飛機為什麼不能都靠電腦來飛?
飛機為什麼不能都靠電腦來飛?

飛機為什麼不能都讓電腦來飛?
高階手機為什麼不能都讓機器人來組裝?
看似無關的問題,其實有相近的答案:感測器不夠多!

很多人認為每次的飛機起降都是一樣的程序,就像每支手機組裝都是一樣的程序,但實際上,每次都會有少許的不同。這少許的不同,對人類來說,是很容易彌補的,但電腦系統很可能根本無法察覺,最終釀成大禍。

以手機組裝來說,一支高階手機可能有大約一百個螺絲。螺絲製造的時候多少有一點公差,這公差對裝汽車輪胎來說可能沒關係,但對手機鏡頭這麼小尺寸的東西來說相對就很重要。鎖螺絲的時候,如果到一半有點卡卡的,熟練的師傅就知道馬上停止,退一點再鎖一次,再不行就換一顆;但生手可能就硬鎖下去,雖然當場看來沒事,但可能導致下游十個工站以後的另一個零件裝不上去,或是會把螺牙弄壞,造成以後無法維修。

感測器不夠多,機器人無法察覺細微變化

人類之所以能夠做到這一點,是因為手掌和手指上有幾千個觸覺神經末稍,可以發現「有點卡卡的」;而工業機器人沒有,所以只能讓人類來做。

那你也許會問:工業機器人為什麼不大量安裝感測器?這有幾個原因:

  1. 感測器很貴。 感測器要量到有意義的數據的話,距離要大一點,所以不像晶片,可以集中大量製造,於是相對成本就比較高。而感測器的製程也不像電晶體那麼單純,容易控制。做好之後的校準也是要花很多工夫。

  2. 感測器很大。 不像電晶體的大小,現在是以一兩位數奈米來算的:感測器目前的尺寸還是在微米級,也就是幾百到幾千倍的尺寸,再加上每一個要單獨包裝,佈線連接,佔據的空間相對就多了很多,於是就無法像人的手指上有那麼多的感測點。

  3. 感測器要怎麼用還不知道。 AI 的訓練需要模型和數據,對於什麼是「卡卡的」、「怪怪的」,目前還沒有很好的定義,也沒有人找出訓練的方式。

前面兩點是比較好解決的:只要有足夠的經濟效益,自然有人會砸大錢去開發。第三點才是關鍵:不知道該怎麼用的話,前面的開發方向可能完全錯誤而浪費了。

雷達沒那麼神奇,不符經濟效益

那我們再來討論另一個問題:空中相撞的避免。

我小時候看到飛機相撞的新聞,直覺地認為:飛機上為什麼不都裝上雷達?這樣就可以看到別的飛機在哪裡了。後來才知道:

  1. 雷達沒有像科幻電影裡那麼神,隨時知道所有的飛機在哪裡。 掃描繞一圈回來要很久,而且很多角度都看不到。

  2. 有更簡單的方法可以解決大部分的可能相撞,就是事先指定航道。 每架飛機在空中走不同的航道,距離拉開,自然就不太可能相撞了。而在距離近的地方,例如機場附近,則是由塔台統一管制飛機的移動。

  3. 雷達很貴、很大、很費電。 只為了少數情形下相撞的避免,而要所有飛機都裝上雷達,是不合經濟效益的。後來的避撞解決方案是一種短程的無線電或雷達,只有在飛機接近的時候發出警告。

  4. 雷達很危險。 為了偵測遠處的回波,雷達發射的功率很大。以戰機的雷達為例,在掃描目標的時候,前面如果有小鳥飛過,是很可能直接被烤熟的。(更正:不會直接烤熟,但大約和微波爐差不多)

駕駛飛機顧慮層面廣,電腦難替代機師

再回到自動駕駛的主題:要讓飛機自動飛行,要花多大的工夫?

首先要有足夠的感測器。這包括附近的氣候、氣流、陣風、地面的形狀、其他突然出現的物品、飛機本身部件的運作狀況、重量分佈等等。要用什麼樣的感測器?主動式(雷達或光達)還是被動式?然後要以多大的時空解析度來佈建,也是重要課題。收集了這些數據之後,又要如何控制飛機?飛機有部份受損時要怎麼辦?這些目前都還沒有解決方案。就算有了之後,也要經過若干年嚴謹的反覆驗證,證明它的穩定性可以達到水準,才能引進。畢竟目前航空公司的肇事率是以每百萬次飛行為單位來算的,電腦要做到比人好,還有很大的距離。

這就是為什麼現在飛機的自動駕駛還是只能用在中間平穩飛行那段,而不能用在起降的時候。這也是為什麼機師的薪水看起來很高,因為這份工作真的很難。不信你去試試看,我知道我不行。(模擬飛行遊戲不算)

本文由翟本喬授權轉載自其Facebook 。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
小店成團,地方開張!第4屆小店永豐計畫,看微型經濟如何自立利人
小店成團,地方開張!第4屆小店永豐計畫,看微型經濟如何自立利人

一間小店的行動,如何匯聚成改變地方的能量?由永豐金控支持、永豐基金會推動的第4屆「小店永豐故事展」,10月1日於台北華山1914文化創意產業園區中4B館登場,精選展出10家來自全台各地的在地實踐故事。現場由入選團隊高雄「台青蕉」香蕉創意工作坊旗下的台青蕉樂團,以活力充沛的不插電演出點燃氛圍。

「台青蕉樂團帶來充滿在地生命力的演出,熱鬧活潑的演唱,就像小店的鮮活生命力。」永豐基金會董事長陳思寬表示,「當有人看見、有人回應、有人加入,一間小店的行動,就會慢慢成為一群人的力量。」她也邀請民眾週末前往華山,「走走、看看、吃吃、買買,讓我們一起成為改變地方的力量。」

10家獲選小店,橫跨飲食、工藝與循環經濟

「小店永豐計畫」源自永豐金控深耕在地、關注不同群體獨特需求的理念,以經濟為樞紐轉動地方生活。計畫自2022年10月啟動,每年投入上千萬資源,支持兼具自立與利人精神的小店,足跡遍及臺灣本島與離島城鄉,逐漸在社會各角落帶來迴響。

今年成果發表以「成團,開張!」為題,10家獲選小店齊聚華山,把一路累積的方法與故事向更多人打開,呈現10個正在地方發生的行動。本屆小店的經營型態涵蓋飲食、文化、工藝、環境、循環經濟及社會參與,領域各異,共同之處在於讓原本停下來、散開來,或逐漸被遺忘的人事物重新產生關係:地方因此開始說話,文化開始流動,人重新聚在一起。

作為微型經濟主體,小店靈活發展出多元型態的交流體驗,從量到質,再走向有意識的串連協作,成為社區鄉里的韌性據點。從一間店到一個街區,再從街區擴展至鄉里,大企業觸及不到的人間煙火,就由小店帶來改變。

addLEss把舊衣送回市場、杉恆壹樹讓玫瑰進企業供應鏈

同樣從地方需求出發,兩家獲選小店各自找到不同的熱情領域。

身為母親,也愛買衣服,「addLEss循環時尚」創辦人黃瑾茹不捨衣物因孩子長大或喜新厭舊而閒置,以「讓舊衣重返市場、平價流通」為初衷創辦平台,投入後才發現營運遠比預期複雜。

在addLEss,二手衣須歷經「初篩、細篩、送洗、定價、上架、拍照、入庫」7道工序,並依品質細分為5級。目前平台每月處理的衣物,上架率僅約4成;其餘6成無法上架的衣物,則依特性捐贈社福機構,或轉製為再生衣架等環保商品。

「單純的二手衣買賣,我認為還不足以解決衣物浪費的問題,我想做的是盡可能讓所有衣服都進到循環。」黃瑾茹指出,二手衣產業的流程高度仰賴人工、產能有限,是營運最大的瓶頸,也是她參與「小店永豐計畫」的契機。

#2 永豐基金會
圖/ 永豐基金會

在永豐支持下,addLEss導入AI智慧倉儲、將超商物流納入衣循環生態系,預計處理量可提升至3倍。在參與計劃過程中,她印象深刻的是永豐評審曾說:「我覺得你是想要做一個生態系」,這句話說中她心中所想、令她倍感欣慰。隨著數位後台逐步完備,黃瑾茹期盼串連更多品牌與消費者投入減碳經濟,朝著「讓每件衣服都有去處」的目標邁進。

在高雄杉林,青農王宥勝則把家中原本打算收掉的休閒農場,轉型為有機食用玫瑰產地。

擁有20年餐飲資歷的他,起初將玫瑰製成花醬赴歐洲參賽,沒想到獲得不錯的成果,就此帶著家裡轉種玫瑰,將食用玫瑰嫁接於台灣原生薔薇,種植有機樹玫瑰。「我不想只是當一個年輕的勞動力,而是希望我的投入能為地方帶來新氣象。」王宥勝表示,盼藉由玫瑰提升地方認同感,因此他將大愛商業中心建置作為地方創生基地,讓在地人有地方可匯集、也讓外地人藉此認識杉林。

#1 永豐基金會
圖/ 永豐基金會

隨著產量暴增,玫瑰也成為連結社區長輩的紐帶。周邊客家、閩南與原住民社區的長輩會協助分選、撥花,動動手指、也聊聊天;再結合在地小農契作,產量從年產270公斤躍升至月產1,800公斤,所種植的玫瑰原料更進入知名企業供應鏈,玫瑰果醬與花茶亦獲iTQi星級肯定。

王宥勝坦言,第2屆曾報名未入選,本屆獲選後認為,除了有資金挹注,最大的支持是曝光。在永豐支持下,他將持續優化新設的青農共創基地;短期讓大家知道國產玫瑰可媲美進口玫瑰,長期則期待台灣成為玫瑰輸出國,「希望大家想到台灣有機玫瑰的時候,可以想到高雄杉林!」

小店持續發光,第5屆小店永豐計畫啟動徵選

除了成果發表,本屆「小店永豐故事展」同步於華山1914文化創意產業園區中4B館展出。作為永豐基金會每年匯集地方第一線觀察與土地故事的平台,今年透過10家獲選小店的實踐行動,向大眾展現地方正在萌芽的轉變。

10月3日至4日週末登場的「小店永豐市集」,更集結眾多小店設攤,讓民眾在走逛、品嚐與選購之間,近距離感受扎根在地的鮮活風土。

隨著第4屆圓滿落幕,第5屆「小店永豐計畫」也已正式展開徵選,持續尋找兼具自立與利他精神的在地經營者。永豐基金會將持續提供實質資金、陪伴資源與推廣舞台,支持更多以一間店回應地方需求的夥伴;當更多小店加入,原本散落各地的人事物得以重新連結,地方的未來,也有了繼續發生的可能。

第5屆小店永豐計劃徵選資訊請見官網 https://www.sinopacfoundation.org.tw/sinopac_found/public/event-method.html

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓