全球智能機(jī)器人的市場(chǎng)規(guī)模預(yù)計(jì)在2021年將成長(zhǎng)至336億美元，而亞洲將是成長(zhǎng)最多的地區(qū)。近年各國(guó)都不約而同將機(jī)器人視為戰(zhàn)略產(chǎn)業(yè)，某種程度甚至可以是一種綜合國(guó)力的展現(xiàn)，各領(lǐng)域的領(lǐng)導(dǎo)廠商都積極投入并發(fā)展當(dāng)中。

機(jī)器人無(wú)疑已成為下一個(gè)科技明日之星，全球各國(guó)無(wú)不積極推動(dòng)機(jī)器人產(chǎn)業(yè)，而近期人工智能與深度學(xué)習(xí)等技術(shù)發(fā)展熱度增溫，更成為推動(dòng)智能機(jī)器人發(fā)展的重要?jiǎng)幽堋８鶕?jù)工研院IEK研究報(bào)告預(yù)估，全球智能機(jī)器人的市場(chǎng)規(guī)模預(yù)計(jì)在2021年將成長(zhǎng)至336億美元，而亞洲將是成長(zhǎng)最多的地區(qū)。

根據(jù)財(cái)團(tuán)法人精密機(jī)械研究發(fā)展中心的定義，智能機(jī)器人可透過(guò)傳感器感知環(huán)境，并藉由程序化處達(dá)成智能化理解，最后反應(yīng)出所需動(dòng)作，以執(zhí)行各種生產(chǎn)活動(dòng)、提供服務(wù)或與人互動(dòng)。它是集合各種技術(shù)于一體的平臺(tái)，包含機(jī)械、控制自動(dòng)化、電子、電機(jī)、影像、光學(xué)、通訊、軟件與安全系統(tǒng)等相關(guān)技術(shù)與應(yīng)用，其中軟硬件整合技術(shù)至為重要。本課程深入探討智慧機(jī)器人產(chǎn)業(yè)前景，并剖析關(guān)鍵技術(shù)、零組件與軟硬件架構(gòu)。

根據(jù)資策會(huì)MIC研究數(shù)據(jù)顯示（圖1），2015年四大應(yīng)用領(lǐng)域機(jī)器人市場(chǎng)規(guī)模合計(jì)約269億美元，其中以工業(yè)機(jī)器人110億美元比重最高，但到了2025年整體市場(chǎng)規(guī)模將擴(kuò)大到669億美元，盡管市場(chǎng)規(guī)模還是以工業(yè)機(jī)器人的244億美元最大，但商業(yè)用機(jī)器人與個(gè)人用機(jī)器人2000∼2025年復(fù)合成長(zhǎng)率（CAGR）分別為11.6％與17.4％，資策會(huì)MIC產(chǎn)業(yè)分析師張佳蕙（圖2）指出，尤其是2015年以后，這兩類應(yīng)用成長(zhǎng)更為顯著，服務(wù)型應(yīng)用市場(chǎng)當(dāng)中，有許多過(guò)去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動(dòng)其成長(zhǎng)潛力。

圖1　2000∼2025年全球各應(yīng)用領(lǐng)域機(jī)器人產(chǎn)業(yè)規(guī)模   數(shù)據(jù)源：BCG，2014；資策會(huì)MIC，2016/1

圖2　資策會(huì)MIC產(chǎn)業(yè)分析師張佳蕙指出，2015年以后，服務(wù)型應(yīng)用市場(chǎng)，有許多過(guò)去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動(dòng)其成長(zhǎng)潛力。

日本軟件銀行近年大舉進(jìn)軍機(jī)器人領(lǐng)域，一連串的動(dòng)作引發(fā)市場(chǎng)關(guān)注，張佳蕙說(shuō)，包括2012年收購(gòu)法國(guó)人形機(jī)器人公司Aldebaran RoboTIcs，其2014年推出的人形機(jī)器人Pepper陸續(xù)與IBM Watson、Microsoft Azure合作。Softbank提出以溝通為基礎(chǔ)提供家庭及商業(yè)應(yīng)用的愿景，Pepper被設(shè)定為「希望能被愛(ài)」的機(jī)器人，透過(guò)互動(dòng)溝通了解家中成員，成為家中的一份子；并在人工智能的基礎(chǔ)下，讓Pepper協(xié)助企業(yè)產(chǎn)品的營(yíng)銷，在家庭兼具娛樂(lè)及學(xué)習(xí)效果。此外，目前較知名已投入市場(chǎng)的服務(wù)型機(jī)器人還有Leka與Savioke。

近年各國(guó)都不約而同將機(jī)器人視為戰(zhàn)略產(chǎn)業(yè)，日本發(fā)展機(jī)器人已久，2015年日本政府設(shè)立機(jī)器人革命倡議協(xié)議會(huì)，推動(dòng)機(jī)器人產(chǎn)業(yè)的發(fā)展；韓國(guó)則是由產(chǎn)業(yè)通商資源部主導(dǎo)，每五年制定基本計(jì)劃，目標(biāo)是在2022年成為機(jī)器人活用的國(guó)家，生產(chǎn)規(guī)模達(dá)25兆韓圜；美國(guó)則是從2011年開(kāi)始，由美國(guó)國(guó)家科學(xué)基金會(huì)（NSF）主導(dǎo)，發(fā)展能夠安全與人協(xié)同工作的機(jī)器人技術(shù)。目前韓國(guó)以家用機(jī)器人為發(fā)展主力，美國(guó)則是在救災(zāi)國(guó)防領(lǐng)先各國(guó)，張佳蕙建議，家庭應(yīng)用與公共應(yīng)用各國(guó)布局已深，商業(yè)應(yīng)用近期興起，臺(tái)灣可以伺機(jī)切入。

深度學(xué)習(xí)、語(yǔ)音識(shí)別等技術(shù)在近年有顯著的發(fā)展，也因此促成服務(wù)型機(jī)器人產(chǎn)業(yè)與應(yīng)用的興起，機(jī)器人從過(guò)去單向溝通執(zhí)行命令，進(jìn)化到可以理解語(yǔ)意響應(yīng)對(duì)話內(nèi)容，應(yīng)用服務(wù)為機(jī)器人后續(xù)發(fā)展重點(diǎn)。機(jī)器人應(yīng)用情境多元，在不同場(chǎng)合必須結(jié)合各領(lǐng)域?qū)I(yè)知識(shí)及對(duì)用戶需求的了解，因此廠商應(yīng)透過(guò)開(kāi)放平臺(tái)，加快機(jī)器人在各領(lǐng)域的應(yīng)用。

深度學(xué)習(xí)這個(gè)名詞因?yàn)?016年人工智能AlphaGo連敗南韓棋王，機(jī)器首度成功挑戰(zhàn)人腦，并在圍棋這個(gè)普遍被認(rèn)為難度最高的博弈活動(dòng)中，一時(shí)又被世界大眾所關(guān)心。而AlphaGo的深度學(xué)習(xí)核心就是類神經(jīng)網(wǎng)絡(luò)技術(shù)，早在1943年，Warren McCulloch以及Walter Pitts首次提出神經(jīng)元的數(shù)學(xué)模型，之后到了1958年，心理學(xué)家Rosenblatt提出了感知器（Perceptron）的概念，在前者神經(jīng)元的結(jié)構(gòu)中加入了訓(xùn)練修正參數(shù)的機(jī)制，這時(shí)類神經(jīng)網(wǎng)絡(luò)的基本學(xué)理架構(gòu)算是完成。類神經(jīng)網(wǎng)絡(luò)的神經(jīng)元其實(shí)是從前端收集到各種訊號(hào)（類似神經(jīng)的樹(shù)突），然后將各個(gè)訊號(hào)根據(jù)權(quán)重加權(quán)后加總，再透過(guò)活化函數(shù)轉(zhuǎn)換成新訊號(hào)傳送出去（類似神經(jīng)元的軸突）。

相關(guān)技術(shù)架構(gòu)其實(shí)早在1970年代就已經(jīng)完成了，數(shù)據(jù)決策技術(shù)長(zhǎng)尹相志（圖3）表示，深度學(xué)習(xí)其實(shí)就是類神經(jīng)網(wǎng)絡(luò)的另一種說(shuō)法，其成功來(lái)自于更深入理解人類大腦的運(yùn)作。卷積神經(jīng)網(wǎng)絡(luò)（ConvoluTIonal Neural Network）協(xié)助機(jī)器發(fā)展真正的視覺(jué)，其中的兩大原則為：局部感知與權(quán)重共享。讓機(jī)器可以從碎片特征理解整體意義，進(jìn)而找出特征的群聚性，不斷分層細(xì)化的分析，無(wú)論是多細(xì)微的特征：只要不化成灰，都能抽取特征。

圖3　數(shù)據(jù)決策技術(shù)長(zhǎng)尹相志表示，深度學(xué)習(xí)技術(shù)架構(gòu)1970年代就完成了，其成功來(lái)自于更深入理解人類大腦的運(yùn)作。

其中，圖形辨識(shí)是其中的重點(diǎn)，在過(guò)往的認(rèn)知中，中央處理器（CPU）與繪圖處理器（GPU）處理不同的運(yùn)算功能，單就圖形辨識(shí)的深度學(xué)習(xí)功能來(lái)說(shuō)，GPU的效能是CPU的百至千倍，尹相志進(jìn)一步表示，透過(guò)深度學(xué)習(xí)，機(jī)器甚至可以將原本馬賽克圖案的照片效果移除還原。不過(guò)，在語(yǔ)音與文字的辨識(shí)上，中文對(duì)于機(jī)器還是很大的挑戰(zhàn)，中文詞匯超過(guò)百萬(wàn)，無(wú)須約定成俗即可創(chuàng)造新字以及賦予詞性，還有很多中英、中日、中韓夾雜的詞匯，諸如：藍(lán)瘦、香菇、94狂等。

機(jī)器人產(chǎn)業(yè)前景受到各方矚目，尤其深度學(xué)習(xí)、人工智能成為各大廠布局下一波企業(yè)發(fā)展的方向，包括臉書（Facebook）、微軟（Microsoft）、谷歌（Google）與亞馬遜（Amazon）。這些企業(yè)的共通點(diǎn)就是都透過(guò)產(chǎn)品、服務(wù)與消費(fèi)者互動(dòng)，并累積了多年的初級(jí)數(shù)據(jù)，未來(lái)人工智能與深度學(xué)習(xí)說(shuō)穿了都是大量資料搜集、整理并分類、標(biāo)注（Tag）使這些初級(jí)數(shù)據(jù)變成信息，最后再透過(guò)強(qiáng)大的處理器快速搜尋與反應(yīng)的結(jié)果。

從這樣的架構(gòu)來(lái)觀察，碩網(wǎng)信息總經(jīng)理邱仁鈿（圖4）認(rèn)為，四大廠之間FB的數(shù)據(jù)結(jié)構(gòu)化程度最高，因?yàn)槊總€(gè)用戶上傳文章或圖片時(shí)，已經(jīng)將內(nèi)容整理過(guò)，圖片分辨率高甚至照片中的人物也直接標(biāo)注了，未來(lái)FB要藉由這些數(shù)據(jù)做進(jìn)一步整理或利用時(shí)，可以花費(fèi)最少的時(shí)間，或進(jìn)行更高質(zhì)量的整理。目前世界上有80%的數(shù)據(jù)數(shù)據(jù)是非結(jié)構(gòu)化的，認(rèn)知運(yùn)算能夠提升并簡(jiǎn)化學(xué)習(xí)過(guò)程。

圖4 碩網(wǎng)信息總經(jīng)理邱仁鈿認(rèn)為，目前世界上有80%的數(shù)據(jù)數(shù)據(jù)是非結(jié)構(gòu)化的，認(rèn)知運(yùn)算能夠提升并簡(jiǎn)化學(xué)習(xí)過(guò)程。

因此，機(jī)器人要降低錯(cuò)誤率重點(diǎn)就在數(shù)據(jù)的完整性與結(jié)構(gòu)化，邱仁鈿進(jìn)一步解釋，深度學(xué)習(xí)的應(yīng)用歷程從底層的類神經(jīng)網(wǎng)絡(luò)運(yùn)算、大量數(shù)據(jù)分析、發(fā)現(xiàn)規(guī)則/自動(dòng)歸類、產(chǎn)生媒合/推薦策略、記錄用戶行為、回饋到模型/提升準(zhǔn)確率，最終就是要提升數(shù)據(jù)質(zhì)量并產(chǎn)生自我學(xué)習(xí)修正機(jī)制。