智能機(jī)器人市場規(guī)模2021年將達(dá)336億美元

全球智能機(jī)器人的市場規(guī)模預(yù)計在2021年將成長至336億美元，而亞洲將是成長最多的地區(qū)。近年各國都不約而同將機(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)器人無疑已成為下一個科技明日之星，全球各國無不積極推動機(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，更成為推動智能機(jī)器人發(fā)展的重要動能。根據(jù)工研院IEK研究報告預(yù)估，全球智能機(jī)器人的市場規(guī)模預(yù)計在2021年將成長至336億美元，而亞洲將是成長最多的地區(qū)。

根據(jù)財團(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)出所需動作，以執(zhí)行各種生產(chǎn)活動、提供服務(wù)或與人互動。它是集合各種技術(shù)于一體的平臺，包含機(jī)械、控制自動化、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)。

服務(wù)機(jī)器人具發(fā)展?jié)摿?/h2>

根據(jù)資策會MIC研究數(shù)據(jù)顯示（圖1），2015年四大應(yīng)用領(lǐng)域機(jī)器人市場規(guī)模合計約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年整體市場規(guī)模將擴(kuò)大到669億美元，盡管市場規(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)器人與個人用機(jī)器人2000～2025年復(fù)合成長率（CAGR）分別為11.6％與17.4％，資策會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)用成長更為顯著，服務(wù)型應(yīng)用市場當(dāng)中，有許多過去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動其成長潛力。

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MIC，2016/1

圖2　資策會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，有許多過去未導(dǎo)入機(jī)器人的新興領(lǐng)域，帶動其成長潛力。

日本軟件銀行近年大舉進(jìn)軍機(jī)器人領(lǐng)域，一連串的動作引發(fā)市場關(guān)注，張佳蕙說，包括2012年收購法國人形機(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」的機(jī)器人，透過互動溝通了解家中成員，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)品的營銷，在家庭兼具娛樂及學(xué)習(xí)效果。此外，目前較知名已投入市場的服務(wù)型機(jī)器人還有Leka與Savioke。

近年各國都不約而同將機(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，推動機(jī)器人產(chǎn)業(yè)的發(fā)展；韓國則是由產(chǎn)業(yè)通商資源部主導(dǎo)，每五年制定基本計劃，目標(biāo)是在2022年成為機(jī)器人活用的國家，生產(chǎn)規(guī)模達(dá)25兆韓圜；美國則是從2011年開始，由美國國家科學(xué)基金會（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)。目前韓國以家用機(jī)器人為發(fā)展主力，美國則是在救災(zāi)國防領(lǐng)先各國，張佳蕙建議，家庭應(yīng)用與公共應(yīng)用各國布局已深，商業(yè)應(yīng)用近期興起，***可以伺機(jī)切入。

深度學(xué)習(xí)、語音識別等技術(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)器人從過去單向溝通執(zhí)行命令，進(jìn)化到可以理解語意響應(yīng)對話內(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，在不同場合必須結(jié)合各領(lǐng)域?qū)I(yè)知識及對用戶需求的了解，因此廠商應(yīng)透過開放平臺，加快機(jī)器人在各領(lǐng)域的應(yīng)用。

類神經(jīng)網(wǎng)絡(luò)技術(shù)大躍進(jìn)

深度學(xué)習(xí)這個名詞因?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，并在圍棋這個普遍被認(rèn)為難度最高的博弈活動中，一時又被世界大眾所關(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（類似神經(jīng)的樹突），然后將各個訊號根據(jù)權(quán)重加權(quán)后加總，再透過活化函數(shù)轉(zhuǎn)換成新訊號傳送出去（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)的另一種說法，其成功來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，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，其成功來自于更深入理解人類大腦的運(yùn)作。

其中，圖形辨識是其中的重點(diǎn)，在過往的認(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，單就圖形辨識的深度學(xué)習(xí)功能來說，GPU的效能是CPU的百至千倍，尹相志進(jìn)一步表示，透過深度學(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，在語音與文字的辨識上，中文對于機(jī)器還是很大的挑戰(zhàn)，中文詞匯超過百萬，無須約定成俗即可創(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。

大廠搜集資料布局未來

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)就是都透過產(chǎn)品、服務(wù)與消費(fèi)者互動，并累積了多年的初級數(shù)據(jù)，未來人工智能與深度學(xué)習(xí)說穿了都是大量資料搜集、整理并分類、標(biāo)注（Tag）使這些初級數(shù)據(jù)變成信息，最后再透過強(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€用戶上傳文章或圖片時，已經(jīng)將內(nèi)容整理過，圖片分辨率高甚至照片中的人物也直接標(biāo)注了，未來FB要藉由這些數(shù)據(jù)做進(jìn)一步整理或利用時，可以花費(fèi)最少的時間，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)算能夠提升并簡化學(xué)習(xí)過程。

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)算能夠提升并簡化學(xué)習(xí)過程。

因此，機(jī)器人要降低錯誤率重點(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。