登上醫療雲的第一步，讓醫療器材無線同步不受拘束！

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…

本篇文章由 聯發科技創意實驗室 （MediaTek Labs） 贊助，泛科學策畫執行。

2015年是無人機蓬勃發展的一年，同時也是各種無人機自殺攻擊事件頻傳的一年，如果有個恐怖組織名稱叫做「無人機」，ISIS大概可以收一收了，因為無人機的戰力實在太強大啦！這一年來無人機陸續攻擊了台北 101、美國白宮、日本首相官邸與世界文化遺產姬路城，並且差點擊中正在參加高山滑雪世界盃競賽的選手，這一連串的意外凸顯出無人機的安全問題，目前世界各國與企業都在從技術與法規面著手，確保未來世界可以享受無人機帶來的便利，又不會三不五時就被暴走的無人機攻擊。

在 2015年的世界通訊大賽物聯網及穿戴式組的冠軍，正是由來自南台灣的學生團隊所研發出的無人機飛行安全監控平台，這支名為 Sky Sentry的團隊，年紀雖然不輕，但是創意完全不輸年輕人，加上多年的實戰經驗，開發出來這套平台，獲得評審們的一致好評，而開發的靈感其實是來自於團員的切身之痛。

LinkitOne開發板威力無窮

目前就讀南台科技大學電子工程系博士班的蔡博智，最近幾年開始接觸無人機，但是已經走失了兩台；他的朋友更慘，買了一台 36,000元的無人機後，第一次升空拍了一張照片，就再也不見蹤影。

「問題出在連線的方式，無人機與控制器之間的連線就像紅外線或 Wi-Fi，以點對點的方式連接，一旦飛行超過連線距離，或是被建築物干擾訊號，無人機就會開始迷航。」蔡博智說，在都市裡面更容易因為玻璃帷幕的反射，造成訊號混亂而失控。

團隊想出來的解決方法就是，讓無人機擁有跟手機一樣的訊號，透過 GPRS或 3G連線接上 Internet，即使短暫失聯，只要附近有基地台就可以恢復連線，找到回家的路，從這個概念出發，他們開始著手設計這個飛行監控平台。

實際製作時，他們在硬體設計上，先比較了 Arduino和 LinktOne兩塊開發板。而 LinkitOne的強項在於內建了完整功能，不僅有 GPRS連線功能，還有 GPS、藍牙與 micro-SD卡，只要在無人機上加裝這塊板子，與飛行控制系統結合，就可以大幅強化無人機的通訊能力，如果失蹤墜落，還可以透過藍牙訊號搜救，micro-SD卡還能儲存飛行紀錄，就像是大型飛機的黑盒子一樣，可以判斷飛行過程中發生了什麼問題來進行調整。

「實際操作上，LinkitOne還有兩個巨大的優勢，便宜跟重量較輕。」蔡博智說，無人機體積小、重量輕，對於重量必須斤斤計較，要加裝在上面的開發板必須要夠輕巧；而 LinkitOne的價格也許比陽春版的 Arduino開發板貴，但是 Arduino要加裝各種元件才能達到 LinkitOne的功能，價格卻遠遠超過 LinkitOne，這樣一比 LinkitOne的 CP其實蠻高的。

飛行監控平台：後台雲端運算＋資料庫

帶領團隊的李志清老師任教於南台科大電子工程系，這次他將自己在航太技術及系統整合十多年的經驗，結合即時監控及無人機通訊與控制技術，與學生們合作開發，完成了這套國內首創的無人機飛行安全監控平台。

這一套飛行監控平台除了透過 LinkitOne來溝通、控制無人機之外，更關鍵的是後台的運算與資料庫系統。這套平台主要有三個重點功能，首先是透過系統設定座標，將某些區域設定為禁航區，無人機便不能在區域內起飛或飛進此區域，以此避免撞建築物或飛進人群密集處造成安全隱憂。台灣政府若採用這套系統來管控全台的無人機，只要將機場、軍事禁區、建物密集區等高敏感地帶設定為禁航區，內建在雲端資料庫裡，只要無人機連上這個資料庫便能辨識出禁航區的位置，就可以輕鬆減少誤闖禁區的意外。

第二，設置電子圍籬，限定無人機只能在某一個範圍內飛行，一旦飛出這個範圍，就會強制返航，如此便能解決迷航亂飛的問題。電子圍籬非常適合新手們試飛，也很適合開發者實驗新機器，只要碰觸到電子圍籬的訊號範圍，無人機就會收到返航訊號，接著拉升高度後，返航並自動降落到指定的位置。

第三，萬一無人機迷航或墜落在視線外，也可以透過這個平台尋找，只要透過 LinkitOne上的 GPS、GPRS和藍芽訊號，就能夠幫助使用者找回無人機。LinkitOne內建的 GPRS可以直接連網回報位置，若是掉落在沒有基地台的地方，也可以透過藍牙訊號（除非像電影一樣，在墜落時就把所有通訊功能都摔壞）慢慢逼近位置，縮小搜索範圍。

雖然整個監控平台是基於 LinkitOne開發板的功能來設計，不過未來，即使無人機上沒有安裝 LinkiOne開發板，團隊也將 API完全開放，無人機使用者、開發商或玩家，都可以自行運用，讓自己的無人機（必須具備連接 internet功能）也能配合這個雲端判別系統與資料庫，來確保安全。團隊也有提供包套式的服務，協助安裝 LinkitOne開發板，讓幾乎所有的無人機都可以使用這套系統。

「我們準備好了！」

目前世界各國都在摸索一套無人機的監控方案，希望在開放與安全間取得平衡。美國 FAA去年中推出了一套法案，針對無人機的飛行高度、速度與重量都設定限制，操作者必須年滿 17歲，且只能在白天於可目視範圍內操作。台灣也正在修訂《民用航空法》，設下種種限制，包括：必須以目視方式操作且高度不得超過 400呎（約 40層樓高），須在白天操作，不得在禁航區、限航區及航空站與飛行場四周作業，且不得在露天集會遊行人群上空（商用無人機的專業空拍，可以提出申請即可在夜間、露天集會人群上空拍攝）。

然而這些規定如何落實執行？日本去年推出無人機獵捕系統，由一組攜帶網子的無人機，在空中搜捕違規飛行的無人機，這樣的作法顯然只能應急，而且聽起來非常不高科技。

從訊號端進行控制，讓無人機都能乖巧聽話才是真正治本之道。無人機大廠 DJI大疆已經陸續推出一系列的安全措施，來回應這些需求，不過台灣團隊的成果，顯然是最超值又能達成目標的極佳選擇。

「這套系統能得獎的一大原因是，我們已經完全 ready了。」蔡博智說，現在整套系統的功能已經完備，只差使用者介面與網頁的優化，只要未來無人機管制法案通過後，無人機將會需要登記註冊才能起飛，登記時，可能就必須要包含這套飛安平台的註冊證明，因此無人機的市場有多大，這套系統的商機就有多大。

只要觀察現在全世界最值錢的企業——Apple、Google、Facebook、阿里巴巴等，就可以發現這企業有個重要的共通點，就是網路。無論提供的服務是Ｏ2Ｏ、M2M、行動電商還是雲端，所仰賴的基礎建設都是「物聯網（Internet of Thing, IoT）」，有了物聯網的平台，企業才能收集、處理資料並且形成獨特的商業模式。另一個有趣的例子是異軍突起的Netflix，「Netflix取代了百視達，但不只讓大家在網路上租影片看，它真正開風氣之先且因此賺錢的，是做出『看這部影片的人也看這些影片』這項服務。現在看主動推薦相關產品的功能已經司空見慣，但當初Netflix實現這個想法時發現，他們有75%的生意是來自這個新功能！」李世光老師覺得厲害。

新能源加通訊，尬出工業革命

「大家都在找新的應用和商業模式，像是小米跟江蕙演唱會成功的飢餓行銷，IoT就是其中重要的平台。」物聯網不僅是人類所使用工具的進步，《物聯網革命》這本書甚至大膽預測，物聯網將會造成下一次的工業革命，因為我們回頭分析人類歷史，可以發現每一次工業革命都是能源與通訊科技創新的結果，而物聯網也有這樣的特性。

第一次工業革命是因為瓦特（James Watt）改良了蒸汽機，由煤炭為動力所驅動的現代蒸汽機取代了水力/風力，大大提升了棉花等產業的生產力，蒸汽印刷機和蒸汽火車增加資訊產生的速度和傳播的距離，也成為一個全新的通訊/能源組合，由於業務高度倚重印刷跟鐵道，所以當時新的商業模式一定出現在運輸、資訊、能源的中心地段，「其實鐵道就是平台，報紙加速生產就像是網路頻寬增加，這個角度的想法還真有意思！」

從19世紀末期開始，電話和石油驅動的能源成為全新的通訊/能源組合，提供第二次工業革命的通用巨型平台。電話讓通訊更加便利，家家戶戶裝有電話後，通訊的節點從火車站變成家庭；石油與電這兩種能源的生產需要很耗費高昂成本，此時的新興交通工具——汽車及相關的公路建設也需要巨大的資源，這樣的特性都進一步造就更強大的中央集權化經營模式。

過去數十年間，網際網路迅速改變了資訊產生與流通的方法，科學家也積極地開發新型能源和再生能源，由於社群網路的成型、雲端運算的快速發展、數位技術的演進（如3D列印）以及對巨量資料的重視與需求增加，因而興起了最新的通訊/能源組合式基礎架構（如物聯網），在這個架構下，資訊及能源不再以中央集權的方式生產，反而將以「智慧」為概念，經由共享、橫向網路整合推動新的經濟體系。

台灣湖泊中的物聯網，超科學的～

台灣是座科技島，也是擁有高度生物多樣性的美麗島，雖然有豐富的生態卻缺乏天然能源，偏重軟體的物聯網等科技產業最適合台灣發展。但是今天我們不談物聯網相關產業如何在台灣起飛，而是回顧物聯網以前如何幫助科學家發現台灣高山湖泊新陳代謝的秘密！湖泊代謝，也就是湖泊中光合作用和呼吸作用過程中物質、能量、養分間的動態平衡關係，會受到「翻騰作用」的影響，李老師強調：「如果這樣的結構不夠完整，美麗的湖泊就會變成臭水溝。」

典型溫帶湖泊發生的翻騰效應主要受到季節影響，春季時湖泊在湖面風的吹拂下，上層含氧高的水會往下流，底層富含營養物的水也會翻到上層。但到了夏天，上層的水受到太陽加熱升溫而滯留在表層，整個湖水因溫度和密度而分層無法垂直流動；秋天氣溫下降後，上層水升溫而下沉，形成垂直的水流而產生秋季翻騰作用；冬季時湖面結冰，冰層抵禦了風的作用，湖水是一片平靜。湖泊翻騰時補充了底層水的含氧量，同時也為上層水注入新的營養鹽，因此通常湖泊在翻騰後會有較高的初級生產力。位於熱帶的高海拔湖泊有劇烈的日夜溫差，每天至少可以加熱、分層一次，例如東非的坦噶尼喀湖（Lake Tanganyika），在如此頻繁的翻騰作用下成為非常豐富的漁場。

那麼台灣的湖泊呢？「台灣有很大的海拔範圍，我們不完全處於熱帶，但我們的漂亮程度跟多元程度卻跟熱帶有得比，為什麼呢？這個不正常～」李老師笑著說。為了瞭解台灣高山湖泊的生態系代謝過程及影響機制，林業試驗所的前所長金恆鑣博士與研究團隊以保存良好的鴛鴦湖為研究對象。在國科會（現在的科技部）的支持下，他們將裝有感應子的浮筒放在湖面上，每十分鐘測量並記錄湖面上風速、風向、水中溶氧量及不同深度水溫等數據隨著日夜和氣候變換的改變，李老師說：

「這些就是IoT的原型，所有的數據都是持續的測量並且以無線傳輸到計算中心，因為他們不可能在湖邊以人力24小時監測。」

經過一年多的研究，結果顯示鴛鴦湖的淨生產力在初夏及仲秋最高，在颱風季節則有顯著下降，因為颱風豪雨會對湖泊造成強烈的沖洗作用，湖泊中的菌相和營養鹽更新而暫時降低淨生產力，但是颱風的降雨同時也擾動了原本分層無法翻騰的夏季湖水，反而使生態系接著活潑了起來。

「他們的結論是：颱風是台灣中小湖泊生態系重要的動力來源。」

溫帶湖泊有季節性的變化，熱帶湖泊因每日翻騰作用有很高的生產力，「而研究發現鴛鴦湖的動力來源除了這兩項以外，還有『颱風』這個額外的因子。這個重要的生態研究，是在台灣早期IoT輔助下才能做到的。」李老師說。

如果我們為地球穿上各種感應子……

台灣科學家在鴛鴦湖的研究中說明了物聯網對地球的重要性，在另一個悲傷的事件中，科學家則是期望物聯網能避免遺憾發生。2009年莫拉克颱風在台灣南部造成極大的災情，其中最嚴重的災情在高雄市山區的小林村，小林村東北角的獻肚山因颱風帶來的大量降雨而崩塌，滾滾黃沙瞬間淹沒小林村，造成數百人死亡。

「其實過去的研究認為小林村西北角的山頭是比較危險，所以大型的通訊設備恐怕因此建設在東北角，」但八八風災時東北角的獻肚山反而是災難的中心。如果能在環境中安裝各種感應子，以物聯網長期佈局監控降水量、河流流速、雨水滲進地層的情況、山的深層結構等等，或許可以協助科學家計算土石流發生的機率，藉由種種徵兆預測事件的發展，避免憾事重演。「當我們加入物聯網、智慧化的思維，就會看到各式各樣、全面性的樣貌，這是跟以前完全不一樣的事情。」李老師說。

人手一顆感應子總共消耗幾座核電廠的能量？

早在1980年代，柏克萊大學提出「Sanddust（砂粒）」的概念，以微機電作出小型感應子，這麼一來可以降低感應子的價錢，就能在地球上廣布感應子，得到過去無法獲取的知識。IBM也曾經提出過「智慧地球」這個類似的計畫。但若想在地球各個角落裝上感應子，必須先克服能量的問題。

「假設我們要丟出一百億個感應子，而一個感應子耗電率為1毫瓦（mW），全部加起來就要0.1吉瓦（GW），核四電廠一個反應爐的發電功率是1.35吉瓦，光是一百億顆的耗電就要十分之一個核電反應爐，一百億個感應子很多嗎？每個人身上裝一個就超過這數量的一半了。」

李老師概估感應子的能源消耗，奠基今日雲端思潮的資料中心（Data Center）所需要使用的能源，就已消耗全球6%的能源，而物聯網更加蓬勃的時代勢必會產生極大量的資訊，未來雲端儲存空間還會消耗更多能源。降低能源消耗是物聯網發展的重要環節，因為要在資訊跟能源這兩個工業革命的對應元素同時進步之下，才能催化成物聯網革命。

美軍很久以前就開始設法解決行動裝置的能源問題。通訊科技在軍事的重要性可想而知，戰士們身上大概要準備6~8顆鋰電池，才能確保衛星電話、紅外線夜視鏡、通訊、防護等等配備在沙場上能隨時使用。為了維持這種行動裝置的能量來源，許多科學家探討各種人體動能擷取技術（human motion energy harvesting technology），將發電器放在耳朵、膝蓋、腳底，將溫度、震動、壓力、化學能等等轉換成電能，甚至還曾經考慮利用身體裡的血糖產生電能。

「energy harvesting （能量擷取）是個很大的領域，可以讓感應子不需要一直換電池，像是鴛鴦湖中的感應子就很需要這樣的研究，它不管是閒置、感測、傳輸，都需要用電，在野外不可能以人力更換電池或充電，所以很多人研究從風力、震動等等來源取得能量。」李老師說。

應用科學是基礎科學的聚焦

物聯網對產業、商業和科學研究帶來的好處已經有目共睹，在物聯網持續改變我們生活的未來，能量擷取是其中很大的結構，需要科學家持續研究，才能不斷的突破科技極限，「那麼，到底應用研究重要還是基礎研究重要？」李老師提出一個大哉問。其實應用或基礎導向的科學研究不應該有價值高低之分，「比較好的說法應該是中經院的陳信宏所長所說：應用研究是大平台，讓各種創新知識彙整、聚焦在這個平台上，而在這個過程中，跨領域的結構也更容易出現。」

以物聯網為例，作為一個科技的應用平台，它需要各種技術聚焦於此，像是感應子開發、高效的能源擷取、訊號傳輸、智慧的節能城市發展、通訊協定的需求……等，其中能源擷取也是一個各種科技的大聚焦平台，從震動擷取能量需要機械和機電子專業的聚焦，利用太陽能發電需要電子、光電專業的聚焦，用無線傳輸取電則需要傳輸技術和電力系統人才聚焦，這些都是基礎研究一路聚焦到產業端的例子，越接近產業端就收縮成更專注的主題。

物聯網現在已經對產業、科學研究帶來許多好處，未來的應用更無可限量，科學家一步步突破技術上的障礙，讓感應子如沙粒般撒在地球各個角落，我們就可以得到更多知識、更了解這顆星球，進一步理出人類、所有物種與地球間，更適合的共存共榮之道。

【下回預告】素番茄的科普難題

利用物聯網研究台灣湖泊生態系的利用物聯網研究台灣湖泊生態系的金恆鑣博士，他的哥哥，作家金恆煒，曾在一篇探討基改食品的文章中寫道：「老闆，來杯『素』的純番茄汁！」，雖然這是文章中虛構的素食者點餐台詞，但還是相當令人好奇：番茄難道不是素的嗎？1990年代曾有生技公司嘗試在番茄中加入魚的抗凍基因來研發耐寒番茄品系，「這個番茄是葷的還是素的呢？大部份人會覺得：『有動物基因，嗯，是葷的。』但對我們學科學的人來說，番茄當然還是素的，因為基因並沒有動植物的差別。」李老師說，「差別在科普。我常以這個例子來說明，看似複雜而令人害怕的東西，其實只要從原理來看就能理解。」

轉入動物源基因的植物究竟素不素？每個人有著不同科學知識含量及對問題的認知，因而會有不同的解讀和答案，若補充大家的背景知識是否就能消弭認知差異？科學普及能如何改變人們思考和判斷呢？關於李世光老師這幾十年來推廣科學教育的精采故事，都在下一回的「極光片語」！

【極光片語】專欄收錄李世光老師的訪談，每一段小故事、小物件的背後，都有饒富趣味的科學道理。吉光片羽比喻殘存的珍貴文物，象徵李世光老師在科學研發的高昂志氣和人生智慧；傳說見到極光會帶給人一輩子的好運，期待讀者在本專欄得到的啟發，都能像看見極光般感動。