android)、生化人(bionic man)或電子人(cyborg)等名詞與概念,在科幻小說與電影裡已是老生常談;機器人進步到能自我複製、繁衍並取代人類的情節,也早不新鮮。這種對未來科技發展的預測,每個時代都不乏其人;雖然猜不中的比例遠高過猜中的,但也絲毫無損許多人樂於扮演先知的興致。

利用機器的長處來增進人類能力與智慧(IA, intelligence augmentation)的做法,自古有之,於今尤烈,沃琛就是最新的例子。但在還不了解人的情緒與意識如何產生之前,就擔心會有危及人類生存的人工智慧(AI, artificial intelligence)出現,並無多大意義。

尤有甚者,奇異點的提倡者還進一步預測:可將人的思想記憶掃描後輸入電腦,如此可保人的永生。只要懂得一點人腦如何組成及運作的生物學家,大概都不會認為那是可行之道,但也絕對阻止不了有人作夢。我們在讚嘆沃琛的表現之餘,大可靜觀其未來的應用,對人類的前途希望有所幫助,而不必杞人憂天。

注一:參見Hsu, Feng-Hsiung: Behind Deep Blue: Building the Computer that Defeated the World Chess Champion. Princeton University Press, 2002.

-----廣告,請繼續往下閱讀-----

注二:沃琛是在主持人唸問題的時,同步接收以電子文字傳來的訊息。本文在《中時》發表時,誤以為沃琛已具備語音辨識的能力,下筆有誤,承蒙讀者茄子來信指正,特此致謝。看來沃琛要達到星艦電腦的水準,與人類即時聽講溝通,還有段路要走。

注三:參見Grossman, Lev: Man and machine. Time, Feb. 21, 2011, pp. 42-49. http://www.time.com/time/health/article/0,8599,2048138,00.html?xid=newsletter-weekly

-----廣告,請繼續往下閱讀-----
文章難易度
潘 震澤
13 篇文章 ・ 1 位粉絲
在大學裡教了二十幾年書,專長是生理學(再往下細分是「神經內分泌學」)。十來年前從象牙塔裡伸出頭來,投入科普書譯介及專欄寫作工作,至今已翻譯了十來本科普書、兩本生理學教科書,以及兩本科學散文結集。目前任教美國大學。

0

0
1

文字

分享

0
0
1
不是不會髒,而是更難沾:耐污馬桶的表面科學
鳥苷三磷酸 (PanSci Promo)_96
・2026/09/22 ・3364字 ・閱讀時間約 7 分鐘

本文與 Panasonic 合作,泛科學撰文 

●以下科學研究內容作為知識分享,不直接與Panasonic A La Uno全自動洗淨馬桶產品功能連結

在做家務的痛苦排行榜上,「刷馬桶」絕對名列前茅。明明天天都在沖水,但過不了幾天,馬桶內壁邊角總會浮現黃黃的水垢、角落發黑的霉斑,甚至是那些刷掉又長出來的粉紅色污垢(黏質沙雷氏菌)。

許多市售衛浴設備常標榜「神奇抗污」或「永久不沾」,讓人誤以為安裝後便能永保潔淨。然而從材料科學的角度來看,世上並無能使污垢憑空消失的魔法。所謂「耐污」的實質機制,並非打造完全不沾染髒污的材質,而是調整表面的物理與化學屬性,使水垢和微生物難以強力附著。一旦降低了污垢與內壁之間的附著力,透過日常水流沖刷,便能輕易地將髒污帶走。

-----廣告,請繼續往下閱讀-----

為什麼污垢「黏不住」? 

要搞懂為什麼某些特殊表面能做到「耐污」,我們得先像偵探一樣,拆解馬桶裡的髒污究竟是怎麼「抓緊」材料表面的。馬桶內壁的污垢主要有兩大難纏的元兇:

  1. 水垢與礦物沉積*1:我們日常使用的自來水中含有鈣、鎂等金屬離子。當水滴在表面經歷反覆的濕潤與蒸發乾燥循環時,這些離子會逐漸結晶析出,變成硬度極高、緊緊「卡」在微觀縫隙裡的礦物質水垢。
  2. 生物膜與有機物*2:包含尿液中的無機鹽、油脂殘留,以及細菌入侵後分泌出像超強膠水一般的聚合物,所組成的黏滑防禦大本營。
關鍵不是沖水,而是「這些污垢如何抓住表面」

這兩大類污垢想要在材料上「落腳」,前提是它們必須能在表面找到足夠的附著點與黏合力。那麼,材料科學家是如何讓這些髒污「站不穩」的呢?答案就藏在「表面能(Surface Energy)」與「濕潤性(Wettability)」這兩個核心概念中。

當我們把水滴在某個表面上時,水滴會聚成一顆圓滾滾的水珠,還是迅速攤平開來?這取決於表面的特性:

  • 疏水路線(Hydrophobic)*1:具備低表面能的疏水表面,能顯著減少水分子或污染物與表面之間的極性作用力與氫鍵。水滴在這種表面上會因為表面張力而收縮成水珠,當水珠滾動滑落時,就能順便把表面的灰塵與礦物質顆粒帶走,這就是著名的「自清潔效應」。
  • 親水路線(Hydrophilic / Superhydrophilic)*2:相反地,極度親水的超親水表面則會強烈地吸引水分子,在材料最外層形成一層薄薄的「水化層(Hydration Layer)」。這層水化層就像是實體的液體盾牌,讓油污、蛋白質或細菌無法直接接觸到材料基底,只能漂浮在水膜上方。

如果要用攀岩來比喻:傳統粗糙的表面就像是有許多凹槽的攀岩牆,髒污就像攀岩者,需要找到落腳點並用力撐住才能攀附;而我們做的是抽掉把手點,或是在把手上塗上潤滑油,讓髒污找不到施力點,自然難以停留。

-----廣告,請繼續往下閱讀-----
材料科學的核心:想辦法讓污垢「抓不住」

不給細菌「握手」的機會

解決了水垢,下一個更棘手的對手是「細菌」。

馬桶內壁那些黑黑粉粉、摸起來滑滑的污垢,在微生物學中被稱為「生物膜(Biofilm)」。細菌並不是孤立生長的,當單顆細菌落在表面後,如果覺得環境舒適,它就會開始分泌胞外聚合物(EPS),這是一種天然的超強膠水。細菌們用這種膠水把自己與同伴緊緊黏在一起,並築起堅固的防禦堡壘,這時一般的沖水就很難把它們沖洗乾淨了。

根據《Nature Communications》與《Microsystems & Nanoengineering》的學術期刊研究指出,要阻止生物膜形成,除了化學上的抗菌,材料的「表面微幾何結構」扮演了至關重要的角色。

材料科學領域中有一個著名的「附著點理論(Attachment Point Theory)」:

-----廣告,請繼續往下閱讀-----
  1. 粗糙與微孔洞表面:如果材料表面存在許多微小的裂縫、氣孔或微米級凹洞,細菌(體積通常約 1 到 3 微米)就會興高采烈地鑽進這些小凹槽裡。這些凹槽不僅提供了極佳的機械咬合支點,還能幫細菌擋掉水流的沖刷。
  2. 極致平滑與微結構表面:相反地,如果材料表面做到極致平滑,完全沒有微米級的缺陷;或者反過來設計出尺寸遠小於細菌的奈米結構,細菌的足跡構造(如鞭毛或纖毛)就無法在表面找到穩固的「接觸附著點(Contact Points)」。

當細菌發現自己在這個表面上連「手都握不緊」、隨時會被水流吹走時,它就無法順利定殖並分泌膠水築巢。此外,現代衛浴結構在設計時,也越來越強調「一體成形」與「無接縫工藝」。消除接縫與死角,等於直接拔除了細菌與水垢最喜歡的避風港。

阻止細菌、生物膜找不到「落腳點」

當材料、結構與流體科技組隊聯防 

了解了材料化學與微觀幾何,我們就能勾勒出一座現代耐污馬桶的完整防禦體系:【材料層(低附著力)】+【結構層(無縫平滑)】+【動態流體層(泡沫與水流剪切力)】= 高效清潔!

以市面上備受矚目的 Panasonic A La Uno 全自動洗淨馬桶為例,就是將材料科學、結構工程與流體力學發揮到極致的典型代表:

1. 材料層:有機玻璃系新素材

A La Uno 全自動洗淨馬桶採新開發的「有機玻璃系新素材」(以壓克力高分子為基礎研發的衛浴專用材料,這類高分子成形技術亦被廣泛運用於大型水族館高壓觀景窗與飛機機艙罩)。這種材料表面具備極佳的疏水性與耐水垢特性,水滴不易長時間攤平停留;材質堅固、不易破裂,耐刮、不易造成細小傷痕。通過實驗測試,這種素材配合泡沫洗淨,在沖洗後能有效沖刷掉高達 99.99% 的大腸桿菌,從源頭阻斷細菌定殖。

-----廣告,請繼續往下閱讀-----

2. 結構層:無接縫工藝與三重防濺防護

在宏觀結構上,A La Uno 全自動洗淨馬桶採用無水箱沖水與便器、溫水洗淨便座一體成型設計,減少傳統水箱與座體之間的結構層次及接縫,並搭配可動迴轉式排水系統完成沖洗。更貼心的是其「三重防護」設計:

  • 泡沫防護:在水面上製造一層充沛的泡沫緩衝層,有效抑制男性站立小便時的尿液與污水飛濺;
  • 外圍防護:馬桶邊界特別設計了高約 3mm 的水檔,防止液體延著外壁滴落至地板;
  • 測漏防護:便座與馬桶本體採用不外露的防護設計,避免液體從縫隙飛濺滲漏。
Panasonic A La Uno 全自動洗淨馬桶

3. 動態流體層:雙效泡沫洗淨、漩渦水流與 nanoe™ X

當污垢降落在馬桶內壁時,A La Uno全自動洗淨馬桶 的動態流體科技便接手進行徹底打掃。其「雙效泡沫洗淨」會先釋放直徑約 5mm 的「毫米泡沫」包裹並帶走大塊髒污,再透過直徑約 60微米的「微米泡沫」深入微觀縫隙,徹底溶解殘餘的油脂與細微污垢。接著,配合高度清潔力的「漩渦型強力水流」,利用旋轉產生的流體剪切力,一口氣將附著力已被削弱的污垢剝離並沖走。此外,Panasonic A La Uno 全自動洗淨馬桶還搭襯了 nanoe™ X 健康科技,釋放氫氧離子有效抑制異味與髒污,維持空氣與內壁的良好衛生狀態。

科技讓生活變輕鬆,但物理法則依然誠實

從材料化學的低表面能設計,到微觀幾何的附著點控制,再到流體力學的水流沖刷,一座現代抗污馬桶的演進,縮影了人類如何運用基礎科學來解決日常生活痛點的智慧。

我們習慣將衛生清潔想像成一場與細菌髒污的硬碰硬死鬥。然而,A La Uno全自動洗淨馬桶 等現代衛浴技術的突破,展示了材料科學的另一種聰明思維:不靠強酸強鹼硬打,而是透過物理與化學邏輯,將「污垢固著」的機率降到最低。

-----廣告,請繼續往下閱讀-----

當材料科學與現代衛浴技術結合,刷馬桶不再是一件令人頭痛的辛苦瑣事。透過這些前沿科技的加持,我們得以從繁重的家務勞動中解放,享受更加乾淨、舒適且有品質的日常生活。

*1 參考論文:A metallic anti-biofouling surface with a hierarchical topography containing nanostructures on curved micro-riblets

*2 參考論文:Brushing up functional materials

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
253 篇文章 ・ 322 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
脂肪肝不只靠減肥!AI 看臉揪出風險,瘦瘦針與新藥能逆轉肝纖維化?
PanSci_96
・2026/11/07 ・1997字 ・閱讀時間約 4 分鐘

本文由 AI 協助生成,內容經編輯審閱。

你相信嗎?未來可能只要拍一張照片,AI 就能看出你的肝臟有沒有問題!這一集,就讓挺健康鄭丁靚醫師帶我們看懂,為什麼明明是肝臟的問題,卻會寫在臉上?而且,當大家還以為脂肪肝只能靠「少吃多動」來改善時,醫學界其實已經有了突破性的進展,就連大家熟知的「瘦瘦針」也成為治療肝病的新星。讓我們一起來了解脂肪肝的最新科學發展吧!

為什麼肝臟生病,會「寫在臉上」?

2026 年《Cell Reports Medicine》發表了一項涵蓋超過 1.1 萬人的研究,團隊開發出一套名為 3D-FAICE 的 AI 系統,透過分析受試者的三維臉部影像特徵,竟然能辨識出罹患脂肪肝的風險。

你可能會想,難道古人說的「印堂發黑」真有科學根據,還是 AI 學會了看面相?其實都不是。研究團隊進一步比對受試者的血液代謝物後發現,AI 算出的風險分數,和人體內的醣類、脂質及胺基酸代謝途徑息息相關。換句話說,AI 看到的並不是「脂肪肝長在臉上」,而是全身代謝失衡後,反映在臉部脂肪分布、組織型態等肉眼難以察覺的細微變化。

這也點出了一個核心觀念:脂肪肝從來不只是肝臟關起門來自己的問題,它更像是全身代謝系統拉警報時,浮現出來的一個強烈訊號。

-----廣告,請繼續往下閱讀-----

一樣都是脂肪肝,為什麼有人沒事,有人卻會肝硬化?

許多人在健檢報告上看到「脂肪肝」,可能會覺得:「不就是肝裡油太多嘛,少吃一點、多運動,明年再看看吧!」但這種「佛系」心態,很可能會讓你錯失治療的黃金期。

脂肪肝的進程是從「單純脂肪堆積」開始的。如果代謝異常持續,肝細胞會因為脂質毒性、氧化壓力而開始發炎,演變成「代謝性脂肪性肝炎(MASH)」。當肝臟反覆發炎、受傷,身體就會啟動修復機制,留下疤痕組織,這在醫學上稱為「肝纖維化」。

醫學上將肝纖維化分為 F0(無纖維化)到 F4(肝硬化)。所以,現在醫師看脂肪肝,已經不再只關心「脂肪有沒有變少」,而是更在意「肝臟有沒有持續發炎?纖維化到了什麼程度?」因為一旦肝臟長出疤痕,未來惡化成肝硬化、肝癌的風險就會大幅增加。

治療重大突破:新藥與「瘦瘦針」也能治肝?

過去面對已經開始纖維化的肝臟,醫師除了勸患者減重、運動外,並沒有太多直接針對肝臟修復的藥物。但近年來,脂肪肝的治療迎來了重大突破。

-----廣告,請繼續往下閱讀-----

2024 年,美國 FDA 核准了首款專門針對脂肪性肝炎的新藥「Resmetirom(Rezdiffra)」。它的機制非常特別,主要鎖定肝臟中的甲狀腺素受體 β(THR-β)。你可以把它想像成是在優化肝臟這座工廠的「內部產線」,讓肝臟更有效率地處理脂質,幫助減少脂肪堆積並減輕發炎傷害。臨床試驗顯示,有超過四分之一使用高劑量藥物的患者,肝纖維化獲得了至少一個等級的改善。

緊接著在 2025 年,大家熟知的「瘦瘦針」——Semaglutide(Wegovy 的主要成分)也正式取得了治療脂肪性肝炎的適應症。Semaglutide 是一款 GLP-1 受體促效劑,原本用來減重和控血糖。當患者體重下降、胰島素阻抗改善,送進肝臟的代謝負荷自然減輕。研究發現,接受治療的患者中,約有 63% 達到脂肪性肝炎緩解。這意味著,瘦瘦針的價值不再只限於減肥,對符合條件的肝病患者來說,它還能帶來肝臟組織實質的改善。

如何知道自己的脂肪肝走到哪一步?

既然有了治療新武器,我們要如何知道自己的脂肪肝只是「單純堆油」,還是已經「發炎長疤」了呢?

雖然肝臟切片最準確,但畢竟是侵入性檢查;而大家最常做的腹部超音波,雖然能看出肝臟有沒有脂肪,卻難以精準判斷纖維化的程度。因此,臨床上現在更強調「風險分層」。

-----廣告,請繼續往下閱讀-----

其實,你可以利用手邊的健檢報告,自己做初步的風險評估。例如利用「FIB-4」指數,只要套入你的年齡、AST、ALT(兩項肝指數)以及血小板數量,就能初步計算出肝纖維化的風險。如果算出來屬於中高風險,醫師就會建議進一步安排「肝臟彈性掃描(FibroScan)」,利用超音波震動來測量肝臟到底有多「硬」,作為後續治療決策的重要參考。

結語:長壽醫學觀點,別等出事才處理

從長壽醫學的角度來看,脂肪肝是一個提醒我們全身代謝出問題的警報。一旦發現脂肪肝,除了關注肝臟本身,更要同時檢視自己的血糖、血壓、血脂與胰島素阻抗。現在我們有了更進步的 AI 篩檢概念,以及能夠逆轉肝臟疤痕的新藥,我們更不應該等到肝硬化才來想辦法。及早評估、積極應對,才能為自己的健康後半場,保留更多美好的選擇。


延伸閱讀|實證醫學專欄|循證長壽、失智預防、更年期、睡眠科學|叮噹醫師
以同儕評審論文為根據的長壽科學深度解析。睡眠科學、光線生物學、更年期醫學、認知儲備、失智早期檢測。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1307 篇文章 ・ 2685 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
解密機器人如何學會思考、觸摸與變形
鳥苷三磷酸 (PanSci Promo)_96
・2025/09/09 ・6820字 ・閱讀時間約 14 分鐘

本文與 Perplexity 合作,泛科學企劃執行

「Hello. I am… a robot.」

在我們的記憶裡,機器人的聲音就該是冰冷、單調,不帶一絲情感 。它們的動作僵硬,肢體不協調,像一個沒有靈魂的傀儡,甚至啟發我們創造了機械舞來模仿那獨特的笨拙可愛。但是,現今的機器人發展不再只會跳舞或模仿人聲,而是已經能獨立完成一場膽囊切除手術。

就在2025年,美國一間實驗室發表了一項成果:一台名為「SRT-H」的機器人(階層式手術機器人Transformer),在沒有人類醫師介入的情況下,成功自主完成了一場完整的豬膽囊切除手術。SRT-H 正是靠著從錯誤中學習的能力,最終在八個不同的離體膽囊上,達成了 100% 的自主手術成功率。

-----廣告,請繼續往下閱讀-----

這項成就的意義重大,因為過去機器人手術的自動化,大多集中在像是縫合這樣的單一「任務」上。然而,這一場完整的手術,是一個包含數十個步驟、需要連貫策略與動態調整的複雜「程序」。這是機器人首次在包含 17 個步驟的完整膽囊切除術中,實現了「步驟層次的自主性」。

這就引出了一個讓我們既興奮又不安的核心問題:我們究竟錯過了什麼?機器人是如何在我們看不見的角落,悄悄完成了從「機械傀儡」到「外科醫生」的驚人演化?

這趟思想探險,將為你解密 SRT-H 以及其他五款同樣具備革命性突破的機器人。你將看到,它們正以前所未有的方式,發展出生物般的觸覺、理解複雜指令、學會團隊合作,甚至開始自我修復與演化,成為一種真正的「準生命體」 。

所以,你準備好迎接這個機器人的新紀元了嗎?

-----廣告,請繼續往下閱讀-----

只靠模仿還不夠?手術機器人還需要學會「犯錯」與「糾正」

那麼,SRT-H 這位機器人的外科大腦,究竟藏著什麼秘密?答案就在它創新的「階層式框架」設計裡 。

你可以想像,SRT-H 的腦中,住著一個分工明確的兩人團隊,就像是漫畫界的傳奇師徒—黑傑克與皮諾可 。

  • 第一位,是動口不動手的總指揮「黑傑克」: 它不下達具體的動作指令,而是在更高維度的「語言空間」中進行策略規劃 。它發出的命令,是像「抓住膽管」或「放置止血夾」這樣的高層次任務指令 。
  • 第二位,是靈巧的助手「皮諾可」: 它負責接收黑傑克的語言指令,並將這些抽象的命令,轉化為機器手臂毫釐不差的精準運動軌跡 。

但最厲害的還不是這個分工,而是它們的學習方式。SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。但這還只是開始,研究人員在訓練過程中,會刻意讓它犯錯,並向它示範如何從抓取失敗、角度不佳等糟糕的狀態中恢復過來 。這種獨特的訓練方法,被稱為「糾正性示範」 。

SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。 / 圖片來源:shutterstock

這項訓練,讓 SRT-H 學會了一項外科手術中最關鍵的技能:當它發現執行搞砸了,它能即時識別偏差,並發出如「重試抓取」或「向左調整」等「糾正性指令」 。這套內建的錯誤恢復機制至關重要。當研究人員拿掉這個糾正能力後,機器人在遇到困難時,要不是完全失敗,就是陷入無效的重複行為中 。

-----廣告,請繼續往下閱讀-----

正是靠著這種從錯誤中學習、自我修正的能力,SRT-H 最終在八次不同的手術中,達成了 100% 的自主手術成功率 。

SRT-H 證明了機器人開始學會「思考」與「糾錯」。但一個聰明的大腦,足以應付更混亂、更無法預測的真實世界嗎?例如在亞馬遜的倉庫裡,機器人不只需要思考,更需要實際「會做事」。

要能精準地與環境互動,光靠視覺或聽覺是不夠的。為了讓機器人能直接接觸並處理日常生活中各式各樣的物體,它就必須擁有生物般的「觸覺」能力。

解密 Vulcan 如何學會「觸摸」

讓我們把場景切換到亞馬遜的物流中心。過去,這裡的倉儲機器人(如 Kiva 系統)就像放大版的掃地機器人,核心行動邏輯是極力「避免」與周遭環境發生任何物理接觸,只負責搬運整個貨架,再由人類員工挑出包裹。

-----廣告,請繼續往下閱讀-----

但 2025 年5月,亞馬遜展示了他們最新的觸覺機器人 Vulcan。在亞馬遜的物流中心裡,商品被存放在由彈性帶固定的織物儲物格中,而 Vulcan 的任務是必須主動接觸、甚至「撥開」彈性織網,再從堆放雜亂的儲物格中,精準取出單一包裹,且不能造成任何損壞。

2025 年5月,亞馬遜展示了他們最新的觸覺機器人 Vulcan / 圖片引用:https://www.aboutamazon.com/news

Vulcan 的核心突破,就在於它在「拿取」這個動作上,學會了生物般的「觸覺」。它靈活的機械手臂末端工具(EOAT, End-Of-Arm Tool),不僅配備了攝影機,還搭載了能測量六個自由度的力與力矩感測器。六個自由度包含上下、左右、前後的推力,和三個維度的旋轉力矩。這就像你的手指,裡頭分布著非常多的受器,不只能感測壓力、還能感受物體橫向拉扯、運動等感觸。

EOAT 也擁有相同精確的「觸覺」,能夠在用力過大之前即時調整力道。這讓 Vulcan 能感知推動一個枕頭和一個硬紙盒所需的力量不同,從而動態調整行為,避免損壞貨物。

其實,這更接近我們人類與世界互動的真實方式。當你想拿起桌上的一枚硬幣時,你的大腦並不會先計算出精準的空間座標。實際上,你會先把手伸到大概的位置,讓指尖輕觸桌面,再沿著桌面滑動,直到「感覺」到硬幣的邊緣,最後才根據觸覺決定何時彎曲手指、要用多大的力量抓起這枚硬幣。Vulcan 正是在學習這種「視覺+觸覺」的混合策略,先用攝影機判斷大致的空間,再用觸覺回饋完成最後精細的操作。

-----廣告,請繼續往下閱讀-----

靠著這項能力,Vulcan 已經能處理亞馬遜倉庫中約 75% 的品項,並被優先部署來處理最高和最低層的貨架——這些位置是最容易導致人類員工職業傷害的位置。這也讓自動化的意義,從單純的「替代人力」,轉向了更具建設性的「增強人力」。

SRT-H 在手術室中展現了「專家級的腦」,Vulcan 在倉庫中演化出「專家級的手」。但你發現了嗎?它們都還是「專家」,一個只會開刀,一個只會揀貨。雖然這種「專家型」設計能有效規模化、解決痛點並降低成本,但機器人的終極目標,是像人類一樣成為「通才」,讓單一機器人,能在人類環境中執行多種不同任務。

如何教一台機器人「舉一反三」?

你問,機器人能成為像我們一樣的「通才」嗎?過去不行,但現在,這個目標可能很快就會實現了。這正是 NVIDIA 的 GR00T 和 Google DeepMind 的 RT-X 等專案的核心目標。

過去,我們教機器人只會一個指令、一個動作。但現在,科學家們換了一種全新的教學思路:停止教機器人完整的「任務」,而是開始教它們基礎的「技能基元」(skill primitives),這就像是動作的模組。

-----廣告,請繼續往下閱讀-----

例如,有負責走路的「移動」(Locomotion) 基元,和負責抓取的「操作」(Manipulation) 基元。AI 模型會透過強化學習 (Reinforcement Learning) 等方法,學習如何組合這些「技能基元」來達成新目標。

舉個例子,當 AI 接收到「從冰箱拿一罐汽水給我」這個新任務時,它會自動將其拆解為一系列已知技能的組合:首先「移動」到冰箱前、接著「操作」抓住把手、拉開門、掃描罐子、抓住罐子、取出罐子。AI T 正在學會如何將這些單一的技能「融合」在一起。有了這樣的基礎後,就可以開始來大量訓練。

當多重宇宙的機器人合體練功:通用 AI 的誕生

好,既然要學,那就要練習。但這些機器人要去哪裡獲得足夠的練習機會?總不能直接去你家廚房實習吧。答案是:它們在數位世界裡練習。

NVIDIA 的 Isaac Sim 等平台,能創造出照片級真實感、物理上精確的模擬環境,讓 AI 可以在一天之內,進行相當於數千小時的練習,獨自刷副本升級。這種從「模擬到現實」(sim-to-real)的訓練管線,正是讓訓練這些複雜的通用模型變得可行的關鍵。

-----廣告,請繼續往下閱讀-----

DeepMind 的 RT-X 計畫還發現了一個驚人的現象:用來自多種「不同類型」機器人的數據,去訓練一個單一的 AI 模型,會讓這個模型在「所有」機器人上表現得更好。這被稱為「正向轉移」(positive transfer)。當 RT-1-X 模型用混合數據訓練後,它在任何單一機器人上的成功率,比只用該機器人自身數據訓練的模型平均提高了 50%。

這就像是多重宇宙的自己各自練功後,經驗值合併,讓本體瞬間變強了。這意味著 AI 正在學習關於物理、物體特性和任務結構的抽象概念,這些概念獨立於它所控制的特定身體。

AI 正在學習關於物理、物體特性和任務結構的抽象概念,這些概念獨立於它所控制的特定身體。/ 圖片來源:shutterstock

不再是工程師,而是「父母」: AI 的新學習模式

這也導向了一個科幻的未來:或許未來可能存在一個中央「機器人大腦」,它可以下載到各種不同的身體裡,並即時適應新硬體。

這種學習方式,也從根本上改變了我們與機器人的互動模式。我們不再是逐行編寫程式碼的工程師,而是更像透過「示範」與「糾正」來教導孩子的父母。

NVIDIA 的 GR00T 模型,正是透過一個「數據金字塔」來進行訓練的:

  • 金字塔底層: 是大量的人類影片。
  • 金字塔中層: 是海量的模擬數據(即我們提過的「數位世界」練習)。
  • 金字塔頂層: 才是最珍貴、真實的機器人操作數據。

這種模式,大大降低了「教導」機器人新技能的門檻,讓機器人技術變得更容易規模化與客製化。

當機器人不再是「一個」物體,而是「任何」物體?

我們一路看到了機器人如何學會思考、觸摸,甚至舉一反三。但這一切,都建立在一個前提上:它們的物理形態是固定的。

但,如果連這個前提都可以被打破呢?這代表機器人的定義不再是固定的形態,而是可變的功能:它能改變身體來適應任何挑戰,不再是一台單一的機器,而是一個能根據任務隨選變化的物理有機體。

有不少團隊在爭奪這個機器人領域的聖杯,其中瑞士洛桑聯邦理工學院特別具有代表性,該學院的仿生機器人實驗室(Bioinspired Robotics Group, BIRG)2007 年就打造模組化自重構機器人 Roombots。

有不少團隊在爭奪這個機器人領域的聖杯,其中瑞士洛桑聯邦理工學院(EPFL)特別具有代表性。該學院的仿生機器人實驗室(BIRG)在 2007 年就已打造出模組化自重構機器人 Roombots。而 2023 年,來自 EPFL 的另一個實驗室——可重組機器人工程實驗室(RRL),更進一步推出了 Mori3,這是一套把摺紙藝術和電腦圖學巧妙融合的模組化機器人系統。

2023 年來自 EPFL 的另一個實驗室—可重組機器人工程實驗室(RRL)推出了 Mori3 © 2023 Christoph Belke, EPFL RRL

Mori3 的核心,是一個個小小的三角形模組。別看它簡單,每個模組都是一個獨立的機器人,有自己的電源、馬達、感測器和處理器,能獨立行動,也能和其他模組合作。最厲害的是,它的三條邊可以自由伸縮,讓這個小模組本身就具備「變形」能力。

當許多 Mori3 模組連接在一起時,就能像一群活的拼圖一樣,從平面展開,組合成各種三維結構。研究團隊將這種設計稱為「物理多邊形網格化」。在電腦圖學裡,我們熟悉的 3D 模型,其實就是由許多多邊形(通常是三角形)拼湊成的網格。Mori3 的創新之處,就是把這種純粹的數位抽象,真正搬到了現實世界,讓模組們化身成能活動的「實體網格」。

這代表什麼?團隊已經展示了三種能力:

  • 移動:他們用十個模組能組合成一個四足結構,它能從平坦的二維狀態站立起來,並開始行走。這不只是結構變形,而是真正的協調運動。
  • 操縱: 五個模組組合成一條機械臂,撿起物體,甚至透過末端模組的伸縮來擴大工作範圍。
  • 互動: 模組們能形成一個可隨時變形的三維曲面,即時追蹤使用者的手勢,把手的動作轉換成實體表面的起伏,等於做出了一個會「活」的觸控介面。

這些展示,不只是實驗室裡的炫技,而是真實證明了「物理多邊形網格化」的潛力:它不僅能構建靜態的結構,還能創造具備複雜動作的動態系統。而且,同一批模組就能在不同情境下切換角色。

想像一個地震後的救援場景:救援隊帶來的不是一台笨重的挖土機,而是一群這樣的模組。它們首先組合成一條長長的「蛇」形機器人,鑽入瓦礫縫隙;一旦進入開闊地後,再重組成一隻多足的「蜘蛛」,以便在不平的地面上穩定行走;發現受困者時,一部分模組分離出來形成「支架」撐住搖搖欲墜的橫樑,另一部分則組合成「夾爪」遞送飲水。這就是以任務為導向的自我演化。

這項技術的終極願景,正是科幻中的概念:可程式化物質(Programmable Matter),或稱「黏土電子學」(Claytronics)。想像一桶「東西」,你可以命令它變成任何你需要的工具:一支扳手、一張椅子,或是一座臨時的橋樑。

未來,我們只需設計一個通用的、可重構的「系統」,它就能即時創造出任務所需的特定機器人。這將複雜性從實體硬體轉移到了規劃重構的軟體上,是一個從硬體定義的世界,走向軟體定義的物理世界的轉變。

更重要的是,因為模組可以隨意分開與聚集,損壞時也只要替換掉部分零件就好。足以展現出未來機器人的適應性、自我修復與集體行為。當一群模組協作時,它就像一個超個體,如同蟻群築橋。至此,「機器」與「有機體」的定義,也將開始動搖。

從「實體探索」到「數位代理」

我們一路見證了機器人如何從單一的傀儡,演化為學會思考的外科醫生 (SRT-H)、學會觸摸的倉儲專家 (Vulcan)、學會舉一反三的通才 (GR00T),甚至是能自我重構成任何形態的「可程式化物質」(Mori3)。

但隨著機器人技術的飛速發展,一個全新的挑戰也隨之而來:在一個 AI 也能生成影像的時代,我們如何分辨「真實的突破」與「虛假的奇觀」?

舉一個近期的案例:2025 年 2 月,一則影片在網路上流傳,顯示一台人形機器人與兩名人類選手進行羽毛球比賽,並且輕鬆擊敗了人類。我的第一反應是懷疑:這太誇張了,一定是 AI 合成的影片吧?但,該怎麼驗證呢?答案是:用魔法打敗魔法。

在眾多 AI 工具中,Perplexity 特別擅長資料驗證。例如這則羽球影片的內容貼給 Perplexity,它馬上就告訴我:該影片已被查證為數位合成或剪輯。但它並未就此打住,而是進一步提供了「真正」在羽球場上有所突破的機器人—來自瑞士 ETH Zurich 團隊的 ANYmal-D。

接著,選擇「研究模式」,就能深入了解 ANYmal-D 的詳細原理。原來,真正的羽球機器人根本不是「人形」,而是一台具備三自由度關節的「四足」機器人。

如果你想更深入了解,Perplexity 的「實驗室」功能,還能直接生成一份包含圖表、照片與引用來源的完整圖文報告。它不只介紹了 ANYmal-D 在羽球上的應用,更詳細介紹了瑞士聯邦理工學院發展四足機器人的完整歷史:為何選擇四足?如何精進硬體與感測器結構?以及除了運動領域外,四足機器人如何在關鍵的工業領域中真正創造價值。

AI 代理人:數位世界的新物種

從開刀、揀貨、打球,到虛擬練功,這些都是機器人正在學習「幫我們做」的事。但接下來,機器人將獲得更強的「探索」能力,幫我們做那些我們自己做不到的事。

這就像是,傳統網路瀏覽器與 Perplexity 的 Comet 瀏覽器之間的差別。Comet 瀏覽器擁有自主探索跟決策能力,它就像是數位世界裡的機器人,能成為我們的「代理人」(Agent)。

它的核心功能,就是拆解過去需要我們手動完成的多步驟工作流,提供「專業代工」,並直接交付成果。

例如,你可以直接對它說:「閱讀這封會議郵件,檢查我的行事曆跟代辦事項,然後草擬一封回信。」或是直接下達一個複雜的指令:「幫我訂 Blue Origin 的太空旅遊座位,記得要來回票。」

接著,你只要兩手一攤,Perplexity 就會接管你的瀏覽器,分析需求、執行步驟、最後給你結果。你再也不用自己一步步手動搜尋,或是在不同網站上重複操作。

AI 代理人正在幫我們探索險惡的數位網路,而實體機器人,則在幫我們前往真實的物理絕境。

立即點擊專屬連結 https://perplexity.sng.link/A6awk/k74… 試用 Perplexity吧! 現在申辦台灣大哥大月付 599(以上) 方案,還可以獲得 1 年免費 Perplexity Pro plan 喔!(價值 新台幣6,750)

◆Perplexity 使用實驗室功能對 ANYmal-D 與團隊的全面分析 https://drive.google.com/file/d/1NM97…

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
253 篇文章 ・ 322 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia
繁 简