[書介] 《機器人四部曲》：從艾西莫夫看機器/人的愛恨情仇|數位時代 BusinessNext

2014年，「機器人」這三個字不時成為眾人熱議的頭條新聞：從鴻海將要組成「百萬機器人大軍」，到Amazon將在 2015 年採用無人飛行機配送貨物，以及Google所展示的無人駕駛車原型等。而這些消息，也開始有人會擔心機器人/人工智慧技術的成熟，將會消滅許多現有的工作，使得很多人得面臨失業的危機；以及如果未來人類生活的每一個層面，都由機器人控制的話，會不會有一天，人類將失去獨立生活的能力，甚至更慘一點，人類會像電影《駭客任務》或《魔鬼終結者》一樣，成為機器人的階下囚？

enter image description here

機器人的發展，將會為人類社會帶來光明或是晦暗的未來？
面對這樣的難題時，我不禁就會想到科幻小說家以撒・艾西莫夫曾提出的「機器人學三大法則」：

一、機器人不得傷害人類，或因不作為而使人類受到傷害。
二、除非違背第一法則，機器人必須服從人類的命令。
三、在不違背第一及第二法則的情況下，機器人必須保護自己。

艾西莫夫於1942年的短篇小說〈轉圈圈〉中首次提出以上的「機器人學三大法則」，並且這三大法則在今天要介紹的《機器人四部曲》的系列故事裡，扮演著極重要的地位。

《機器人四部曲》是由《鋼穴》（1954）、《裸陽》（1957）、《曙光中的機器人》（1983）、《機器人與帝國》（1985）組成。前三部作品，也被稱為《貝萊三部曲》，故事聚焦在地球刑警以利亞・貝萊和人形機器人機・丹尼爾・奧利瓦偵辦殺「人」案件的辦案過程；以及原先排斥機器人的地球人，因為兩人合作的緣故，漸漸開始不再排斥機器人，並且走出「鋼穴」的束縛，展開了地球人移居銀河系的計劃，也成為艾西莫夫另兩套科幻經典「帝國」及「基地」系列的開端。

1964年，艾西莫夫曾在紐約時報上發表〈拜訪2014年的世界博覽會〉這篇文章，文中記下許多他對 50 年後科技及社會發展的臆想。而當生活在 2014 年的我們回頭去看艾西莫夫的這篇文章時，會發現他的不少臆測，都已然成為我們日常生活的一部份——像是文中他就預測，2014年的電話將不僅可以傳達聲音，也可以傳達影像，並且在電話的螢幕上面就能閱讀書籍和照片，還能夠透過衛星，打電話到世界的每一個角落。——這段描述，說的不就是現在人手一機的智慧型手機嗎？從這一點，就可以看出艾西莫夫對於人類科技發展的精準想像力。

而艾西莫夫也將這樣精準的想像力，運用在他的科幻作品之中，因此，雖然《機器人四部曲》，即便是最新的《機器人與帝國》都是近30年前的作品，但是小說中對於人類與機器人的情感關係，以及人類文明對機器人科技該以依賴或畏懼的態度去面對等議題，都有著深入且不過時的探討。尤其是隨著小說的進展，原先對機器人持排斥態度的貝萊，也因為跟丹尼爾的密切交流，漸漸地有所轉變，甚至覺得機器人對地球人的未來發展，將扮演決定性的角色。

究竟我們的社會到了《鋼穴》故事的 3421 年會發展成什麼樣子呢？我想能看到這篇文章的人們，應該都無法知道結果了，但是對於機器人 / 人工智慧將會為人類社會帶來多大的變革，我想在廿年內，我們就能窺見一二。或許也將知道，艾西莫夫的想像力，是否又能再一次地精準預測未來？

《機器人四部曲之Ⅰ：鋼穴》

【部落格上嵌好書，立即送一本：在我的部落格捕獲野生MooReader】
你曾經有過讀了一本好書，想要在線上分享給朋友，卻找不到好的媒介的困擾嗎？
Readmoo的書本試讀嵌入馬上幫你解決這個困擾，嵌入方法就跟YouTube影片嵌入一樣簡單！
現在只要在自己的部落格上嵌入一本書，就可以免費兌換一本好書唷！
►►►快點我了解更多吧！！

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。