跳至主要內容

機器人生的現在與未來


昨天去三創看了pepper 應用的決賽。因為個人因素只看到下半場,意外的是其中一組還是認識的朋友,自己一個人完成幼兒照護程式與智慧家電的應用開發。

聽其他朋友介紹 Pepper,因為已將必要的程式模組化,所以之後的市場重點會在開發應用程式,也因為基本程式皆已模組化,所以應用程式的開發門檻都會降低許多,而且使用的程式語言是容易入門的python ,所以在未來會是重點市場。

下半場的發表應用範圍不外乎在照護、取代第一線服務工作人員的,較難得的是看到所謂商業化的應用,例如獲獎的第一名隊伍是讓 Pepper 結合頭戴式裝置應用程式進行銷售及獲取使用者資料、進一步製造病毒行銷,而且是建議在機場時時都要應付來自各國、各時區有客人的免稅商店使用。 從另外兩組與照護相關的應用是與失智老人、遲緩兒的教學與互動。從這些應用都可以看得出來,如果連結上網路,就可以進行遠距照護及醫療的相關應用。

在未來,機器人可以取代的工作還不少。誇張一點的說法,只要可以標準化的作業流程、作業內容重複性高的動作,都可以透過機器(人)來處理。這裡的機器人已經不再只受限於外形是人形的物件,可以泛指透過程式即可執行作業的機器。那人類存在的意義會是什麼?

在台下與朋友聊到未來可能會是這樣的情況:去銀行開戶、辧信用卡時,已經可以透過機器人和網路連絡協助完成。去超商時,站在櫃台後面的服務人員可能是機器人,或是透過一台機器配合各種支付工具,掃瞄物件上的條碼就可以完成基本的商業行為。上架、銷售、店面維護都能讓機器人來完成,如果不幸遇到不付錢的客人,門口可能就會有機器人攔截客人,或是立刻把影像傳送至警局報案,加速抓到犯人,而幫忙做筆錄的「人」可能還是機器人。人類店員可能做的是較細膩的工作,例如控制機器人或是在忙碌時協助機器人(此時的人類已非主要工作人員了)。

在「未來產業」這本書裡還提到,在未來,極有可能將醫療報告判別的工作交由機器(人)來判別,再由醫生給予醫療建議。

在各組上台發表的過程裡,我想到了關於這個機器人本身的一些情況: 在未來各家應用程式開發後,這個機器人是否可以讓不同開發者的程式都相容?

今天各組上台發表時,發生了這樣的狀況:由於展示的機器人身上已經載了不少程式,所以可能會影響到下一組的發表。中間出現了與機器人問答時產生無限迴圈的鬼打牆情況。

未來若機器人擔任智慧家庭中的管家任務,它的身上可能會有來自不同廠商的程式,要如何避免這些程式在執行時互干擾?

機器人的回收性是否會造成個資的外洩?機器人的使用期間是長久的,所以在前一個使用者不再使用這台器人時,使用者可能會選擇讓這台機器人回收。回收時,機器人身上的資料會如何處理?如果是儲存在雲端,伺服器中的資料擁有權是屬於誰的?要如何處理?這些相關的配套措施似乎都還未出現。

機器人與相關應用的發展已經是必然,但與「人」相關性愈高的議題及應用,就更應該提供完整的配套措施。

同樣在「未來產業」書中,作者提到日本的調查顯示老人寧可讓機器人照護,也不想給外籍看護工照護。可能是為了隱私、尊嚴,但當機器人或是程式寫得不夠安全時,被有心人士破壞造成惡意行為的後果都是我們不願意見到的。 這也是我在參加APrIGF後的感想,當科技發展的更加便捷時,更需要去保護使用者的權利與隱私,使用者自己更是要注意資料安全與應用程式使用的安全,這樣才會有良好的發展與未來。

留言

此網誌的熱門文章

哪個應用、服務、平台可以代表台灣?

大概 2003、 2004 年,我還是個大學生,那個時候「電子商務」是一門選修課,那個時候台灣還在所謂的電子商務泡沫化中復甦,很多熱極一時的「電子商務」就像今天大家看到的 FTX 事件一樣,一點都不真實,很多執行長、總裁瞬間就失業了,也有很多投資人的錢拿不回來。 看過歷史上的鴻源事件、經歷過電子商務的虛無飄渺時期,再看到 FTX,其實也不會太驚訝。通常泡沫消散後,未來才會到來。 回到大學課堂,穿著輕便但言語犀利的老師談到當時的 Amazon 網路書店,他問大家對 Amazon網路書店的看法,那時的Amazon一直被看壞,所有的媒體都不看好它。甚至會有各種市場傳言,覺得 Amazon會被賣給哪家公司或哪家公司、網路書店會主動併購它。 最後老師說,不會,Amazon書店不會那麼輕易就垮掉,它有其代表的意義。 這個答案給了我很深的印象,我常會問自己,台灣有哪個服務會具有這樣的意義? 偶爾我會問身邊的朋友、同事,對於台灣的哪個服務,會覺得有不能輕易垮掉、要支持它的?我列一下自己所接觸過的,這個世代的應用: 通訊服務:ICQ、MSN Messenger、LINE、Cubie Messenger(台灣,已無服務)、Google Talk、WhatsApp、Telegram、Skype、Signal,還有一些台灣可能較少聽到。 社群平台:Twitter、Facebook、LinkedIn、無名小站(已停止服務,它雖然是Blog,但比較像社群)、Plurk、PTT、Dcard、Instagram、AKASHA、Pinterest Blog平台或架站:Blogger、Wordpress、Drupal 共享書籤 : HemiDemi(已沒有提供書籤服務)、美味書籤delicious 叫車服務:UBER、55688 、呼叫小黄、LINE Taxi、yoxi  當然還有很多是我沒接觸過的,請原諒我的見識不夠廣泛,忽略了哪一個平台、應用或服務。一時想到的大概就這些。有一些服務已經消失或在被併購後就消失了,我也忘了名稱,至於 TikTok 和小紅書,是我不想碰觸的應用服務。 在韓國有 Kakao,日本有 LINE、PayPay,東南亞國家有Grab,中國有自己的網路應用,那台灣呢?之前 KaKao 中斷服務,造成民生應用的線上服務也幾乎中斷,過度集中依賴在一個服務上的確是一個缺點。在和...

觀察台灣 AI 政策與職場新挑戰

前言 這篇文章想和大家分享我對台灣 AI 政策的一些觀察。未來我還會整理其他國家的案例做比較。不過先提醒大家:這篇的資訊量不算太低,文章提及一些日常生活中不常接觸的政府計畫名稱、大筆預算金額與目標數字,乍看之下會讓人覺得很抽象。 對我來說,這些數字背後傳達的訊號很清楚──台灣政府確實願意投入大量資源在 AI 的產業發展與人才培訓。問題是,這些投資如何真正走到民眾與企業身邊?如何讓公司知道「資源在哪裡」、讓人才看見「機會在哪裡」?這條「最後一哩路」會決定政策成效,也才是和你我最相關的地方。 為了解台灣就業市場的實際需求,我偶爾會瀏覽人力銀行網站。有次看到某家公司在招聘條件中特別要求面試者在面試時分享「自己使用過哪些 AI 工具,以及如何使用」。這讓我注意到:AI 已經被視為職場的基本能力。 在日常生活中,AI 已廣泛應用於工作與個人任務。雖然部分單位仍不鼓勵員工使用,但只要有清楚的界限與正確的態度,AI 工具能有效減少重複性工作,把精力留給更有價值的任務。想像在學校寫報告,老師要求必須說明 AI 工具是怎麼幫上忙的;或在公司加班時,主管要求用 AI 快速整理資料。這些情境都不再是未來,而是現在。 我撰寫這篇文章的原因有二。首先,是因為參加 Anthropic 的 AI Fluency for Students 課程,課程內提到的 4D 概念對學生、新鮮人乃至現在於職場受到 AI 衝擊的世代都很有幫助。如果我是面試官,我會希望求職者能理解並應用這些觀念。其次,是我長期關注各國 AI 政策,想藉此分享觀察成果。這些分析大多是透過 AI 工具分析政府公開資料而得,也讓我更相信 AI 是研究工作人員的得力助手。  以技術與產業發展為核心的台灣AI政策 台灣的 AI 政策並不算落後。除了大家熟知的 DIGI+,政府陸續推動了「臺灣 AI 行動計畫」(2018–2021)以及「臺灣 AI 行動計畫 2.0」(2023–2026)。政策重點主要在產業發展與人才培育。 從預算來看,2025 年度 AI 行動計畫 2.0 編列經費最多的前三個部會為:經濟部、國科會與數位發展部;2026 年(115 年度)未核定的預算書顯示,數發部、經濟部與國科會仍是主要資源分配單位。大部分經費用於應用與普及,例如開發 AI 便利工具、藥物開發驗證平台等。 產業發展 台灣經濟結構仍以製造業為主...

不是公司設在哪裡,是公司的服務對象是誰:臺灣中小企業的跨境法遵現實

歐洲資料保護委員會(EDPB)在2026年2月發布的刪除權調查報告,給我一個很難忽視的數字:他們聯合調查了將近8,000家企業,回應率不足一成。 這個數字不只是個資法遵落差的指標,它更像是一個訊號:當監管機關開始大規模橫向調查,沒有回應不代表豁免,代表的是還沒輪到你。 更讓我在意的,是這場調查背後的制度性涵義。EDPB首次明確將備份系統納入刪除義務範圍,這意味著企業不能再把「刪除」當成一個資料庫指令的問題,而必須把它理解成一個系統架構問題。這一步看起來是資料保護法的問題,但它實際上開始觸碰AI系統設計的核心:一個以個人資料訓練的模型,要怎麼「刪除」某一筆資料的影響? 這正是我想在這篇文章討論的事:三個原本分開運作的監管領域——競爭法、資料保護、人工智慧監管——在近年間,已經開始彼此滲透,形成臺灣中小企業難以用過去的法遵邏輯應對的複合壓力。 競爭法:從行為合謀到架構審查 全球反壟斷執法在過去一年發生了一個根本性的轉變,而它的影響遠比多數企業意識到的更廣。 過去的競爭法問題大多有一個清楚的前提:企業之間是否彼此溝通、達成協議。現在這個前提正在鬆動。美國加州的反壟斷法在2026年1月修訂後,正式將「競爭對手共同使用同一定價演算法」納入審查範圍,即使業者之間沒有任何直接溝通,只要共享了同一套系統的輸出結果,就可能被認定為形成協同定價的制度環境。 這個轉變的理論基礎來自稍早的RealPage租金案:多家房東將非公開的即時租金資訊提交給同一平臺,平臺以演算法生成建議租金。法院的判斷是,不需要租東彼此達成共識,這個「共同使用同一個資訊中介」的架構本身,已經可能構成協同定價的條件。 紐約州對Instacart演算法定價機制的調查,和歐盟對Google AI內容抓取的反壟斷調查,都在同一個方向上進一步延伸。歐盟這個案子格外值得注意:Google被指控在未取得授權的情況下,以爬取網路出版商內容的方式訓練AI模型並生成搜尋摘要。這是競爭法第一次正面觸及AI訓練資料取得的合法性問題——從反壟斷法的角度,不是從著作權法。 對臺灣企業的直接影響在這裡:如果你的公司使用第三方定價工具、需求預測平臺或市場分析服務,你需要知道這些服務是否同時服務你的競爭對手,以及這些系統是如何處理競爭敏感資訊的。這不再是IT部門的採購決策,而是一個具有競爭法風險的經營選擇。 歐盟《數位市場法》(DMA)和英國《數位...