誰是科學記者？他們在哪兒？

本文與 TRPMA 台灣研發型生技新藥發展協會合作，泛科學企劃執行

我們知道癌症是台灣人健康的頭號公敵。 為此，我們花了很多時間介紹最新、最有效的抗癌方法之一：免疫療法。

免疫療法中最重要的技術就是抗體藥物。科學家會人工製造一批抗體去標記癌細胞。它們就像戰場上的偵察無人機，能精準鎖定你體內的敵人——癌細胞，為它們打上標記，然後引導你的免疫系統展開攻擊。

這跟化療、放射線治療那種閉著眼睛拿機槍亂掃不同。免疫療法是重新叫醒你的免疫系統，為身體「上buff (增益) 」來抗癌，副作用較低，因此備受好評。

但尷尬的是，經過幾年的臨床考驗，科學家發現：光靠抗體對抗癌症，竟然已經不夠用了。

事情是這樣的，臨床上醫生與科學家逐漸發現：這個抗體標記，不是容易損壞，就是癌細胞同時設有多個陷阱關卡，只靠叫醒免疫細胞，還是難以發揮戰力。

但好消息是，我們的生技工程也大幅進步了。科學家開始思考：如果這台偵察無人機只有「標記」這一招不夠用，為什麼不幫它升級，讓它多學幾招呢？

這個能讓免疫藥物（偵察無人機）大進化的訓練器，就是今天的主角—融合蛋白（fusion protein）。

融合蛋白是什麼？

免疫療法遇到的問題，我們可以這樣理解：想像你的身體是一座國家，病毒、細菌、腫瘤就是入侵者；而抗體，就是我們派出的「偵察無人機」。

當我們透過注射放出這支無人機群進到體內，它能迅速辨識敵人、緊抓不放，並呼叫其他免疫單位（友軍）一同解決威脅。過去 20 年，最強的偵查機型叫做「單株抗體」。1998年，生技公司基因泰克（Genentech）推出的藥物赫賽汀（Herceptin），就是一款針對 HER2 蛋白的單株抗體，目標是治療乳癌。

這支無人機群為什麼能對抗癌症？這要歸功於它「Y」字形的小小抗體分子，構造看似簡單，卻蘊藏巧思：

• 「Y」 字形上面的兩隻「叉叉」是敵人偵測器，能找到敵人身上的抗原特徵，並黏上去，稱為抗體結合區「Fab 區域」。
  
• 「Y」 字形的「尾巴」就是我們說的「標籤」，它能通知免疫系統啟動攻擊，稱為結晶區域片段「Fc 區域」。具體來說，當免疫細胞在體內巡邏，免疫細胞上的 Fc 受體 (FcR) 會和 Fc區域結合，進而認出病原體或感染細胞，接著展開清除。

更厲害的是，這個 Fc 區域標籤還能加裝不同功能。一般來說，人體內多餘的分子，會被定期清除。例如，細胞內會有溶酶體不斷分解多餘的物質，或是血液經過肝臟時會被代謝、分解。那麼，人造抗體對身體來說，屬於外來的東西，自然也會被清除。

而 Fc區域會與細胞內體上的Fc受體結合，告訴細胞「別分解我」的訊號，阻止溶酶體的作用。又或是單純把標籤做的超大，例如接上一段長長的蛋白質，或是聚乙二醇鏈，讓整個抗體分子的大小，大於腎臟過濾孔的大小，難以被腎臟過濾，進而延長抗體在體內的存活時間。

偵測器（Fab）加上標籤（Fc）的結構，使抗體成為最早、也最成功的「天然設計藥物」。然而，當抗體在臨床上逐漸普及，一個又一個的問題開始浮現。抗體的強項在於「精準鎖定」，但這同時也是它的限制。

第一個問題：抗體只能打「魔王」，無法毀掉「魔窟」。 

抗體一定要有一個明確的「標的物」才能發揮作用。這讓它在針對「腫瘤」或「癌細胞本身」時非常有效，因為敵人身上有明顯標記。但癌細胞的形成與惡化，是細胞在「生長、分裂、死亡、免疫逃脫」這些訊號通路上被長期誤導的結果。抗體雖然勇猛，卻只能針對已經帶有特定分子的癌細胞魔王，無法摧毀那個孕育魔王的系統魔窟。這時，我們真正欠缺的是能「調整」、「模擬」或「干擾」這些錯誤訊號的藥物。

第二個問題：開發產線的限制。

抗體的開發，得經過複雜的細胞培養與純化程序。每次改變結構或目標，幾乎都要重新開發整個系統。這就像你無法要求一台偵測紅外線的無人機，明天立刻改去偵測核輻射。高昂的成本與漫長的開發時間，讓新產線難以靈活創新。

為了讓免疫藥物能走向多功能與容易快速製造、測試的道路，科學家急需一個更工業化的藥物設計方式。雖然我們追求的是工業化的設計，巧合的是，真正的突破靈感，仍然來自大自然。

在自然界中，基因有時會彼此「融合」成全新的組合，讓生物獲得額外功能。例如細菌，它們常仰賴一連串的酶來完成代謝，中間產物要在細胞裡來回傳遞。但後來，其中幾個酶的基因彼此融合，而且不只是基因層級的合併，產出的酶本身也變成同一條長長的蛋白質。

結果，反應效率大幅提升。因為中間產物不必再「跑出去找下一個酶」，而是直接在同一條生產線上完成。對細菌來說，能更快處理養分、用更少能量維持生存，自然形成適應上的優勢，這樣的融合基因也就被演化保留下來。

科學家從中得到關鍵啟發：如果我們也能把兩種有用的蛋白質，「人工融合」在一起，是否就能創造出更強大的新分子？於是，融合蛋白（fusion protein）就出現了。

以假亂真：融合蛋白的HIV反制戰

融合蛋白的概念其實很直覺：把兩種以上、功能不同的蛋白質，用基因工程的方式「接起來」，讓它們成為同一個分子。 

1990 年，融合蛋白 CD4 免疫黏附素（CD4 immunoadhesin）誕生。這項設計，是為了對付令人類聞風喪膽的 HIV 病毒。

我們知道 T 細胞是人體中一種非常重要的白血球。在這些 T 細胞中，大約有六到七成表面帶有一個叫做「CD4」的輔助受體。CD4 會和另一個受體 TCR 一起合作，幫助 T 細胞辨識其他細胞表面的抗原片段，等於是 T 細胞用來辨認壞人的「探測器」。表面擁有 CD4 受體的淋巴球，就稱為 CD4 淋巴球。

麻煩的來了。 HIV 病毒反將一軍，竟然把 T 細胞的 CD4 探測器，當成了自己辨識獵物的「標記」。沒錯，對 HIV 病毒來說，免疫細胞就是它的獵物。HIV 的表面有一種叫做 gp120 的蛋白，會主動去抓住 T 細胞上的 CD4 受體。

一旦成功結合，就會啟動一連串反應，讓病毒外殼與細胞膜融合。HIV 進入細胞內後會不斷複製並破壞免疫細胞，導致免疫系統逐漸崩潰。

為了逆轉這場悲劇，融合蛋白 CD4 免疫黏附素登場了。它的結構跟抗體類似，由由兩個不同段落所組成：一端是 CD4 假受體，另一端則是剛才提到、抗體上常見的 Fc 區域。當 CD4 免疫黏附素進入體內，它表面的 CD4 假受體會主動和 HIV 的 gp120 結合。

厲害了吧。 病毒以為自己抓到了目標細胞，其實只是被騙去抓了一個假的 CD4。這樣 gp120 抓不到 CD4 淋巴球上的真 CD4，自然就無法傷害身體。

而另一端的 Fc 區域則有兩個重要作用：一是延長融合蛋白在體內的存活時間；二是理論上能掛上「這裡有敵人！」的標籤，這種機制稱為抗體依賴性細胞毒殺（ADCC）或免疫吞噬作用（ADCP）。當免疫細胞的 Fc 受體與 Fc 區域結合，就能促使免疫細胞清除被黏住的病毒顆粒。

不過，這裡有個關鍵細節。

在實際設計中，CD4免疫黏附素的 Fc 片段通常會關閉「吸引免疫細胞」的這個技能。原因是：HIV 專門攻擊的就是免疫細胞本身，許多病毒甚至已經藏在 CD4 細胞裡。若 Fc 區域過於活躍，反而可能引發強烈的發炎反應，甚至讓免疫系統錯把帶有病毒碎片的健康細胞也一併攻擊，這樣副作用太大。因此，CD4 免疫黏附素的 Fc 區域會加入特定突變，讓它只保留延長藥物壽命的功能，而不會與淋巴球的 Fc 受體結合，以避免誘發免疫反應。

從 DNA 藍圖到生物積木：融合蛋白的設計巧思

融合蛋白雖然潛力強大，但要製造出來可一點都不簡單。它並不是用膠水把兩段蛋白質黏在一起就好。「融合」這件事，得從最根本的設計圖，也就是 DNA 序列就開始規劃。

我們體內的大部分蛋白質，都是細胞照著 DNA 上的指令一步步合成的。所以，如果科學家想把蛋白 A 和蛋白 B 接在一起，就得先把這兩段基因找出來，然後再「拼」成一段新的 DNA。

不過，如果你只是單純把兩段基因硬接起來，那失敗就是必然的。因為兩個蛋白會互相「打架」，導致摺疊錯亂、功能全毀。

這時就需要一個小幫手：連接子（linker）。它的作用就像中間的彈性膠帶，讓兩邊的蛋白質能自由轉動、互不干擾。最常見的設計，是用多個甘胺酸（G）和絲胺酸（S）組成的柔性小蛋白鏈。

設計好這段 DNA 之後，就能把它放進細胞裡，讓細胞幫忙「代工」製造出這個融合蛋白。接著，科學家會用層析、電泳等方法把它純化出來，再一一檢查它有沒有摺疊正確、功能是否完整。

如果一切順利，這個人工設計的融合分子，就能像自然界的蛋白一樣穩定運作，一個全新的「人造分子兵器」就此誕生。

CD4免疫黏附素問世之後，融合蛋白逐漸成為生物製藥的重要平台之一。而且現在的融合蛋白，早就不只是「假受體＋Fc 區域」這麼單純。它已經跳脫模仿抗體，成為真正能自由組裝、自由設計的生物積木。

融合蛋白的強項，就在於它能「自由組裝」。

以抗體為骨架，科學家可以接上任何想要的功能模組，創造出全新的藥物型態。一般的抗體只能「抓」（標記特定靶點）；但融合蛋白不只會抓，還能「阻斷」、「傳遞」、甚至「調控」訊號。在功能模組的加持下，它在藥物設計上，幾乎像是一個分子級的鋼鐵蜘蛛人裝甲。

一般來說，當我們選擇使用融合蛋白時，通常會期待它能發揮幾種關鍵效果：

1. 療效協同： 一款藥上面就能同時針對多個靶點作用，有機會提升治療反應率與持續時間，達到「一藥多效」的臨床價值。
2. 減少用藥： 原本需要兩到三種單株抗體聯合使用的療法，也許只要一種融合蛋白就能搞定。這不僅能減少給藥次數，對病人來說，也有機會因為用藥減少而降低治療成本。
3. 降低毒性風險： 經過良好設計的融合蛋白，可以做到更精準的「局部活化」，讓藥物只在目標區域發揮作用，減少副作用。

到目前為止，我們了解了融合蛋白是如何製造的，也知道它的潛力有多大。

那麼，目前實際成效到底如何呢？

一箭雙鵰：拆解癌細胞的「偽裝」與「內奸」

2016 年，德國默克（Merck KGaA）展開了一項全新的臨床試驗。 主角是一款突破性的雙功能融合蛋白──Bintrafusp Alfa。這款藥物的厲害之處在於，它能同時封鎖 PD-L1 和 TGF-β 兩條免疫抑制路徑。等於一邊拆掉癌細胞的偽裝，一邊解除它的防護罩。

PD-L1，我們或許不陌生，它就像是癌細胞身上的「偽裝良民證」。當 PD-L1 和免疫細胞上的 PD-1 受體結合時，就會讓免疫系統誤以為「這細胞是自己人」，於是放過它。我們的策略，就是用一個抗體或抗體樣蛋白黏上去，把這張「偽裝良民證」封住，讓免疫系統能重新啟動。

但光拆掉偽裝還不夠，因為癌細胞還有另一位強大的盟友—一個起初是我軍，後來卻被癌細胞收買、滲透的「內奸」。它就是，轉化生長因子-β，縮寫 TGF-β。

先說清楚，TGF-β 原本是體內的秩序管理者，掌管著細胞的生長、分化、凋亡，還負責調節免疫反應。在正常細胞或癌症早期，它會和細胞表面的 TGFBR2 受體結合，啟動一連串訊號，抑制細胞分裂、減緩腫瘤生長。

但當癌症發展到後期，TGF-β 跟 TGFBR2 受體之間的合作開始出問題。癌細胞表面的 TGFBR2 受體可能突變或消失，導致 TGF-β 不但失去了原本的抑制作用，反而轉向幫癌細胞做事。

它會讓細胞骨架（actin cytoskeleton）重新排列，讓細胞變長、變軟、更有彈性，還能長出像觸手的「偽足」（lamellipodia、filopodia），一步步往外移動、鑽進組織，甚至進入血管、展開全身轉移。

更糟的是，這時「黑化」的 TGF-β 還會壓抑免疫系統，讓 T 細胞和自然殺手細胞變得不再有攻擊力，同時刺激新血管生成，幫腫瘤打通營養補給線。

為了對抗這個內奸，默克在 Bintrafusp Alfa 的結構裡，加上了一個「TGF-β 陷阱（trap）」。就像 1989 年的 CD4 免疫黏附素用「假受體」去騙 HIV 一樣，這個融合蛋白在體內循環時，會用它身上的「陷阱」去捕捉並中和游離的 TGF-β。這讓 TGF-β 無法再跟腫瘤細胞或免疫細胞表面的天然受體結合，從而鬆開了那副壓抑免疫系統的腳鐐。

告別單一解方：融合蛋白的「全方位圍剿」戰

但，故事還沒完。我們之前提過，癌細胞之所以難纏，在於它會發展出各種「免疫逃脫」策略。

而近年我們發現，癌細胞的「偽良民證」至少就有兩張：一張是 PD-L1；另一張是 CD-47。CD47 是癌細胞向巨噬細胞展示的「別吃我」訊號，當它與免疫細胞上的 SIRPα 結合時，就會抑制吞噬反應。

為此，總部位於台北的漢康生技，決定打造能同時對付 PD-L1、CD-47，乃至 TGF-β 的三功能生物藥 HCB301。

雖然三功能融合蛋白聽起來只是「再接一段蛋白」而已，但實際上極不簡單。截至目前，全球都還沒有任何三功能抗體或融合蛋白批准上市，在臨床階段的生物候選藥，也只佔了整個生物藥市場的 1.6%。

漢康生技透過自己開發的 FBDB 平台技術，製作出了三功能的生物藥 HCB301，目前第一期臨床試驗已經在美國、中國批准執行。

免疫療法絕對是幫我們突破癌症的關鍵。但我們也知道癌症非常頑強，還有好幾道關卡我們無法攻克。既然單株抗體在戰場上顯得單薄，我們就透過融合蛋白，創造出擁有多種功能模組的「升級版無人機」。

融合蛋白強的不是個別的偵查或阻敵能力，而是一組可以「客製化組裝」的平台，用以應付癌細胞所有的逃脫策略。

Catch Me If You Can？融合蛋白的回答是：「We Can.」

未來癌症的治療戰場，也將從尋找「唯一解」，轉變成如何「全方位圍剿」癌細胞，避免任何的逃脫。

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。

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？

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」 。

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 。

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。

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。

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。

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。

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。

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。

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。

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…

• 作者／新興科技媒體中心博士後研究員 陳璽尹
• 本文轉載自新興科技媒體中心《英國研究如何成為報紙頭條（終篇）走在科學與新聞交集的路上》

這一系列的文章，介紹了 2002 年橫空出世的英國科學媒體中心（Science Media Centre，以下簡稱英國 SMC）和靈魂人物費歐娜．福克斯（Fiona Fox），以及幾場在英國當地發酵的科學爭議事件，像是基因改造作物是否致癌、麻疹腮腺炎德國麻疹混合疫苗（MMR）是否導致自閉症，以及人類活動是否是造成全球暖化主因等科學爭論。這些爭論的影響力甚至擴散至世界各地，佔據媒體版面。英國科學媒體中心當時成立的要務之一，就是協助媒體以更正確的方式陳述科學、寫出報導；也鼓勵科學家，即時發言要比默不作聲，更能影響媒體解讀科學、使用科學，和大眾理解科學的方式。

科學報導看似需要融合兩種天差地別的學門：科學與新聞，而這兩種訓練的過程與目的，其實粗略看來也不盡相同。所謂科學訓練的過程，是不斷定義問題、尋找解答，用特定的方法來做系統性的研究 ，目的是運用觀察與實驗，來描述世界。而新聞訓練的目的，則是使用清楚的敘事提供讀者需要的資訊，讓他們能夠為生活、為社會，甚至為國家做決定。

坦白說，科學不一定需要報導，而報導也不一定需要科學。擁有科學記者這一門專業的人，似乎是記者路線中為數最少的。然而回顧歷史，科學記者實已存在超過一個世紀。20 世紀初期，科學快速進展，為了要報導日新月異、改變世界的新科技給大眾，科學記者應運而生。那個年代，因為世界大戰而發展的國防科技、第一次核彈試爆，乃至於桃莉複製羊這種顛覆人們對世界認知的科學突破，都在科學記者的報導下，為大眾知曉。那時候，科學開始向前飛躍，記者跟上腳步。除了轉譯科學，科學記者當時的功能，就如喬治．威廉．格雷（George W. Gray）所說，是「推廣科學」給讀者，讓「科學方法成為民眾教育不可或缺的一部分，使它變成公民思考的普及要素」。¹這個時期科學記者的任務，是報導石破天驚的最新科技，除了報導戰爭演進，更是展示科技同時宣揚國力。

然而，這一百年來，科學記者的任務和定位也隨著時間轉變。2013 年，倫敦政治經濟學院（London School of Economics and Political Science）發表的全球調查指出²，科學記者大多認為，好的科學記者應該是「訓練良好並報導事實，獨立且中立的」；這份調查在 2009 到 2012 年收集 953 位科學記者的意見，發現科學記者大多受過專業記者訓練，而且，是不是擁有科學背景並非評斷好壞的依據，重要的是他們的報導能不能轉譯複雜的概念給大眾，使大眾理解科學。現在的科學報導，不如戰時為國家服務，也不如電視、電話、清潔劑等新發明出現時為產業服務，甚至不為了宣揚科學如何改變世界，科學新聞不再只是傳遞訊息、建立形象，而是更積極創造不同利害關係人的對話場域。³

若要回顧科學報導目的何時開始質變，很可能是 1962 年《寂靜的春天》（Silent Spring）出版，作者海洋生物學家瑞秋．卡森（Rachel Carson），描述了因為大量使用殺蟲劑而嚴重失衡的生態環境，啟發了一批新的科學記者；他們專注在環境場域，關心社會進步對環境的破壞，而這之中，回顧科學發明的負面效應必不可免。21 世紀的現在，更能看到這一質變的延續：2013 年那份科學記者調查中發現，處理「科學、科技和環境」議題的科學記者佔了最多數，其次的「農業、能源與氣候變遷」也在相同的脈絡下，發展出來。

科學記者的自我認同隨著不同的時空環境而改變，科學報導不再是科學的代言人，多了更多與社會溝通的角色。但是科學報導的難度卻沒有隨著時間而降低，大環境像是科學分科更細、新聞速度愈快的趨勢，後進者幾乎無跡可尋前者腳步，要成功產出質量俱佳的科學報導是難上加難。而科學報導若只關注科學的負面效應、想挖出科學界的失誤、執著在失衡的平衡報導，卻無法真實捕捉複雜艱深的科學事實，也只會更加深科學與報導的鴻溝。

科學報導可列出四項難題：

• 第一，科學領域廣博，內行知識艱深，若不是長期浸淫在這個領域的人，很難在短時間內摸清楚概況。
• 第二，科學家通常不是好的發言人。科學語言和大眾語言大不相同，長期接受科學訓練的科學家因為深入鑽研特定的領域，容易與大眾語言脫節，不是說科學家不善溝通，更精確來說，是不善在特定領域之外的場域溝通。科學家關心的是行內各種突破、發現與進展，但大眾關心的是，這樣的科學突破對我的生活乃至於對社會，有什麼意義？
• 第三，科學具備不確定性。科學家與記者或大眾所認知的科學不確定性可能不同，前者認為不確定性恆常存在，只要實驗得宜，確認解讀數據的邊界，那就不是大問題；但後者卻可能將科學不確定性理解為科學界沒有共識，認為科學只要具備不確定性，就降低了可信度。以至於，科學家可能更不願意談論科學的不確定性，或也不知道如何談才不致被誤會，使得記者或讀者愈無從理解科學能解釋與不能解釋的範圍。
• 第四，當科學事件的份量滿足了登上報紙頭條的要件，記者要如何才能在最短的時間內摸清科學議題，又找到專家回應？

英國科學媒體中心，當初就是希望能解決這些難題而成立。英國 SMC 舉辦的背景說明會（background briefing），邀請科學家簡要卻深入點出科學議題的脈絡，讓記者在著手準備科學報導時，有明確的方向與背景知識。英國 SMC 也為科學家籌備媒體課程、受訪指引手冊，精進科學家與行外人的溝通技術，讓科學家理解媒體的運作與需求，不致讓科學家受訪時花了很多力氣準備的資料，卻根本無法為媒體所用。英國 SMC 希望所有科學家受訪時都能對科學不確定性侃侃而談，所有科學研究都一定有它的限制，包括了單一研究方法的侷限，與研究結果能推論的範圍。「只有當大眾相信科學家會說實話，會承認錯誤，也對科學不確定性保持開放的態度，」福克斯說，「我們才有可能以科學贏得論戰。」⁴當他們認為科學事件可能變成頭條新聞，英國 SMC 便即時召開記者會，第一時間找到首屈一指的科學家發言，望能有效緩解記者面對科學頭條事件的焦慮。

十八年來，英國 SMC 所累積的成果結實纍纍，某個程度來說，在永遠填不滿的網路新聞世界裡，英國 SMC 的存在稍微減少了專業科學記者的工作負荷，讓他們持續產出質量均衡的科學新聞。但是英國 SMC 也因為積極站在科學事件的前沿，被攻擊是跨國大企業的打手（如，基改事件裡的孟山都），被抨擊是危言聳聽的氣候變遷論者（climate alarmists），甚至被認為是科學機構的公關部門。對於這些指控，福克斯在〈麻煩的真相〉（Inconvenient Truths）⁵中說道，「我常常問自己，如果當時那篇直指基改作物會致癌的論文是篇好研究，現在的情況又會是如何呢？」對福克斯來說，英國 SMC 在這些議題上並非立場先擇，只是這些研究的結果剛好都指向了一致的方向，「如果有好的科學研究提出了相反的證據，我們會毫不遲疑發布出去。」

英國 SMC 的積極行動，讓他們樹立的敵人比交到的朋友多。雖然不至於毀譽參半，但在科學與新聞中間，英國 SMC 的確撐起了有效的溝通平台，讓科學家發言，為科學記者釋疑。然而，英國 SMC 的「成功模式」到底能不能為其他國家複製？英國成立 SMC 的時空背景，有英國皇家科學院的背書，和世界頂尖科學家的支持，那時的媒體環境還是紙本報紙為主，留有百年前就存在的科學記者專業，而英國民情對於非政府組織和各種慈善研究機構的捐款，也因為歷史因素而相對流通與開放。⁶這十幾年間，世界已漸漸長成了全然不同的樣貌。網路時代的人們對資訊上癮的程度只增不減，除了網路新聞逐漸取代紙本，各種串流平台興起，假新聞與謠言侵門踏戶成了新時代的日常風景。科學論文的產量爆炸，相較於二戰後科學論文的產量以 2% 至 3% 的速度成長，到 2010 年為止的估算，成長幅度約在 8% 至 9% 之間⁷，這不僅是資訊超載的時代，媒體環境和科學界的變化，在在都顯示了科學記者的生存條件只是愈趨艱困。

英國 SMC 要怎麼應對這些新的挑戰，也許就如同福克斯最新寫完成的文章⁸，文中談的是面對新冠肺炎的心態，但是以此總結英國 SMC 一直以來坦白而無畏的作為，或也饒富詩意。她說，「當我們還有這麼多事情需要學習，我認為最適合為公眾服務的方式，是承認我們所有人（在應對這個病毒時）所面臨到的，是獨特且空前的挑戰，也承認我們需要去了解這個不斷變化的情勢所存在的複雜性。」也唯有這般為未知保留開放與接受的心胸，才能繼續走在科學與新聞交集的路上。

註釋及參考文獻

1. Rensberger, B. (2009). “Science journalism: Too close for comfort.”Nature, 459(7250), 1055-1056.
2. Bauer, Martin W. and Howard, Susan and Romo Ramos, Yulye Jessica and Massarani, Luisa and Amorim, Luis (2013). Global science journalism report: working conditions & practices, professional ethos and future expectations. Our learning series, Science and Development Network, London, UK. ISBN 9781909528024.
3. Nisbet, M. C. (2009). “The ethics of framing science.”In Elliott, R. (eds.), Communicating biological sciences: Ethical and metaphorical dimensions, 51-73. London: Routledge.
4. Science Media Centre (2017). “Inconvenient truths.” Retrieval Date:2020/05/27
5. 同註4
6. Science Media Centre (2002).“Funding.”Retrieval Date:2020/05/27 編註：英國 SMC 收取捐款的原則在成立時已建立規範，每年都會更新發布外界捐款的情況。
7. Bornmann, L., & Mutz, R. (2015).“Growth rates of modern science: A bibliometric analysis based on the number of publications and cited references. ” Journal of the Association for Information Science and Technology, 66(11), 2215-2222.
8. Fiona Fox. (2020).“Does COVID-19 need a different kind of journalism?”Retrieval Date:2020/05/27

我們需要知道有關發展中世界科學記者的更多的信息，以及他們需要什麼來提高自己的技能。

發展中國家報導科學的記者們是誰？他們有多少人，在哪些國家工作？他們是全職工作還是作為自由撰稿人？

他們大部分人是青年人還是年長的專業人士？他們中間男性和女性的數量哪個更多？他們對科學新聞的觀點是什麼？

事實在於，我們不知道。有一些研究調查了科學記者，但是僅僅限於發達國家。缺少了全球信息，致力於加強發展中國家科學新聞的項目就缺少了關於它們能在何處如何形成最大的影響力的指南。

如今，正在進行一個幫助解答這些問題的全球調查。該調查的第一階段是由英國倫敦經濟政治學院（LSE）的Martin Bauer 和Susan Howard兩年前在倫敦舉行的世界科學記者大會（WCSJ）上進行的。[1]

今年6月在卡塔爾舉行的世界科學記者大會上，我公佈了來自該項目把重點放在拉丁美洲的一部分的初步結果，這部分研究是與伊比利亞美洲科學新聞監測與培訓網絡（該網絡覆蓋了該地區的10個國家）合作進行的。

來自179位受訪者的結果提供了拉丁美洲科學新聞的首個圖景。

模式與拼板

調查結果發現，該地區工作的科學記者多數是女性（60%），年齡在40歲以下（60%），而且有全職工作（60%）。大多數受訪者說他們所服務的是報紙、雜誌和互聯網——最有可能報導科學的媒介。

這是否意味著廣播電視對科學的報導不多？這可能意味著機遇失去了——這些大眾媒體可能在讓發展中國家更容易獲取科學方面起到關鍵的作用，因為即便是窮人家庭也有電視機和收音機。

把地區圖景拼合起來就像一個拼板遊戲。研究顯示在一些國家（如巴西），科學已經上了每天覆蓋2500萬人的主流電視媒體的日程。科學還為肥皂劇提供了靈感，如巴西拍攝的’The Clone’。在其他一些國家（如厄瓜多爾），電視新聞中的科學出現的較少。

而且其中一些答案帶來了更多的問題。例如，大多數參加過這次調查的拉丁美洲記者在這個領域工作的時間不到10年。這是否意味著其他人在一段時間之後放棄了他們的科學記者職業？或者只是因為該地區的科學新聞只是在近年來才繁榮起來？

愛好比批評更多

對於拉丁美洲的科學記者，科學新聞的作用是向人們提供關於科學的信息並且翻譯複雜的信息。只有少數被調查者（3%）說科學記者應該提供一個更批判性的視角。

這個數字如此之低的一個解釋是，拉丁美洲的科學傳播起源於科學界。

例如，在20世紀20年代，巴西科學院的成員建立了首個專門從事教育和科學傳播的廣播電台Rádio Sociedade。幾年後，科學家和記者的一個合作帶來了Folha da Manhã報的一個每月12頁的增刊Ciencia para todos（大眾科學），從1948年出版到了1953年。

另一個解釋是拉丁美洲的科學記者是如此熱愛科學，以至於他們喜歡談論它的重要性而放棄了批判性。這與英國形成了對比，在英國，許多科學記者擁有一個更新聞學的傳統，讓你去質疑你聽到的任何事情，而不僅僅是複述它。

一個特別的擔憂是，科學記者缺乏關於他們的報導的定期反饋機制從而幫助理解他們的讀者。我們需要更多地瞭解我們的讀者以及什麼樣的媒介和方法最適合他們。

來自這個調查的另一個發現是，拉丁美洲的科學記者說他們喜歡自己的職業，而且願意向別人推薦科學新聞這個職業。這很有趣，因為Martin Bauer說，該調查的起始點是英國和美國的科學記者感到科學新聞正在面臨一場危機。

更好的實踐的證據

但是這個對拉丁美洲的調查只是朝著解決更大的拼圖——也就是理解全部發展中國家的科學新聞——的第一步。還有許多其他問題。

在北京、開羅、新德里或里約熱內盧擔任科學記者的差別有多少？當地環境對他們如何工作或者報導了多少當地的科學有顯著影響嗎？

科學新聞也確實在一些國家繁榮發展，儘管這缺乏統計數據。但是更多地瞭解全世界誰在報導科學可以支持改善我們的新聞業的舉措——例如，收集它的益處的證據，這可能有助於為更多的培訓籌集資金。

在發展中國家，已經採取了許多措施為科學記者提供更多的培訓，在這些地區，常常難以獲得這類機會。例如，科學與發展網絡（SciDev.Net）已經在非洲、亞洲和拉丁美洲舉辦了研修班——拉丁美洲國家的培訓班吸引了數以百計的記者和科學家。

科學與發展網絡還發表了許多實踐指南，包括如何改善報導各個科學領域的技能的提示，而世界科學記者聯合會正在建立一個讓資深記者作為導師指導年輕記者的配對系統。

更好地理解科學新聞將幫助媒體機構設計出強化它們最需要的技能的活動。來自這個正在進行的全世界範圍的調查的迄今為止的證據是一個開始，但是仍然有很長的路要走。這是一個正在繪製中的地圖。

Luisa Massarani
科學與發展網絡拉丁美洲與加勒比地區協調員