人工智能与人形机器人

机器人(robot)由于语言上可能的歧义，常常带来多层次的误解。最常见的误解是与人工智能的连结。虽然在维基百科关于robotics这一词条中的确有人工智能的叙述，但是机器人与人工智能的真正连结是21世纪后的事；应用狭义人工智能的技术于机器人，更是最近几年的事。像是商业应用最成熟的生产制造机器人与执行危险任务的机器人－如拆弹机器人，过去人工智能的成份相当稀薄。

人形机器人(android)出现于人类的想像中甚早，1939世博会西屋公司就展出人型机器人Elektro，科幻作家Isaac Asimov为人熟知的机器人三定律则成于1940年代。但是人形机器人开始初具人工智能雏形，也是本世纪的事。人形机器人的研发，是机器人、脑神经与心理学协力发展的结果。

人形机器人研发主要议题之一是让机器人如婴儿般的探索环境、经验感受移动与语言，自行收集信息，适应新环境并将熟悉的知识与技巧跨领域的应用。如果其学习行为勉强以现在流行的人工智能术语来描述，最接近的是无监督学习，但是学习的机制又不全然相似。

人形机器人的学习与人类的学习途径相似，是所谓生物启发(bio-inspired)的技术。它依赖于输入－预测的回路：外在环境的信息由传感器输入，然后判读并预测其下一步。如果预测错误，则将错误信息传达到上一层的信息处理器修正其模型。建立一个仿婴幼儿的心智基础模块当然是个大工程，但是由这样简单的试误回路已经得到相当有趣的结果。

即使相同的机器人经历了类似的经验，各个机器人也会学到不同的知识。这个结果令发展新机器人的演化学派找到了更结实的基础－由这些发展出的差异以「优胜劣败」找出下一时代更优秀的机器人。

单只是机器人被程序设定要持续改善其预测能力此一最基础要求，也能让机器人发展出社交行为、甚至是利他行为。这个现象回过来已经开始帮助一些人类行为的了解与改善，譬如自闭症患者对于外界移动的预测准确率较低，可能因此倾向做重复的事，因为重复的事下一步比较容易预测。

人工智能如果仅限于单一项目的能力，短期内在很多方面就会超过人类的能力，特别是依赖大数据的监督学习与规则明确的无监督学习－像AlphaGo Zero。人工智能的长远目标是一般用途(general purpose)的心智，人型机器人的起步思维庶几近之，但更复杂，因为人型机器人还牵涉到对移动的控制、对外界的互动与及时反应。

由于发展所需要的脑神经科学与心理学对认知的了解还有待努力，人形机器人的商业化的路途还很遥远。但是如果《I, robot》那样的场景来到，那会比人工智能夺走工作机会所带来的社会冲击更大，那是人类对自我存在价值与认同重新思考的时刻。