人工智慧與人形機器人

機器人(robot)由於語言上可能的歧義，常常帶來多層次的誤解。最常見的誤解是與人工智慧的連結。雖然在維基百科關於robotics這一詞條中的確有人工智慧的敘述，但是機器人與人工智慧的真正連結是21世紀後的事；應用狹義人工智慧的技術於機器人，更是最近幾年的事。像是商業應用最成熟的生產製造機器人與執行危險任務的機器人－如拆彈機器人，過去人工智慧的成份相當稀薄。

人形機器人(android)出現於人類的想像中甚早，1939世博會西屋公司就展出人型機器人Elektro，科幻作家Isaac Asimov為人熟知的機器人三定律則成於1940年代。但是人形機器人開始初具人工智慧雛形，也是本世紀的事。人形機器人的研發，是機器人、腦神經與心理學協力發展的結果。

人形機器人研發主要議題之一是讓機器人如嬰兒般的探索環境、經驗感受行動與語言，自行收集資訊，適應新環境並將熟悉的知識與技巧跨領域的應用。如果其學習行為勉強以現在流行的人工智慧術語來描述，最接近的是無監督學習，但是學習的機制又不全然相似。

人形機器人的學習與人類的學習途徑相似，是所謂生物啟發(bio-inspired)的技術。它依賴於輸入－預測的迴路：外在環境的訊息由感測器輸入，然後判讀並預測其下一步。如果預測錯誤，則將錯誤訊息傳達到上一層的訊息處理器修正其模型。建立一個仿嬰幼兒的心智基礎模塊當然是個大工程，但是由這樣簡單的試誤迴路已經得到相當有趣的結果。

即使相同的機器人經歷了類似的經驗，各個機器人也會學到不同的知識。這個結果令發展新機器人的演化學派找到了更結實的基礎－由這些發展出的差異以「優勝劣敗」找出下一世代更優秀的機器人。

單只是機器人被程式設定要持續改善其預測能力此一最基礎要求，也能讓機器人發展出社交行為、甚至是利他行為。這個現象回過來已經開始幫助一些人類行為的瞭解與改善，譬如自閉症患者對於外界行動的預測準確率較低，可能因此傾向做重複的事，因為重複的事下一步比較容易預測。

人工智慧如果僅限於單一項目的能力，短期內在很多方面就會超過人類的能力，特別是依賴大數據的監督學習與規則明確的無監督學習－像AlphaGo Zero。人工智慧的長遠目標是一般用途(general purpose)的心智，人型機器人的起步思維庶幾近之，但更複雜，因為人型機器人還牽涉到對行動的控制、對外界的互動與及時反應。

由於發展所需要的腦神經科學與心理學對認知的瞭解還有待努力，人形機器人的商業化的路途還很遙遠。但是如果《I, robot》那樣的場景來到，那會比人工智慧奪走工作機會所帶來的社會衝擊更大，那是人類對自我存在價值與認同重新思考的時刻。