『您的瀏覽器不支援JavaScript功能,若網頁功能無法正常使用時,請開啟瀏覽器JavaScript狀態』

跳到主要內容區塊

工業技術研究院

:::

工業技術與資訊月刊

306期2017年04月號

出版日期:2017/04/15

正方形 Icon 觀念探索Trend

10大突破性科技(中)

撰文:康諾(Steve Connor)、弗里德曼(David H. Freedman)、奈特(Will Knight)翻譯/ Aurore Liang

細胞圖譜

本刊取得美國麻省理工學院Technology Review期刊授權。
本刊取得美國麻省理工學院Technology Review期刊授權。

下一個大型生物學計畫將會解答人類的真正組成成份。

虎克(Robert Hooke)1665年透過顯微觀察軟木切片,看到一格一格的細胞壁,身為第一個記錄細胞特徵的科學家,虎克一定會被生物學接下來的大型計畫感到驚訝:這項計劃將用現代基因組學和細胞生物學中最強大的工具取得數百萬個細胞,並一一加以檢驗。

計畫目的是構建第一個全面「細胞圖譜」,也就是人類細胞地圖,這項技術奇蹟將首次全面揭露人體的實際組成,並提供一個更精密的生物學模型,有利於科學家加速藥物研發。

為了執行這項將37.2兆個人體細胞編目的任務,來自美國、英國、瑞典、以色列、荷蘭、日本的科學家正組成一支國際團隊,將細胞一一編上分子標記,並為人體三度空間中的每種類型編上快速碼。

英國桑格研究所的細胞圖譜團隊主持人史達賓頓(Mike Stubbington)說:「我們會看到一些預料中的東西,那些我們已知存在的東西,但我相信會有全新的、出人意料的發現。」

從塞滿大腦和脊髓中毛絨絨的神經元,到皮膚內黏膩膩的脂肪細胞,以往試圖紀錄細胞特徵時,認為人類中總共約有300種不同細胞,但確切數字無疑更大,例如,藉由分析細胞間的分子差異,已找出兩種過去幾十年眼睛研究一直未發現的視網膜細胞類型;觀察到一種占血球總數萬分之四的細胞,會形成對病原體的第一道防線;以及新發現一種免疫細胞,會產生一種似乎能抑制免疫反應的特殊類固醇。

這種新類型的圖譜製作結合了三種科技。第一種被稱為「細胞微流體」。個別細胞被分離後,用微珠標記,再浸於油滴中進行操作。油滴中的細胞,如車子在狹窄的單行道中魚貫前進般,在蝕刻出人工毛細血管的微小晶片上流動,方便研究人員將他們一一隔離、打開、研究。

第二種技術是能利用高效的測序儀,對單一細胞內的有效基因進行快速解碼及鑑別,平均每個細胞的成本只要幾美分,一名科學家現在能在一天內處理一萬個細胞。

第三種技術則是以細胞的基因活性為基礎,運用新的標記和染色技術,顯示每種細胞在人體器官或組織的所在位置編碼。

細胞圖譜的背後不乏重量級科學機構支持,包括英國桑格研究所、麻省理工學院和哈佛合設的布洛德中心(Broad Institute),以及臉書總裁祖克伯在加州新成立的「生物中心」。祖克伯和妻子普利希拉陳捐贈30億美元投入醫療研究,去年9月,便以細胞圖譜作為首項資助計畫。

自駕貨車上路

沒人握方向盤的聯結車就快要開上你家附近的高速公路了,這消息對全美國170萬的貨車司機有什麼意義呢?

聯結車司機穆格里耶夫(Roman Mugriyev)有次長途駕駛,在德州一條兩線道高速公路上,突然看到前方幾百英呎(不到三百公尺),有輛車逆向行駛迎面而來,他右側是水溝,左側還有來車,別無選擇,只能邊按喇叭邊踩煞車。穆格里耶夫回憶當時:「我耳邊響起教練教開車時,一天到晚提醒我的:最高指導原則是『無人傷亡』。」

可惜事與願違,那輛違規車正面撞上穆格里耶夫駕駛的聯結車,撞爛了車頭前軸,他奮力穩住自己的車和卡進車頭的肇事車,避免在煞住前殃及無辜,等他終於把車停下來,才發現肇事車駕駛在對撞當下已喪生。

若當時開車的是電腦,結果會比較好嗎?還是會更糟呢?隨著多家廠商的自駕貨車進入測試階段,答案或許不出幾年就會揭曉,雖然仍有許多技術問題待解決,但擁護的人宣稱自駕貨車將更加安全便宜,擁有40年經驗的職業貨車駕駛莫菲(Greg Murphy)說:「這套系統通常開得比我好。」莫菲現在擔任Otto自駕貨車測試的安全後備駕駛,Otto是一家位於舊金山的公司,專為市面上的貨車加裝自動駕駛相關設備。

乍看之下,似乎只有自駕小客車的相關人士,對自駕貨車所帶來的機會和挑戰出聲,但大卡車不僅是小客車的放大版而已。首先,自駕貨車的經濟效益可能比無人車大,自駕貨車可以彼此協調,後車緊跟前車,在高速公路上長途成縱列前進,藉此減少風阻並節省燃料,另外,中途部分時段切換成自駕模式,顯然有助於貨車司機提早跑完全程。

不過自駕貨車面臨的技術障礙比自駕車高,卡車司機長年駕駛馬力相當於25輛本田雅哥(Honda Accords)的大車,除了要操控容易翻覆的車身,還要應付層出不窮的危險路況、惡劣的路面條件、難以捉摸的小車駕駛人,早已磨練得經驗豐富,訓練有素,Otto等自駕貨車廠商需要先證明感測器和程式碼對路況的掌握,能達到與職業貨車駕駛相同的水準。

也許最重要的是,自駕貨車若真的上路,爭議性恐怕比自駕車更高,在政治經濟已因人工遭自動化威脅而動盪的此時,自駕貨車的出現將衝擊為數眾多的藍領勞工,根據美國勞工統計局的資料,貨車相關的工作有170萬筆。儘管卡車司機短時間內還不太可能被科技取而代之,但工作性質幾乎肯定會有所變化,而且結果不見得會是人人所樂見。

降低改裝成本

Otto總部設於舊金山南市場(SoMa),這個一度破敗沒落的街區,因為許多科技新創公司進駐而再生,但Otto與其他新創公司不同,舊家具倉庫幾乎原封不動地充當車庫兼機器車間使用,工具檯和電腦桌放在幾輛拆解程度不一的聯結車車頭四周,年輕俐落的Otto產品經理博迪尼斯(Eric Berdinis)自豪地指出:「我們辦公室一點也不閃亮花俏。」

博迪尼斯展示了安裝在Volvo拖車頭的最新一代Otto技術,這套系統的研發速度很快,硬體已不再是去年測車時用螺栓固定、東拼西湊的樣子,新一代感測器和處理器更融入Volvo駕駛室整體配置,整組設備包括四支前視攝影機、雷達、一個加速度計,博迪尼斯誇口:「導引能力幾乎是政府所允許最接近導彈的程度」。
Otto這項技術的最核心關鍵是雷射雷達系統,電射雷達(LiDAR)使用脈衝雷射光來收集貨車四周的詳細數據,Otto目前配備由外部廠商供應的電射雷達測距儀,每組成本約10萬美元,但Otto內部設計團隊正在開發自有版本,可望將造價降到一萬美元以下。

安裝在車頭的客製化液冷式微型電腦,只有一個麵包盒大小,照博迪尼斯的說法,若是以這麼小的空間來看,能夠容納如此大的運算能力是史上首見,唯有如此,才能接收大量傳入的感測器數據,帶入導引運算公式後,依戴重量調整煞車和轉向指令,這套系統的硬體裝置包括一個線控驅動箱,藉由分別安裝在機械轉向、油門和煞車系統上的電機驅動器,將電腦輸出結果轉換為具體的車輛控制訊號,駕駛室裡還有兩個紅色大按鈕(Otto稱作大紅鈕),可用來解除一切自駕狀態,不過即使沒有大紅鈕,這項系統的設計是,駕駛座上任何人緊急轉動方向盤或重踩煞車都可以解除自駕設定。

Otto於2016年初,由Google自駕車團隊的李文多斯基(Anthony Levandowski),負責Google地圖的羅恩(Lior Ron)及其他兩人創立,Otto 自然而然以Google豐富的無人車經驗為基礎,瞄準美國境內總數400萬輛的貨車,Google 自駕車己在美國好幾州的道路上,累積測試超過200萬英哩(約320萬公里),Volvo貨車、戴姆勒貨車、Peterbilt也都長期投入自有貨車自駕技術的開發。

另一個明證是,Uber去年8月收購Otto,據傳成交金額為6.8億美元(約新臺幣210億元),博迪尼斯表示,這項交易使500名Uber的自動駕駛技術工程師可為Otto團隊所用,Uber自駕車開發計畫目前由李文多斯基主持,Uber已表示目標是建置一個完整的高度自動化客貨運輸網。

目前在道路上配備Otto技術的貨車只有七輛,但這家公司希望接下來會有更多貨車車主願意安裝這套免費設備,加入實測行列。博迪尼斯說,Otto正努力將這項技術的價錢降到一兩年內就能回收成本,也就是以改裝而言,費用約三萬美元(約新臺幣90萬元)。博迪尼斯提到:「我們期望政府未來會強制規定安裝,並要求貨車製造商在新車上配備自駕系統,不過貨車開發周期要八年,我們不會坐著空等。」

讓駕駛能喘口氣

去年10月,一輛Otto自駕貨車運載2,000箱百威啤酒,從科林斯堡(Fort Collins)到科羅拉多泉(Colorado Springs)。行經科羅拉多州25號州際公路的200公里路途中,車上唯一人類司機坐在駕駛室後面的臥舖,絲毫未插手操控。

這趟由自駕聯結車執行商業運輸的創舉,雖然證明了這項技術的潛力,卻也顯示出目前的侷限,這趟車上下高速公路都是由人類以老方法手動駕駛,因為貨車自駕技術無法在鄉村小路或市區施展,另外,即使已經開上高速公路,前方也會有一輛車開道,以確保最外側車道維持淨空,Otto系統設定為只走最外側車道,因為許多道路都規定貨車只能走最外側,而且一般認為走外側比較安全,途中並有 Otto人員車輛和科羅拉多州的州警警車隨行護送。

配備Otto系統的貨車進行測試時,即使在高速公路上,也一律有像墨菲這樣的職業駕駛在駕駛座上待命,隨時準備好立即接手,車頭還會有另一名Otto員工,路面有殘骸或遇到施工時,墨菲就按下大紅鈕。他說:「我兩手一直握著方向盤,要很努力才能維持專注,隨時做好準備,跟平常開車比起來,其實更難。」(我原本受邀參加Otto試車,但在約定時間前不久,他們通知我行程安排沒溝通好,那個時段沒有可以試乘的貨車,我懷疑臨時取消跟當天早上下了大雨比較有關係,因為大雨可能造成自駕車失靈,不過Otto堅持不改說辭。)

事實上,Otto澄清沒有打算推出完全無人駕駛的自駕貨車,博迪尼斯說:「我們離無人自駕貨車至少還有10年。」但Otto確實期望讓司機能在高速公路巡航期間喘口氣,到駕駛室後座休息、工作,甚至小睡片刻,這是自駕貨車經濟效益最大的部分,每名駕駛跑車時間的法定上限為每天11小時,每週60小時。鑑於聯結車新車一輛要價約15萬美元(約新臺幣460萬元),加上司機停在路邊休息會拉長貨物運送時間,幾乎能每天24小時連續跑的貨車,可望大幅降低運輸成本。

讓貨車在美國全長23萬英里(約37萬公里)的高速公路上自動巡航,預料還能省下別的開銷,燃油占長途貨車運營成本的三分之一,雖然駕駛能控制以每單位燃油跑最長里程數,但很多人油門踩太重。(博迪尼斯說,最厲害的駕駛平均燃油效率比最差的高30%。)Otto設備的設定會保持貨車以最佳速度和加速度行駛。

再者,車禍也可望減少。美國每年因大貨車和大客車事故造成約4,000人死亡,10萬人受傷,死亡車禍約七分之一與疲勞駕駛有關。逾九成事故的全部或部分肇事原因在於駕駛錯誤,雖然我們不曉得自動化技術可以避免其中多少錯誤,也不知道會引起什麼新的錯誤,但從實測看來,自動駕駛技術的確能減少失誤。

只要自駕貨車仍需要有駕駛待在車上的一天,司機似乎不必擔心丟掉工作。就某些方面而言,這份平均年薪約四萬美元(約新臺幣122萬元)的工作,甚至會獲得改善,因為,一天開貨車11個小時的壓力很大。2013年德州那場事故的駕駛人穆格里耶夫坦言:「身體和精神都會很疲勞。」(調查未發現他有過失責任。)博迪尼斯說,切換到Otto自駕模式時,駕駛除了能在車上小睡和放鬆外,也可以把握離手的時間,處理運輸業繁重的文書工作,聯絡回程要載的貨,和親友聊天,學習其他專長,或作自己的生意,他說:「而且做這些事時,他們照賺開車的薪水。」

這些可能的福利會讓貨車駕駛的招聘和訓練變容易,事實上,歐美各地司機嚴重短缺,令人憂心,美國貨車協會估計目前美國職業駕駛缺口約五萬人,預估未來八年將需要總計近90萬新司機加入,Volvo貨車產品安全主任阿姆圭斯(Carl Johan Almqvist)坦言:「有客戶打電話來說,買車要是附司機,就跟我們買十輛新車。」

自駕貨車對貨運公司和司機的潛在利益,受到俄亥俄州州政府的背書。俄亥俄州是美國的貨車集散地,貨車駕駛超過七萬人。州政府已承諾投入1,500萬美元,在哥倫布市外的高速公路加蓋長35英里(約56公里)的自駕貨車測試段。美國貨車協會會長和俄亥俄貨車協會會長都公開表示,自駕卡車對貨車駕駛有益。

然而,自駕技術不僅僅可讓貨車司機這份工作更吸引人,或許也可填補貨運公司的司機缺口。一旦有天大家能接受自駕系統取代駕駛員,還有什麼理由要留人?畢竟,經營貨車運輸的每單位距離成本中,司機就佔了三分之一。

在可預見的未來,即使車上仍需要司機,對他們的生計是否有利仍不得而知。這是因為駕駛待在後座的時間,目前沒有法律規定雇主必須要付鐘點。更重要的是,貨運公司很可能被迫把不斷出車所省下的成本,反映在降低運輸費用,提高競爭力。價格下降可能對貨車駕駛的薪資造成壓力,穆格里耶夫說:「如果運送價格因為自駕技術降低,公司會說,『你真正開車的時間沒那麼長,所以薪水不用那麼多。』」

安全仍有疑慮

Otto的技術能否在交通繁忙的高速公路上,平安地駕駛一輛八萬英磅重(約 40 公噸)的貨車?車上配有司機並不能彌補任何系統上的缺陷,因為根據Otto自己統計,休息中的駕駛員可能需要長達30秒的時間,才能從後方回到駕駛座上就緒。

Google自動駕駛車的長期紀錄讓我們很有信心:七年數百萬英哩內僅發生20次碰撞。其中只有一次事故原因出自車輛本身,同樣的縮減車道情境,Otto會交由人工駕駛。

但這項記錄無法用來預測未來自駕貨車的安全與否。正如博迪尼斯所指出的,危急情況下,大貨車無法像小客車一樣靈活閃避,高速行駛間急速硬打方向盤可能會使貨車甩尾或翻覆,時速55英哩(約時速 88 公里)行駛中的貨車,踩下煞車後,會滑行一個足球場縱長的距離,才停得下來。貨車兩側離車道線各只有六英吋(約 15 公分),因此即使側面遇到再小的危險,稍微閃避就會偏離原有車道。博迪尼斯直言:「自駕小客車的避險運算法幾乎都無法套用在大貨車上。」

貨車的優點之一是有些感測器可以裝在駕駛室車頂,位置較高,偵測得到較遠的前方交通狀況。但即使最先進的感測器也不一定能取得準確無誤的數據,強烈陽光會造成攝影機短暫過曝,電腦有時分不出路邊是車子或大型標誌,另外,設備還可能因飄雪、結冰、風沙而損壞。系統也無法解讀附近車輛駕駛的表情和手勢,從而預測其他車輛接下來的駕駛行為。 再者,很少有系統分得出搭便車的手勢和建築工人要求路邊暫停的動作。

自駕小客車雖然也受到同樣限制,但因為主要在市區道路行駛,所以表現差強人意;相較之下,大貨車在高速公路上高速行駛,且操控靈活性受限,失靈的狀況可能更常發生,Volvo貨車的阿姆圭斯坦言:「這些挑戰我們還沒克服。」聯結車職業駕駛通常需要接受好幾個月的駕訓,以及數千英哩的實習,才能獨當一面。因此,大貨車的自駕系統要做到與人類駕駛技術相當,比小客車更加困難,穆格里耶夫在前軸斷掉,車前還卡住一輛撞爛的小客車時,還可以安全地把大貨車煞住,所以難免好奇自駕系統辦不辦得到。

基於以上安全考量,Volvo的自駕貨車行駛範圍只規劃在礦場和港口等不對外開放的場地,目前沒有讓自駕貨車開上一般道路的計畫,阿姆圭斯說:「在一般道路上,這項技術只會用來輔助駕駛,而非取代他們。」Volvo仍然不清楚社會大眾對自駕技術的接受程度,因此偶爾會在測試自駕貨車時,判讀經過車輛的車牌號碼,藉此追查出車主,以進行意見調查。

博迪尼斯承認面臨挑戰,但也堅持為達成這些條件,Otto正加快研發速度,他直言:「在我們能確定沒有任何狀況會需要人類緊急接手駕駛前,不會上市。」
Otto也必須向主管機關證明,他們的自駕系統已作好開上高速公路的準備。博迪尼斯強調,Otto和 Uber不同,Uber挾消費者對旗下叫車服務的愛戴,自駕車上路之後,才與法規角力,Otto會一切照規矩來。

連Volvo的阿姆圭斯也認為自駕技術不久就會出現在一般道路,但時機的掌握是關鍵,他補充:「萬一因為倉促上路而發生事故,整個產業都會受到波及,一旦失去大眾信任,就難以挽回了。」

臉部辨識支付

中國大陸已將人臉辨視系統用在授權付款、通行管制、追蹤罪犯,其他國家會跟進嗎?

一走進Face++大門,我就在入口處附近的大型螢幕上看到自己的臉,滿臉鬍渣,一臉時差還沒調過來的樣子,Face++(讀作「face plus plus」),是一家位於北京郊區的中國大陸新創公司,市值估計10億美元左右(約新臺幣300億元)。

我的臉被存進資料庫後,就變成在這棟大樓的自動通行許可,也可以用來監視我在內部不同辦公室間的移動,參觀Face ++辦公室期間,我好幾次看到自己的臉出現在不同螢幕上,全是他們公司軟體自動從無數不同角度拍的,其中一個螢幕上正播放這套軟體同時追縱我臉上83個不同點的影片,這有點毛骨悚然,卻也無疑令人印象深刻。

過去幾年中,電腦的人臉辨識能力變得非常強大,出於在監控和便利上的好處,這項技術在中國大陸推展迅速,從警政到日常與銀行、商店、運輸服務的往來方式,都可能因人臉辨識而改變。

已有幾支常見的應用程式運用Face ++的技術,在中國有一億二千萬用戶的行動付款軟體支付寶,只要掃描臉就可以登入轉帳,同時,中國大陸最大共乘平台「滴滴出行」,則提供乘客可以使用Face ++軟體,確認駕駛人是合格司機。(為防有人以照片矇騙系統,Face ++會進行「活體」檢測,要求接受掃描中的人轉轉頭或說說話。)

這項技術在中國大陸率先普及的原因,在於中國大陸對監視和隱私的態度和美國等國家不同,中國大陸建有龐大的身份證照片資料庫,我在Face++採訪期間,見識到地方政府用這套軟體來過濾監視錄影帶中的嫌犯(監視器在中國大陸無所不在),我印象很深刻(雖然有點反烏托邦),因為那些影片的品質實在不怎麼樣,嫌犯照或其他檔案照又可能是幾年前的老照片。

人臉辨識已存在幾十年,但直到如今,準確度才足以用於金融交易安全認證,新的人臉辨識技術運用深度學習這種人工智慧,會讓電腦專注在一些藉以辨識身分最可靠的臉部特徵上,因此用於影像識別特別有效。

北京大學助理教授張史梁指出:「人臉辨識有很大的市場。」張史梁的專長是機器學習和影像處理,我走進他離Face++辦公室不遠的研究室時,他的學生在十幾個隔間裡埋頭工作,張史梁表示:「安全在中國大陸非常重要,另外我們人口也多,所以很多公司都在這上頭努力。」

百度(Baidu)是其中之一,百度經營中國大陸最多人使用的搜尋引擎,並提供其他服務,百度研究團隊曾發表論文證明他們的軟體在人臉辨識能力上,與多數人類相比毫不遜色,為證明這點,百度今年一月上「最強大腦」節目挑戰人臉辨識高手,憑童年照片找出現場對應的成人,結果一舉打敗眾高手。

百度目前正在開發一套人臉認證的鐵路取票系統,並已與旅遊勝地烏鎮鎮政府合作,為這座古鎮提供各景點的免驗票臉部掃描放行,這套系統會掃描資料庫中的數百萬張臉,比對出遊客的身分,百度表示準確率可達99%。

清華大學副教授唐杰曾在Face++幾位創始人求學時期指導他們,唐杰指出,這項技術最吸引中國人的地方在於便利,有些住宅大樓使用人臉辨識管制出入,商店和餐廳則希望這項技術能帶來更順暢的客戶體驗,他表示,人臉辨識不僅可以用來付款,有些安裝人臉辨識系統的咖啡店,會在顧客進門時接到提醒,「店員就說,『唐先生,您好。』」

下載全文PDF Icon下載全文PDF


[{"text":"企業網","weight":13.0},{"text":"材化所","weight":11.5},{"text":"機械所","weight":10.0},{"text":"綠能所","weight":9.4},{"text":"生醫所","weight":8.0},{"text":"半導體","weight":6.2},{"text":"南分院","weight":5.0},{"text":"太陽能","weight":5.0},{"text":"課程","weight":5.0},{"text":"遠紅外線","weight":5.0},{"text":"雷射","weight":4.0},{"text":"LED","weight":4.0},{"text":"LED可見光","weight":3.0},{"text":"5G","weight":3.0},{"text":"工研人","weight":3.0},{"text":"電光所","weight":3.0},{"text":"綠能與環境研究所","weight":3.0},{"text":"機械","weight":3.0},{"text":"資通所","weight":2.0},{"text":"面板","weight":2.0},{"text":"文字轉語音","weight":2.0},{"text":"實習","weight":2.0},{"text":"無人機","weight":2.0},{"text":"生醫","weight":2.0},{"text":"3D","weight":2.0},{"text":"v2x","weight":2.0},{"text":"員工","weight":2.0},{"text":"地圖","weight":2.0},{"text":"太陽光電","weight":2.0},{"text":"材料與化工研究所","weight":1.0}]