有人曾說，機器人和人類之差別是在于“難者不會，會者不難”，即人類難如登天的事，機器人則不費吹灰之力。譬如，數(shù)次連續(xù)一直不停地計算如2508248*740232*834293*e23*ln256*sin32o之類的乘法，人類千辛萬苦，機器人則一揮而就;但要辨認狗兒而把它抱起來，機器人就不知所措而無法啟動，人類則能輕而易舉。

差別的原因是傳統(tǒng)的機器的控制系統(tǒng)是以專門蝕刻的電路和程序的指令，就可迅速處理基于數(shù)學(xué)邏輯的任務(wù)，但面對程序指令之外的事就無法調(diào)整，也就是以前的機器人是沒有應(yīng)變的能力，亦即感測環(huán)境、從狀況“發(fā)現(xiàn)和啟發(fā)式學(xué)習(xí)”(heuristics)、記在心，而經(jīng)由此經(jīng)驗，訓(xùn)練自己能應(yīng)變。

人類的腦筋則是具有“適配”(adaptation)能力的神經(jīng)網(wǎng)組成，即接由五官的神經(jīng)元系統(tǒng)而“面對新的刺激則能自動知覺和改變敏感度”。譬如，人從室外的光亮太陽下忽然進入屋內(nèi)乍見一片烏黑，但眼睛和腦筋片刻就能知覺而自動調(diào)整視覺;耳朵和腦筋的聽覺部位神經(jīng)元能自然阻擋聲音，如窗外的例行晚班火車笛聲而讓人安眠;和初嗅的異味雖然強烈，“入芝蘭之室，久而不聞其香”，則此不只是鼻子的神經(jīng)元和腦筋的嗅覺部位神經(jīng)網(wǎng)合作之功能，且是意味著人類更為深刻之能被感化的“適配的人工神經(jīng)網(wǎng)”。

即人腦神經(jīng)網(wǎng)中的各部位神經(jīng)元，能接收從五官傳達的刺激訊號而適當?shù)刈兏X;亦即人的視覺、聽覺、嗅覺、味覺、和觸覺是具有天然的學(xué)習(xí)能力。

簡單的智能電子商品已經(jīng)裝有環(huán)境偵測器，譬如感應(yīng)溫度、光線、煙霧、聲音等，但反應(yīng)是限制于標示或發(fā)出警號。新的智能電子機器可搜集刺激的訊號，并依照經(jīng)驗的數(shù)據(jù)構(gòu)成一套“訓(xùn)練集”(Training Set)，即可“發(fā)現(xiàn)和啟發(fā)式學(xué)習(xí)”而“教育”該機器應(yīng)該如何反應(yīng)。

訓(xùn)練集的數(shù)據(jù)則是用來進行所謂的機器學(xué)習(xí)，則憑恃一片人工智能核心微處理器，該機器會以其中的學(xué)習(xí)算法，能以簡單的線性回歸或邏輯回歸分析出數(shù)據(jù)的趨勢，而如此就可判斷未來的發(fā)展而知道適當?shù)姆磻?yīng)。

更進步的機器人可仿效人類的腦筋，即機器學(xué)習(xí)的訓(xùn)練集是以人工神經(jīng)網(wǎng)模仿人腦的神經(jīng)網(wǎng)，即其中之數(shù)值排列矩陣所構(gòu)成的如人腦神經(jīng)網(wǎng)構(gòu)造之數(shù)多隱藏層就可依靠所搜索的數(shù)據(jù)，而經(jīng)由繼續(xù)不斷的疊代迭代而依據(jù)訓(xùn)練集的更新自我適配。

譬如，在使用分類算法可從所搜集的偵測數(shù)據(jù)進行形態(tài)辨識，而以對照儲存的辨識特征就能辨認不同的物體，且再聯(lián)接所累積的經(jīng)驗數(shù)據(jù)而更新訓(xùn)練集來對配所觀察和所儲存的數(shù)據(jù)，繼而教示所辨認的辨識。經(jīng)由反應(yīng)數(shù)據(jù)的疊代迭代，機器人亦可被教育到在辨認物體之后要如何因應(yīng)，而與人類一般，愈多的經(jīng)驗，愈強的應(yīng)變能力。

亦即，嬰兒一生是什么都不會，但接受外來的刺激訊號之后，腦筋的神經(jīng)網(wǎng)就會搜集五官訊號的刺激數(shù)據(jù)而經(jīng)由自個兒的經(jīng)驗及家長的指導(dǎo)，不斷的強化及懲罰疊代迭代，久而久之所累積的正向強化和負向懲罰就會構(gòu)成小孩自己的訓(xùn)練集，而他會被教育到依照不同的刺激應(yīng)該如何適配而反應(yīng)。

能如此學(xué)習(xí)的機器人，進而不但能執(zhí)行傳統(tǒng)計算器的快速計算和晝夜不懈的運轉(zhuǎn)，亦能感應(yīng)環(huán)境的變化而自動反應(yīng)，譬如能分辨貓與狗，且在運轉(zhuǎn)時所感應(yīng)而累積的數(shù)據(jù)和適當?shù)姆磻?yīng)調(diào)整，能學(xué)習(xí)的機器人則可一直更新原先的訓(xùn)練集而終于認出而將狗兒抱起來。

自主的智能車

各大汽車公司和幾乎每一家網(wǎng)絡(luò)技術(shù)公司，目前都在研發(fā)無人駕駛車，而最為明顯的新裝備是安裝在車頂上的光成像檢測和測距(LIDAR)塔，即其所發(fā)射的激光脈沖光雷達遭到物體時，布置在車上的偵測器中的“互補式金屬氧化物半導(dǎo)體影像傳感器”(CMOS Sensor)會接受物體的反射光而依照時間及波長差，經(jīng)由微處理器的演算，就可測繪一個瞬間高分辨率立體地形和障礙物動態(tài)影像。亦即，所發(fā)出與所反射的雷射光之時間差是表明距離，而波長差是以多普勒效應(yīng)測量動態(tài)，所構(gòu)成的動態(tài)影像則可仿效人類的視覺環(huán)境。

車上的控制軟件是依據(jù)該動態(tài)立體影像而以執(zhí)行器和伺服馬達操控汽車的方向盤、加速器、和剎車，即經(jīng)由所偵測的影像與所儲存的各種形態(tài)影像對比，先辨認形態(tài)，爾后依照所儲存的適當反應(yīng)，就適當?shù)胤磻?yīng)而自主地安全行駛。

亦即，車子的安全行駛是經(jīng)由該立體影像所辨識的馬路形式、信號燈、障礙物、車潮、人、狗等等一直在變之各種不同狀況，而適當?shù)牟倏厥腔谡嫒笋{駛在試驗自主車時所搜集合儲存的應(yīng)變動作。即立體影像的數(shù)據(jù)以及試驗駕駛的反應(yīng)數(shù)據(jù)，在遵守交通規(guī)則的約束參數(shù)之下，就是構(gòu)成一個綜合行駛的訓(xùn)練集和操控機制，而各種反應(yīng)亦可儲存而用來疊代迭代而調(diào)整訓(xùn)練集的數(shù)據(jù)。能學(xué)習(xí)的自主車則可與人一樣累積駕駛經(jīng)驗而不但學(xué)會開車，開車的技巧且會經(jīng)由“適配的人工神經(jīng)網(wǎng)”而一直在進步。

由此可見，愈多的開車實驗，自主車的駕駛技巧就愈發(fā)達，而車上的自主系統(tǒng)甚至可連接到一臺中央服務(wù)器所儲存的大量且多元的行駛狀況和駕駛反應(yīng)，而駕駛數(shù)據(jù)若是傳送到自主車，由于形態(tài)辨識和操控訊號傳達可比真人的認知和反應(yīng)快，自主車的虛擬駕駛員之適當及快速反應(yīng)會優(yōu)于真人駕駛的反應(yīng)。

所以，或者全車上的自主系統(tǒng)，或者連接中央服務(wù)器的互動系統(tǒng)，由于更為廣泛的經(jīng)驗數(shù)據(jù)和電子的反應(yīng)和操控超快速度，自主車的駕駛技巧其實都會比真人駕駛佳，而若是累積中央服務(wù)器所有的正確駕駛反應(yīng)數(shù)據(jù)而使用在所有的自主車上，所搜集的一直在更新的數(shù)據(jù)和適當?shù)姆磻?yīng)會使得無人駕駛為主的車潮更為規(guī)律化，則整體交通會更安全。

在研發(fā)實驗的過程中，意外的事件必定會發(fā)生，但因為歷來高達九成的車禍是由人為因素所致，而連自主車試驗的交通意外幾乎全也都是由應(yīng)該緊急介入的車上人過失而發(fā)。其實，自主車的專業(yè)系統(tǒng)，由于所累積的龐大而一直更新的駕駛數(shù)據(jù)會遠超越真人所能累積的駕駛經(jīng)驗，自主車之普遍和長期使用會極度降低汽車意外的發(fā)生，即日益劇增來自各方的駕駛數(shù)據(jù)會使得自主車的虛擬駕駛員愈來愈聰明，且絕不會發(fā)生輕舉妄動或者自暴自棄的駕駛行為。

自主駕駛系統(tǒng)最難辨識的是示意的小動作，譬如警察的眼珠動向所指的要求，以及不常遇見的障礙物所引導(dǎo)的不尋常駕駛動作，譬如修馬路要求的違反交通規(guī)則的反方向改道行駛。自主車必定會發(fā)生意外車禍，但其件數(shù)會遠少于人為的車禍，但因為是攸關(guān)計算機和機器，一般人會有不理性而偏于感性的反應(yīng)，即埋怨機器總是比自己承認錯誤好過。

愈進步的激光脈沖光測繪技術(shù)和愈多且愈敏感的偵測器會產(chǎn)生愈多愈準確的動態(tài)影像數(shù)據(jù)，而愈多的自主車行駛經(jīng)會產(chǎn)生愈多安全的操控數(shù)據(jù)，則社會大眾一旦能放心而信任自主車的操控，愈來愈多的人即將使用，而跟隨就會有更多數(shù)據(jù)。如此的良性循環(huán)則會造成愈發(fā)達且愈有價值的專業(yè)系統(tǒng)，即系統(tǒng)的聰明度是依賴數(shù)據(jù)的多寡，而這就是大數(shù)據(jù)中之“大”的義涵。