※ 引述《saufu08 (saufu)》之銘言：
: 正確的說法，是那種人類，或是我們台灣人自己都不想去做的那種危險性高，工作勞累
，
: 或是把屎把尿等那種勞務型，勞動力的工作...
: 比如像工地的工人，居家照護的長照人員，或是一些搬運工等等之類辛苦的工作，以後
都
: 交給人工智慧的機器人去做
: 我們台灣人只要做輕鬆無負擔無危險性的工作就好了！
: 大家覺得，我們有可能研發這一類的機器人來取代這些工作嗎？
其實是有機會的，當前所有的AI在Robotics領域主要還是使用增強學習/簡單揀選規則模
型加上CNN based的視覺識別模型應用到工廠結構化的環境，在工廠環境由於場景基本上
是固定的很多事情都是可控的，所以當前發展相對成熟。不過機械手臂成本很難壓下來，
當前要做到工業級光是一隻手臂投入就要300-500萬，不包含需要額外訓練辨識跟其他AI
組件的部分，成本依舊是當前一大難題，若是成本壓下那這種模式大規模取代世界八成工
廠人力是有希望的。
至於非結構化環境像是居家、工地，這幾年學界也開始慢慢轉向研究，今年稍早比較讓人
震驚的是Google 的PaLM-E模型，他本質上就是把現在最紅的語言模型(Google自家類似GP
T的PaLM)搭配CV跟機器控制的環境資料直接都做進來，整個模型變成一個巨大參數的語言
模型把所有的影像、環境資訊都當作語言來訓練，結果就是效果神奇的好。雖然動作還有
些許不流暢，但是如果繼續發展就是趨勢，剩下就是怎麼減少生產可移動機械手臂的成本
，我覺得也可以透過模型輔助去尋找更省成本的應力手臂，還有一個議題就是怎麼去減少
這類語言模型的大小能直接做輕量化部署到邊緣端。
此外，史丹佛今年李飛飛的團隊也開源了相關的這種非結構化的機器人場景的數據集，接
下來怎麼設計模型來提高這類場景的效果而且能遷移或是零樣本做到其他場景下是正在進
行式，我有認識蠻多機器人領域的朋友也都開始關注這塊的研究了，相信用不了多久就可
以做到。
所以不要說AI只能取代一些高級文書工作，發展下去未來人類還有特殊性的只剩下有獨立
思考能力可以做研究的人可以跟AI一起協作了。
https://youtu.be/Q_pH-dhU8QM