【墨者與馬克思主義者的對話】

10月是革命的月份。因為從事土地運動而與台灣馬克思主義者有不少的合作機會與對話。以下是今年8月《火花》和《保衛馬克思主義》對我的訪問。最後一個問題的回答顯示出「墨者」與「馬克思主義者」的不同。

陳致曉教授是國立臺灣科技大學副教授和台灣土地正義行動聯盟的理事長。他長年參與並組織反抗藍綠兩黨政府在台灣各地推行傷害居住權益的土地徵收暴行。

在《火花》同陳教授的訪談中，陳教授詳細地為讀者們介紹了台灣政府長年來如何連貫地輕視貧苦人民的居住權益，在藍綠輪替的政治背景下連貫地執行對財團和統治階級有利的政策。儘管台灣在90年代後實現民主轉型，但是國民黨和民進黨中央和地方政府則不斷透過操作程序和黑箱作業等手段強行摧殘貧苦人民的權益。這也顯示了資產階級民主體制終究也是只有提供給資產階級民主權益，但一般勞苦大眾卻還是要接受統治階級專政擺佈。

《火花》：可以請陳老師向我們全世界的讀者們介紹自己，自己如何參與抗爭，以及後來像是台灣土地正義聯盟是如何成立的？

陳致曉：我剛上大學時，臺灣解嚴，隨之而來的是第一波學生運動。我那是剛好是台灣國立清華大學觀瀾社的社長。觀瀾社是一個異議性的社團。那時我就已經開始參與關於農運、工運、環境運動，或原住民正名運動。但那時候我也只是一名參與者，還談不上是一個組織者的角色。我本身是念電機的，後來到美國唸書後，在生活上與社會運動脫節。我在美國紐約取得博士學位，在貝爾實驗室工作了一陣子後，回來台灣。回台後，我先加入企業，開始意識到台灣企業文化的不合理。後來延伸到我試著理解台灣社會的運作，就再去讀了一個EMBA與兩年法律研究所。

我一直在企業、學術領域，一直到九年前。那時，我爸爸媽媽告訴我：我們家可能要發生大事了。他們接到了一張紅單字，內容寫得不清不楚，但是有包括 “一般徵收”四字。對普通老百姓而言，這個詞彙一點都不”一般“，因為沒有人知道它的意思，也不知道”別種“徵收有何不同。我回家跟父母商討如何面對此事。我們採取的第一步不是對抗，而是理解實況。

這個案子跟我們家有很特別的關係，因為我父親是從成功大學土木系畢業的甲等土木技師，對這件案子有一定程度的熟悉程度。台南鐵路地下化的策劃是在民國80年就開始了，在84年有第一版本的定案（那時還是台灣省政府），且也有諮詢過我的父親，因為當時設計（此案）的總工程師是我父親的同學。

在鐵路地下化工程施工時，這個工程需要兩條軌道：一條軌道是施工軌道，另一條是讓列車通行的軌道。本來的計畫是跟老百姓借土地來蓋臨時軌道，寬度只有十公尺，而原本地下化的路線也是沿著原有的地上鐵路蓋的。這是對老百姓來說侵害最低的作法，也是全世界各地常見進行鐵路地下化的做法。因此，一開始我父母以為這個工程只會影響到我們家後院。我們只要讓政府使用五/六年的土地，他們隨後就會還我們。這是我們願意配合的方案。

但是，在我們參與的2012年8月23日第一次說明會上，我們才發現他們的計畫實際上是把永久地下化的鐵道搬到百姓家裡面，用老百姓的土地蓋永久軌道。因此所有施工需要的用地都會被政府騰空。在加上永久軌道的寬度是十六公尺，遠高於臨時軌道，且包括將鐵道往東移動的幅度，整體而言大概會移動二、三十公尺不等的地方，也代表鐵路東側附近整區的住宅都必須要清空，嚴重傷害百姓權益。

我父親由於懂工程，馬上質問說明會上的鐵路工程局代表。但鐵工局的人完全不想回答，因為他們以為他們碰到的是無知的老百姓，就用非常無腦的回答敷衍了事。除此之外還有非常多類似的例子，我就不一一細數了。我父親繼續以他的專業知識和鐵工局人員辯論的時候，後者開始意識到有清楚狀況的人在群眾內部，但這也是不夠的，因為大部分與會的老百姓都不理解事態，所以他們仍可以敷衍，隨意解散會議。

當時的政治背景是：2012年，也就是全民認為應該打倒萬惡國民黨的時候。當時中央政府是馬英九政權。那時的台南已經歷20年無間斷的民進黨執政，一般民眾仍然非常相信民進黨，包括我父母，甚至我自己在內。我在紐約唸書時，民進黨在國民大會選舉上失利，我隨後在民進黨最低迷的時候加入他們。我過去在參與社運時對抗的對象也都是國民黨。因此，我們一開始以為民進黨籍的台南市長會不會是被國民黨騙了。我們隨即去找工程專家試圖教育台南市政府這項工程的實際影響，讓他們不要被國民黨騙，並且意識到可能涉及的人權侵犯問題。

在此過程中我們也跟政府要資料，政府卻什麼都不給。台灣的《政府資訊公開法》根本是假的，一般人無法真正取得資料。作為學術人士，我一開始對這個問題的心態是採以研究的觀點去理解這個案子。於是我試圖透過各種途徑取得公文，並抽絲剝繭拼湊真相。這個過程經過了五/六年。

原來，這整件事的始作俑者根本不是國民黨。作惡多端的是民進黨，是陳水扁總統在第二任期期間所幹的壞事。當時民進黨許添財市政府（民國96年）向中央政府提議“南鐵東移”，，聲稱鐵道東移可以增加土地開發的面積，藉此政府可以擴大財源。但至今，民進黨政客包含時任台南市長的現任副總統賴清德，仍矢口否認“南鐵東移”計畫。

在台南市政府向行政院申請贊助此案時，行政院召開了政府部門內部對此的座談會，其中與會者包括鐵路工程局。而鐵工局認為工程雖然可行，但是台灣鐵道公司當時已經虧損兩千多億台幣，必須要有土地利益來彌補虧損。也就是說，台南市政府必須要將鐵道東移的部分土地利益分享給台鐵。

這個土地利益有何而來？就是從掠奪老百姓土地而來。目前南鐵東移案涵蓋的範圍是8.1公里，需要拆400戶，受其他影響的是1000多戶。其徵收面積是5.1公頃，相較於其他縣市不時會徵收百餘公頃，看來可能很小。但我同時查到。在2012年8月，時任的台南市副市長林欽榮，曾任營建署署長，並在藍綠執政時期，在各地都有從事土地掠奪的活動。後來他投靠台北市長柯文哲去當台北副市長，並在北市搞了一大堆土地掠奪案。其實，台灣不是只有他在做這種事情，而是整個產官學合作結構，整個系統產生的結果。

回到南鐵東移案，我也查到了很多公文之間的往返。台南市政府跟經建會，經建會跟交通部，交通部跟財政部，這幾個公家機關彼此之間流通的公文內，都有提到此案。台灣政府內的“交通幫”官員們在政府易主時是不會被換的。當時行政院長（國民黨的）毛治國說：“台南鐵路地下化是台鐵的金雞母。”可以為台鐵創造非常多的土地利益。我再繼續查下去，發現最終的得利者不是政府機關。最後得利的人就是財團權貴。這一切都是我在做反南鐵東移運動的過程中學到的東西。

日後我去幫忙其他類似的案子時，同樣也查資料、讀公文。這樣我們可以破解他們的謊言。如此一來，談道理他們絕對談不過我們。但是我們的政府也不是會跟我們講道理的。但是，由於道理在我們這邊，也使得我們可以擋他們九年。他們原定計畫是在半年到七個月內將居民全部逼走，我們卻跟他們對質了九年。因此我們也算是有點功績。

我後來查到：政府公文內清楚地表示，南鐵東移案的目的是作為台灣“以土地利益補償軌道建設的示範例”。後來，這個案子就延伸成為“前瞻計畫”。所以，南鐵案是“前瞻計畫”的前身。前瞻計畫是更大規模利用鐵道變遷去掠奪土地的計畫，影響全台灣。

當我們去發掘這麼多真相時，又如何反應？我們先從賴清德談起。賴清德是民進黨的政治明星，很多人寄望他可以打倒國民黨。一開始我們也有跟他陳情，但我們首次跟他面對面會晤時，他卻一直逼問我我手上有什麼資料？知道了什麼？可笑的是，他把這起會晤安排成一個很溫馨的場合，卻忍不住自己內心的焦慮，逼問我的資料從何而來。儘管市政府什麼資料都不給我，他看到我還是振振有詞，（顯然恐慌）。這個政府本身就不願意老百姓知道太多。對他們來說，百姓就是愚民，就必須要接受他們的做法。他們起初在面對百姓時，不斷強調這件事情“已經定案”，我們只能談補償的事宜。他們企圖把這項案件所有的正當性和計畫呼攏過去，直接跟百姓談補償。這種做法，在台灣各地土地案件上都是一樣的。柯文哲也是。國民黨也是。這是官僚體系為了方便行事，快速消滅老百姓阻力的方法，因為百姓一旦開始跟他們談補償條件，談不攏的話，政府就會放話說百姓貪心、貪財、阻擋公共建設。但我們知道這件事的不公不義不在於補償，而是他在一開始行徑就是莫名其妙違反法律的。

您如何看待當前土地徵收制度與都市計畫審議制度？包含補償費用、程序審議過程或者說您長期抗爭中的發現的制度問題或者有什麼不可改變的現象，有沒有什麼願景？

陳致曉：就目前的體制來說，我沒有什麼願景，因為台灣沒救了。但是，若可以由我來改的話，最重要的就是司法的公正性。台灣的司法是完全沒有公正性的，仍然被有權力的人緊緊抓在手上，特別是檢調單位和行政法庭。這個領域如果沒有改革，我們任何其他的（土地政策）改革都沒有用。民主社會裡行政、立法、司法這三個部門內，如果司法沒有獨立的話，其他就免談。

在行政上該怎麼做才比較合理呢？其實有幾個很簡單的層面。首先，今天政府欺負老百姓，老百姓跟政府對抗，必須要有平等的工具。何謂平等的工具？至少資訊要很容易取得，把那些可以公開的資料讓老百姓很容易透過搜尋引擎調閱相關公文，而不是需要親自去政府機關申請調閱，然後遇到政府百般阻撓。有時政府人員一天只讓你讀20頁。很多時候高達70幾件公文都被包裹在一起，讀者也不確定在這份包裹裡面是否真的可以找到讀者想要查找的公文。台灣的《政府資訊公開法》竟然是這樣規定的。文件很多是100-300多頁，到底要從何讀起？很多讀者因此找不到相關資訊。老實說，我使用的資料都不是透過《資訊公開法》找到的，都必須要透過關係，像是委員，甚至是有人以“令狐沖”的匿名寄給我的（笑）。所以《資訊公開法》是需要改革的，但是很多人沒有談到這些事。

除此之外，所有關於土地徵收或重劃等等的相關法令應該從頭修起。現在的情況是：（中央）政府自己訂了一個興辦事業（計畫），而市府後來推動都市計畫的時候就以”興辦事業計畫已經通過”來聲稱自己的都市計畫是合理的。很多政府官員和都計委員在回答民眾質詢的時候就如此回答。行政程序中，老百姓沒辦法質疑計畫缺失，政府卻聲稱一切按照程序，不能更改都市計畫。隨後，就是依據都市計畫起草的土地徵收計畫。當民眾質疑土地徵收問題時，（官員們）他就會說：”都市計畫已經通過，所以土地徵收合理”。所以（在土地問題上）還是要回到“興辦事業計畫”制度。在制定興辦事業計畫的階段就應該要有公民參與機制。因為政府單位只要確立興辦事業計畫，輾壓百姓的火車就開動了。老百姓要擋就很難了。

中間要怎麼去對抗？我們必須要有公民和政府官員平等對話（的機制）。我認為政府現在覺得老百姓很無知，但事實不是如此。我們都知道專業在民間，但是政府仍然亂搞。一個公平對話的機制應該要在興辦事業計畫的階段就開始了。（公平對話）的前提是政府資訊要透明，透明了才有辦法讓民眾檢驗。而政府在遭到民眾質疑時也必須要誠實回應。可以達到這個公平的平台就是“行政聽證”。我們認為透過行政聽證，老百姓和政府才有平等的對質。沒有平等，政府就會為所欲為。不只是興辦事業，而後的都市計畫和土地徵收計畫都應該要有聽證。

對於這個構想，有人可能會說：如果實施，政府效率就會變差。那我認為我們應該對“政府效率”的認知重新思考。我認為：政府並不是一個無法學習的機構，而是現在的文化沒有讓他學習的動機。

《火花》：曾聽您說過您有涉略一些馬克思主義的觀念，那您在抗爭過程中有無相關的啟發或連接呢？

陳致曉：我對哈伯馬斯的理論有比較多認識，因為他對我的一些主張提供了非常好的理論基礎，讓我去檢驗政府的謊言，並透過這樣去教育民眾政府在說謊的事實。同時，我也反思從前讀過書的荒謬之處。

我在大學時代受《人間雜誌》影響，常常強調如“向群眾學習”、“站在人民群眾當中”這種東西。我當然（贊成）在群眾之中。我在抗爭初期對群眾所抱持的一些誤解，的確是源自受《人間雜誌》的影響。實際組織抗爭後，我覺得（他們說的）是完全不符合邏輯的東西。如果老百姓是值得學習的話，今天這個社會會這麼亂七八糟嗎？今天社會會這樣，就是因為一般老百姓亂七八糟。沒有亂七八糟的老百姓，怎麼會有亂七八糟的社會？政府今天如此的行徑就是因為老百姓在某種程度上寵壞政府、政客，以及老百姓的愚蠢，無法認知自己的階級地位。我看見人民群眾就是出賣革命者的人民群眾，那我還能跟他們學什麼？

因此，我個人思想的第二個階段就是跳脫“我是在為誰”抗爭的這個思維。我最後是很自私的。你可以問我：我對台灣社會這麼沒有希望，那為什麼還要出來做（抗爭）這件事？理由很簡單：我今天做這件事的價值在於我自己。我今天做這件事不是在於我認為可以如何改變社會多少，因為可能根本沒有改變，我在有生之年可能都還是會看到這些亂七八糟的事情再發生。我做這些事就是對於我個人靈魂存在本身（帶來）最大的價值。就算我們沒有辦法改變社會，至少我們可以改變自己，讓我們自己變得更好。這就是這個價值本身。這個社會是我沒辦法改變的，我現在是很悲觀的。

《火花》：您於今年初以無黨籍但明確反對藍綠姿態參與了台南市第五選區的立委選舉。您起初參選的目標是什麼？現在又如何總結參選的經驗和成果？

陳致曉：我在選舉之前，讀過三四年的墨家。我參選的決定是由於我受到墨家思想的影響，想要玩玩看。墨家的概念其實就是科學家、工程師的概念，跟我非常搭得上的。它根本立場是：我們（先）看透這個世界，理解其運作的原理和方法之後，我們就找最有效率的方法去改變它。牛頓（編者：實際上是阿基米德）也說：“給我個支點，我就會翻轉這整個地球。” 這是我在參選時候的思維，跟我現在的觀點是不一樣的。

當時我認為，我們現在所生活的社會，不可能去搞武裝革命。政府有槍，有（武力）。政府現在控制（社會）的方法比幾百年前先進太多了，所以不可能有我們從前想像的那種革命，所以必須要透過選舉。當然，我以前在做社會運動的時候，我的確有接觸過群眾，但是畢竟都是某種特定類型的群眾，都是某種被害者。但是透過選舉，我就真的走進了更廣闊的群眾之間。我到菜市場，街頭上演講，不斷增加我跟其他人接觸，對話的集會，試著散佈我的看法，儘管他們可能聽不懂。在這個過程中我也可以學到一點東西，譬如幫我選舉的朋友就會建議我修改我的語言，用詞，讓我們可以尋找能夠跟一般人溝通的途徑。

那次選舉，我覺得我對於如何跟一般老百姓溝通這邊學有所得，我也可以理解老百姓是怎麼做決定的。那我了解之後，老實說我覺得很可怕。台灣老百姓真的不是靠理智決定的，絕大部分是靠感覺決定的。感覺都是他們生活周遭親友和電視上的訊息輸送給他們的。這都是不理性的，但這就是現實。我覺得你如果要去改變社會的話，你必須要去抓到那種“感覺”，把你理性產生的主張換成可以感覺的語言，並大量散佈出去。這個途徑可能可以改變社會。當然，這是需要資源的，而我在參選時沒有資源，就需要用很原始的方式。

選舉讓我檢驗了墨家的思想。墨家後來有很多分支。法家、陰陽家，名家，鬼谷子(縱橫家)也受墨家影響。墨家的核心觀點是“庶民”，雖然後來發展各派的觀點也不見得是“庶民”，但仍是主張我們看透這個世界後，找到最有效的方法作為反轉它的切入點。選舉就是這個最有效去接觸群眾的途徑。我其實不認為自己是左派。我是很輕視群眾的。但是我還是了解如果要改變社會，就需要透過選舉。

《火花》：在台灣，我們認為台灣應該有一個由勞工和社區草根性組織聚集起來組織和運作的工人階級群眾政黨來對抗藍綠財團勢力，您如何看待這項主張？

陳致曉：我覺得當前在台灣左翼有幾個問題。第一個是語言，我們不能再用那些專有名詞與先賢的用語，說些什麼主義或者其他專屬用語。一來群眾聽不懂，沒有辦法把你的觀點傳達過去，甚至有些說法未必符合當前台灣的現況。因此我覺得我們必須修正用語，才能有效把你想說的傳達出去。再來是統獨問題，我覺得統獨問題是左翼必須去面對的。如果對主權沒有一個完整的論述，那是無法取得台灣人民的信任的。最後是組織，必須要有一個有方針與行動力的組織，從一開始的行動到最後的宣傳都有所規劃運作的組織才能創造成功的運動。

《火花》：最後，您有沒有想跟《火花》還有《保衛馬克思主義》全球讀者們說的話？

陳致曉：不要侷限在學術上面先入為主的理論主義，因為那些已經都是過去的東西。把讀過的東西轉換成你的行動，透過行動去重新檢驗你的思想。你會找到認識這個世界的新方法。徹底擺脫這些“主義”，這些不精確的名詞本身就造成爭議。徹底地回到你作為一個人對於這個社會內關係的認識。然後再決定如何能夠去改變它，或改變你自己，或者自己過自己的生活。不要被那些經典名著，先聖先哲的語言變成你的束縛。那些理論應該是解放我們的，而不是禁錮我們的。

《花火》對我觀點的回應：
《政府加強土地掠奪，土地正義抗爭白熱化》
https://www.marxist.com/taiwan-land-expropriation-poor-cn-t…

#合作邀稿✍🏻
#貢丸湯料理教室之戶外教學日

同樣身為地方文化工作者的 老寮Hostel，默默耕耘著苗栗南庄。除了發行獨立刊物，他們也推廣在地的深度旅遊。大家有空的時候歡迎去南庄找他們玩，感受一下農村的日常風景！今天就先來聽聽創辦人關於田野調查的分享吧！

📖　📖　📖　📖　📖

地方文化工作的田野意義｜By 《耕山農創》創辦人 邱星崴
　　
「田野調查」可以說是地方文化工作者的基本功，這件事情的意義就好比於田地之於農夫，沒有耕耘絕對不會有收穫，事實上，兩者有許多相似的特質。

例如：
1. 田野狀況與田地一樣充滿不確定性，需要看天、看運氣。
2. 熟練與否的關鍵在於對各環節的掌握，而且某種程度上不可逆，只能等待下次或另外開闢。
3. 產出好壞有賴於先前投入的程度，仔細的材料才可能產出優秀的成果。
4. 成果可以再加工為其他用途，米可以做米酒、米麵包、粄條、碗粿等；田野成果可以再發展為小旅行、文創、展覽、刊物等等。
　　
如同務農一樣，田野工作也有好壞之別。許多人誤會田野就是訪談，就好比將農業專業簡化為種出來可以吃就好，事實上歪棗劣果反而讓人食不下嚥。我認為所謂「好的田野」應該建立在廣度與深度上，前者意指建立良好的田野關係網絡以及各種範疇的熟悉；後者則是提煉在地文化理念型的能力。前者往往也是後者的必要條件。
　　
首先，我們來討論田野的廣度。對田野工作者來說，建立田野關係是進入田野現場最關鍵的一步，可以說沒有田野關係就沒有田野資料，因此，編織田野地的報導人人際網絡相當重要。此外，沒有人可以觸及到田野地所有的層面，但工作者對自身的網絡型態也要有所警醒，理解自身的侷限，由於文化滲透在地方生活的方方面面，性別、政治、經濟、宗教等等，彼此交互指涉，跨出不同範疇才能立體地掌握地方文化。
　　
到了此階段，我們才有機會討論田野的深度，這有賴於穩定、良好的田野關係，以及對地方生活的熟稔，才有辦法產出夠多細緻的材料，描繪地方文化的輪廓。田野的深度就是刻劃以及詮釋的精準度。畢竟，真實的地方生活總是瑣碎、重複或一直發生各式各樣的狀況，從表面上看不出什麼「文化」。田野工作的困難之處，就是從日常生活的表象讀取出深層的文化邏輯。當田野工作者能夠提煉地方的理念型，接下來就能嘗試長時段的觀察，比較該社群或地方的歷史演變，我們才能捕捉出在地的洞見以及結構的力量，並且嘗試行動與修補。
　　
見域在新竹舊城區的努力，就是兼具田野廣度與深度的優秀案例：透過每季不同主題的發刊，探索在地不同的範疇，培養深刻的理解，並且在地方逐步生根、開展公共行動。我印象最深的一次是參加舊城區的導覽，見域團隊清楚地透過道路銜接指出舊城區不同時期的演變，從一條馬路看出清代、日治到戰後不同政權的特質，顯見該團隊對此區域用力頗深。而這也是他們的行動基礎，還號召了公民論壇，討論新竹市區更好的交通規劃。對我而言，這就是相當優秀的田野工作範例。
　　
最後，我想說田野工作對於青壯世代的文化工作者尤其重要，這是與母土對接的方式。出生於80年代後的世代，台灣各地的文化棲地已經被現代化、工業化支解，相比於長輩，我們在日常生活中承襲的「文化」多半支離破碎，這點在母語能力上最為明顯，年輕人往往無法使用許多高深精準的母語詞彙。因此，相比於上個世代的文史工作者，田野能力的優劣對我輩更加關鍵，見域在此做了很好的示範，正值五歲紀念，是最蹦跳、靈活的時候，祝福見域，一定能繼續發光發熱。

AI機器人將如何顛覆製造業？

面對AI機器人帶來的破壞式創新，台灣製造業該怎麼把握機會，在自動化典範轉移的亂局中，占有一席之地？

Bastiane Huang
Feb 6 · 1

在先前Robotics 2.0系列文章中，我們討論了AI如何讓機器人做到過去做不到的靈巧工作，並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用，透過觀察這個新技術的第一個應用場景，來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。

這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備，同時占台灣產值最高（30%）的製造業。具有自主學習能力而且靈巧的AI機器人，將如何影響製造業流程及整體產業結構？供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新？

「未來已經到來，只是先被一部分人看見。」 — 作家威廉．吉布森

The future is already here — it’s just not very evenly distributed. — William Gibson

製造業自動化現況

根據國際機器人聯合會（IFR）發布的最近報告，全球工業機器手臂的出貨量在2018年創下新紀錄，來到38萬4,000台。其中中國仍是最大市場（占比35%)，接著是日本，美國，台灣排名全球第六。

汽車以及電子製造業依然是工業手臂的最大應用市場（占比60%)，遠遠領先其他包含金屬，塑膠及食品等產業。具體原因我們在第一篇文章也討論過，由於傳統機器人和電腦視覺的限制，目前除汽車業和電子業以外，倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡，你可能會想：自動化及工業機器手臂在製造業既然已經有幾十年的歷史，該自動化或可以被自動化的部分應該都已經自動化了，還有什麼創新的空間呢？

出乎意料地，就連自動化程度最高的汽車製造業，離所謂的全自動化關燈工廠（lights out factory）也還有很大一段距離。舉例來說，汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分，平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆，主張追求最高自動化的特斯拉執行長馬斯克，都不得不公開承認，特斯拉生產線自動化的進度不如預期。

究竟為什麼自動化這麼困難？

自動化至今無法跨越的技術限制

現今的自動化生產線普遍為大量生產設計，因此能有效降低成本，但也因此缺乏彈性。面對消費者越來越短的產品生命週期，越來越多的少量多樣客製化生產需求，人類往往比機器人更能夠因應新的產品線，也不需要花費很多時間去重新編寫程式或更改製造工序。

1. 靈巧度與複雜度

儘管科技在快速進步，人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現，儘管組裝產品（assembly）已經高度自動化，但備料（kitting）的程序還是必須由人來完成。

備料在製造及倉儲業都很普遍，是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來，打包並放置在工具包（kit）的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業，這時候因為各個零件都在一個固定的位置和角度，自動化編程相對容易。相反地，備料時必須從雜亂無序的零件盒中辨識並拿取零件，零件的位置角度不一，甚至可能重疊或纏繞在一起，這對現有的機器視覺及機器人技術都是一項挑戰。

2. 視覺與非視覺性的回饋

另外一方面，很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡，這些看似簡單的動作，事實上都需要作業員或機器人接收，並根據各種視覺甚至觸覺訊號，來調整動作的角度及力道。

這些精細的微調使得傳統的自動化編程幾乎派不上用場，因為每次撿取或放置物品都不完全相同，需要像人一樣有從多次的嘗試當中，自主學習歸納的能力，而這正是機器學習，特別是深度及強化學習，能夠帶給機器人的最大改變。

Robotics 2.0：AI可以讓工廠機器人做到哪些事？

AI帶給機器手臂最大的改變就是：以往機械手臂只能重複執行工程師編寫程序，雖然精準度及速度都很高，但卻無法應對任何環境或製程改變。但是現在因為AI，機器可以自主學習更複雜的任務。具體來說，AI機器人較傳統機械手臂在3大方面有重大突破：

1. 視覺（Vision System）

就算是最高階的3D工業相機，仍然無法像人眼一樣，既可以精準判斷深度距離，又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機，既可以提供準確的深度，又能夠辨識大多數的包裝及物品，然而，這樣的情形很快就會被AI改變。

機器視覺在過去幾年取得了巨大的進展，幾間來自於矽谷及波士頓的新創，包括OSARO和Covariant，利用深度學習（deep learning），語意分割（semantic segmentation），及場景理解（scene understanding）提高了低階相機的深度及影像辨識，讓製造商不需要使用昂貴的相機，也能得到足夠準確的影像訊息，成功辨識透明或反射物體包裝。

2. 可擴充性（Scalability）

深度學習不需像傳統機器視覺一樣，需要事先建構每一個物品的3D模型。只需要輸入圖片，經過訓練，人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習，降低人工標籤數據或特徵的需要，讓機器更近接近人一樣的學習，免去人為干預，讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作，收集到的數據越來越多，機器學習模型的準確度也會進一步提升。

目前一般生產線通常有震動台、送料器、輸送帶等週邊設備，確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展，讓機器手臂更加智能，或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面，由於深度學習模型一般儲存在雲端，這也讓機器人能夠互相學習，共享知識。舉例來說，若有一台機器手臂經過一個晚上的嘗試，學會如何組合兩個零件，便能夠很輕易地將這個新的模型更新到雲端，並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間，也確保了品質的一致性。

3. 智能放置（Intelligent Placement）

一些對我們來說一點也不困難的指令：請小心輕放，或把物品排列整齊，對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」？是在物體碰觸到桌面的瞬間停止施力？還是在移動到距離桌面6公分處放手讓物體自然落下？或是越靠近桌面就越降低速度？這些不同的定義又會怎麼樣影響物品放置的速度和精確度？

至於將物品「排列整齊」就更困難了，先不論每個人對整齊的定義都有所不同，為了能將物品精準地放置在想要的位置及角度，我們首先必須要先從正確的位置拿取物品：機械手臂依然不如人手靈巧，且目前一般機器手臂大多使用吸盤或是夾子，要做到人類關節及手指的靈活度，還有一大段距離。

其次我們要能即時判斷夾取物體的角度位置及形狀大小，以下圖的杯子為例，需要知道杯口朝上或朝下，要側放或直放，也要知道放置的地方有沒有其他物品或障礙物，才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務，這些複雜的作業幾乎不加思索就可以完成，但機器並沒有這樣的經驗，必須重新學習。

經由AI，機器手臂可以更精準地判斷深度，還可以透過訓練，學習判斷及做到杯子朝上，朝下等不同狀態。也可以利用對象建模（Object Modeling），或是體素化（Voxelization），來預測及重建3D物體，讓機器可以更準確掌握實際物品的大小和形狀，進一步將物品放到該放的位置。

AI機器人將如何顛覆製造業？

現在我們知道AI可以讓機器做到許多以往做不到的事，但這對製造業現行的產業結構又會有什麼影響？誰能夠把握住新科技典範轉移技術帶來的機會？哪些公司又會面臨前所未有的挑戰？

AI機器人帶來的破壞式創新（Disruptive Innovation）

破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生（Clayton Christensen）在其著作《創新的兩難》（Innovator’s Dilemma）當中提出。理論的中心思想是：
產業中的既有業者一般會為了服務現有客戶（通常也是利潤最高的客群），而選擇專注於「持續式創新」，改善現有的產品及服務。此時，一些資源較少的小公司把握機會，瞄準被忽略的市場需求，而取得進入市場的立足點。
破壞式創新又分為以下兩種：

（1）低階市場創新

一般大家較為熟悉的是「低階市場創新」，數位照相技術就是一例。早期的數位相機不僅解析度不佳，而且還有快門延遲很長的問題，但隨著數位照相品質及解析度逐漸進步，數位相機逐漸從低階市場晉升為主流。諷刺的是，柯達雖然研發出數位相機，但卻因為無法放棄當時該公司占據全球3分之2的底片市場，而最終被新技術淘汰。這正是所謂的「創新的兩難」，既有業者雖然看到新科技的威脅，但卻因為現有公司結構，策略等種種原因無法及時因應。

（2）新市場創新

「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如，電話剛推出的時候只能被用來做短距離的本地溝通，因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利，因為該公司最賺錢的是長途電報市場，當時甚至不認為短途溝通會是一個市場，更不用說預見後來人人都用電話溝通的情景了。

而AI機器人帶來的，正是「新市場的破壞式創新」！

目前汽車及電子製造業占工業機器手臂出貨量的60%，這也導致市場領先者發那科（FANUC）、ABB、KUKA、安川（YASKAWA）專注於「持續式創新」：做他們最擅長，客戶也最需要的，進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業，或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度，高精度的作業，但需要機器手臂更靈活，更能彈性自主學習辨識及處理不同的零件或是工作。

新創AI機器人公司看到這樣未被滿足的需求，開始將人工智慧應用在機器人上，使得機器手臂可以被用在備料，包裝，倉儲等新市場。他們使用較低階的相機搭配機器學習模型，讓以往只能由人工作業的備料，貨物分撿等程序自動化，讓機器手臂可以被運用在更多不同的地方，甚至整個產業。

有趣的是，這些新創公司一般不自行生產機器手臂，而是專注於開發機器學習模型、機器視學及控制軟體，在硬體方面則選擇跟既有機器手臂廠商合作。因此，你可能會想，就算這些機器手臂公司不追求AI創新，他們也不會被時代淘汰，因為自動化還是需要硬體的供應。

但是，這樣想忽略了幾件事：

首先，有些機器手臂公司已經先嗅到了商機，並開始一邊與這些新創公司合作，一邊建立自己的AI團隊。這些公司因為率先採取行動，可以更快地在這些以往服務不到的新市場中建立客群，進一步領先競爭對手。

其次，隨著AI應用的普及，產業鏈中的最大價值，會逐漸由硬體轉向軟體及數據。 這點，我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主，大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉，或Google等公司的手裡。這也是為什麼車廠人人自危，不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來，機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。

AI機器人帶來的挑戰與機會

AI及機器人的結合帶來許多的可能性，但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI，也依然會面臨當初柯達所面臨的「創新者的兩難」。

要如何重新打造組織及發展策略，才能夠讓轉型的負面影響降到最低，也考驗各個公司管理階層的判斷與決心。

另一方面，開發全新市場也絕非簡單的事，新創公司仍需要和製造廠商密切合作，開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣，新創公司雖然了解AI及機器人技術，但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。

如果台灣廠商能夠率先和這些新創公司合作，不僅能透過流程自動化提升生產效率及品質，還能做到以往較難做到的少量多樣客製需求，擺脫大量製造，削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場，和國際新創合作開發針對電子或半導體製造業的專屬解決方案，進而銷售到其他國家。

日前，曾任職於Google與百度的吳恩達（Andrew Ng）受邀來台演講中也指出，台灣應該善用自己在半導體與製造業的既有優勢，發展人工智慧，成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用，台灣在製造產業中發展人工智慧，不但更具有了解應用案例、掌握數據等優勢，也有機會能夠藉由AI機器人等新技術，達到產業轉型的目的。

附圖：KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例，由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang

資料來源：https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4