前言: 科技不斷進步，物聯網、大數據、雲端、人工智慧，已經慢慢改變人類生活與工作的模式。FB、Google所有科技龍頭都在做同一件事情：那就是運用人工智慧加強人類與機器溝通的方式。我們處在資訊大爆炸的時代，各種資訊都隨時可得，但也因為科技發展太快速，我們同時與未知相處，這一期我們訪問在機器人領域已研究10多年的王文俊教授，與他談談在未來我們該如何學習與機器人合作與溝通。  文.圖/田婉君 

1. Q:請教授與我們談談何謂工業4.0 A:工業4.0就是導入物聯網、大數據、雲端、人工智慧及機器人等等技術的第四次工業革命。隨著工業4.0時代來臨，製造業將整合原有技術，包括電腦、通訊、感測、節能及監控技術，同時也將融入新技術，例如雲端運算、大數據分析、物聯網技術，讓工廠逐漸由「工業自動化」邁向「工業智慧化」。 更簡單來說，工業4.0前是工廠出產什麼，消費者就買什麼；工業4.0後則是消費者要買什麼，工廠就生產什麼，簡單來說就是滿足客製化。因為客製化的需求就必須要有大數據與雲端技術來幫忙，在大數據中可以統計分析出顧客想要的物品的相關特徵數據，雲端技術就用來儲存或傳輸這些數據，加上智慧機器人的幫忙，如此工廠的前期產品開發時間就可以縮短、測試時間與成本也可減少；在供應商、業務與採購部份也可以更智慧的縮短進料、接單與運輸時間，智慧下單可以只準備所需的原料，自然庫存就會減少，因此在生產時就可大量客製化與少量多樣，讓生產線可以有最佳化自動調整。若以上大數據、雲端及智慧機器人能利用物聯網彼此溝通順暢，邁向全自動的無人工廠就更近了。

2. Q:德國率先推動的工業 4.0、在日本有「新機器人戰略」、美國有「先進製造夥伴計畫（AMP）」，以及中國提出「中國製造 2025」等，智慧型機器人無庸置疑成為全球主要國家發展重點與使命，您覺得台灣在這一波機器人的發展中，台灣在哪裡以及發展方向為何? A:全世界對機器人研究投入最大的國家為日本、韓國、美國、與德國。日本機器人研究已經數十年，可以說是服務型機器人的發展大國；南韓模仿日本機器人技術不遺餘力，且也已具有獨當一面的機器人技術，其工業機器人的發展正逐漸逼近日本的水準；美國在國防機器人成就執世界之牛耳，德國則在仿生或工業機器人方面佔有極重要一席之地。台灣在全球機器人研究的浪潮中，偶有冒出頭的跡象，但成就尚屬無足輕重。在機器人領域，政府對於學術界上的支持並不顯著，目前國家將大多數的機器人研究經費挹注到法人研究單位，如工研院，但對學界是非常少的。在台灣，有很多大學的教授其實研究都做得很好，也很努力發展機器人的項目，可惜我們的工業界支持意願不大，因台灣的廠商想要看到的是投入的成本是否能立即帶來利潤，在廠商立場上，大部分是不願意投資於長遠的研究及未知的效益。這與日、韓等大國很不一樣，他們可以投資等待10年20年，讓技術萌芽、發展、成熟，以達到長遠的目標。 但其實政府是知道工業4.0對國家的工業發展很重要，因此政府擬定了新的政策鼓勵學校教授與各產業進行產學合作計畫，針對廠商需求進行研發，讓廠商可以直接受惠，目前這樣的政策發展方向是對的。

3. Q:智慧機器的進化早已取代一般重覆與粗重的工作,甚至在日本已有AI老師可以針對學生各別程度進度進行教學，您本身為教育人才的老師同時也致力於機器人研究，你如何看待未來人類與機器人的互動與競爭? A:很多人說老師會被機器人取代，中小學老師教學功能，是有可能；但大學教授的研究能力，我不覺得在可見的未來機器人可以取代，教授寫論文，也許可以利用機器人的分析能力讓它當個小幫手，但在論文的組合邏輯上，我覺得機器人還是沒有辦法自行建構一些新的想法與論述，因此對於人類是否會被機器人取代，我覺得倒不用危言聳聽，但前提是你自己必須要有競爭力，建立實力價值，如此未來被機器人取代的機率自然就低。但在大陸有些省份，地方政府已經開始鼓勵用機器人取代員工，若廠商可以利用機器人讓工廠自動化，取代勞工的數量愈高，政府就給愈多的獎勵。如此一來，重複性、規則性的工作被機器人取代的可能性就很高了

4. Q:目前人工智慧發展相對看好機器學習及深度學習系統，當演算法被架構好後系統就具備自我學習與改良的能力，看起來是很驚人的進化速度，我們該如何應用? A:深度學習有兩個方向，一是應用面，另一個則是技術面。深度學習也是人工智慧中成長最為快速的領域之一，它可利用電腦理解影像、聲音和文字等資料，透過多層級的神經網路，電腦可以和人類一樣針對複雜的情況進行分析、學習和反應，甚至表現得更好。 我有一個學生他的碩士論文就做得很不錯，已達到技術轉移的成果，他作的是「基於深度學習技術的贓車偵測系統」，因現今車牌辨識技術已相當純熟，警方搜尋嫌疑車輛便是利用車牌辨識統，檢測車牌號碼是否有申報失竊，不過僅依賴車牌資訊仍有不足之處，嫌犯經常利用變造或變更車牌等手法從事犯罪，遇到此類情況往往須要靠肉眼比對車輛外觀是否符合該車牌的車籍資料上的車款樣式，才能進一步發現是否為問題車輛，以人力準確辨認大量車款是相當困難的，但若是讓電腦來學習協尋影像中的車牌與車款就可以節省大量時間與人力。這就是深度學習的厲害之處，透過丟入大量車輛照片讓機器學習台灣常見的車款與車色，加上車牌辨識，贓車就很難遁形了。

5. 您覺得在未來學生須具備什麼樣的能力，才能在人機共存的時代裡不被取代? A:我覺得現在的學生要有吸收新知識的能力，還要有發覺先進技術的敏感度。這些敏感度是需要多留意時事新知與趨勢、多Google，多上網搜尋才能累積與建立起來的。新知與新技術的發展進步非常快，我們當教授的，也與學生一起學習，老師給學生的是大方向的引導，學習過程則是需要學生自己努力，學生必需要建立自己在未來不被取代的能力!

6. 談談這些年來研究機器人的感想與樂趣與隱憂。 A:這些年來一直辛辛苦苦在做研究，但我覺得我對新技術的敏感度一直是很高的，我做的研究在未來都能成為熱潮。10年寒窗苦讀無人問，誰會想到沉寂一段時間的人工智慧又復活了，現在機器人來了，AI來了，因此這些年的努力又開始被看見。談到感想，我常告訴學生，若你是作機器人研究的，就要把那個機器人當成寵物一樣對待，要跟它親近、疼它，用這樣的心情，學生就會把機器人作好，讓它聽話。機器人領域是融合了許多發展的領域，它融合了資工領域的影像處理；機械系的外形結構；電機領域的自動控制等，當然還有很多很多…。所以學生學習機器人，是很有前途的，因為他每種技術都涉獵到了。 若要說隱憂，我覺得是國家對於機器人研究目前是沒有大方向與目標，投資也不多。台灣的大學教授有很多都有不錯的機器人技術與研究，但礙於經費的不足，只能做一些小型研究，無法作出台灣的代表作，若政府願意挹注較大的經費給大學在機器人的研究，我相信一定可以提高台灣在機器人領域的發展，趕上世界的水準。