人工智慧公司DeepMind再度掀起機器學習革命！這次不是靠下圍棋，而是讓機器人互打桌球，來進化自己的智慧與動作能力。Google旗下的DeepMind團隊近日揭示，他們如何透過讓兩隻機器手臂進行「自我對抗」桌球比賽，不靠人類大量指導，就能逐步學會高難度技巧，進一步朝「真正能自主學習」的機器人目標邁進。記者李琦瑋／編譯

人工智慧公司DeepMind再度掀起機器學習革命！這次不是靠下圍棋，而是讓機器人互打桌球，來進化自己的智慧與動作能力。Google旗下的DeepMind團隊近日揭示，他們如何透過讓兩隻機器手臂進行「自我對抗」桌球比賽，不靠人類大量指導，就能逐步學會高難度技巧，進一步朝「真正能自主學習」的機器人目標邁進。

[caption id="attachment_183457" align="alignnone" width="1107"] Google DeepMind讓機器人互打桌球，訓練其自主學習、自我成長。（圖／取自IEEE Spectrum影片）[/caption]

為什麼選桌球當訓練場域？

DeepMind選擇桌球作為訓練平台，正是因為它囊括了機器人技術在受限卻高度動態的環境中面臨的許多艱鉅挑戰。

延伸閱讀：美國製造業回流卡關？沒工程師也沒機器人、難敵中國

桌球不僅需要極高的感知與精準控制能力，還結合了戰略思維與快速反應，堪稱結合「眼力、腦力、肢體反應」於一身的綜合性挑戰，使其成為開發和評估穩健學習演算法的理想領域。

這些演算法能夠處理即時互動、複雜物理、高級推理以及自適應策略的需求，正是未來機器人要在工廠、家庭甚至醫療機構中工作所必須具備的核心能力。

傳統機器人學習有哪些瓶頸？

目前主流機器人學習方式有兩種：模仿學習和強化學習。前者仰賴大量人類示範，後者則需要人工設計獎勵機制，讓機器透過試錯學習。

然而兩者都有致命限制：需要大量的人工參與，才能讓機器繼續進化，這大幅限制了自我學習的可能性。

這也讓DeepMind思考，機器人能否在學習和改進循環中，在極少甚至完全不需要人工干預的情況下學習並提升技能？

DeepMind如何解決這個問題？

DeepMind的靈感來自AlphaGo的自我對弈模式，讓機器人「自己跟自己打」。他們建置了一個全自動桌球實驗室，包括自動撿球、遠端監控、持續訓練環境，讓兩隻機器手臂可以24小時不間斷切磋球技。

這個想法簡單卻有效！當一個機器人發現更好的策略時，它的對手就會被迫適應並改進，從而形成一個技能水平不斷提升的循環。

DeepMind初期先進行「合作模式」學習，讓機器人互相幫忙維持來回，學習基本擊球與反應技巧；接著才切入「競爭模式」，逼迫雙方為了贏球使出更多花招，進而拓展擊球策略與技能的廣度與深度。

人機對戰成果如何？

雖然兩隻機器人要真正達到高度競爭還有挑戰，但DeepMind發現，讓機器人和人類初學者對打，其實能加速訓練效果。根據用戶測試，這款桌球AI能贏過初學者、對中階選手打成五五波，雖然還打不贏高手，但已展現出「具備基本實戰水準」的表現。

更進一步：用AI當教練指導機器人

除了讓機器人互打，DeepMind還引入了另一種新穎方式：使用「視覺語言模型（VLM）」，例如 Gemini來當教練。透過一組稱為「SAS Prompt（總結、分析、綜合）」的提示語，AI教練能觀察機器人的表現、找出問題並給出改善建議。

這套方法完全不需人工設計獎勵函數，而是靠模型對情境的理解進行引導，成為新一代「可解釋」機器學習流程。

邁向自學型智慧機器人的未來

DeepMind表示，他們正致力打破「需要人類不斷介入」的學習限制，開發讓機器人可以在沒有人工幫助下，自主學習並逐步精進的系統。這不僅讓機器人成本更低，也能更靈活地應對現實世界中未定義或未知的情境。

雖然挑戰依然不少，穩定機器人對機器人的學習以及擴展基於VLM的指導都是艱鉅的任務，但DeepMind對這些研究方向充滿信心。他們相信，這些方法將有機會成為下一代機器人核心學習模式，可以引導出更強大、適應性更強、有自我成長能力的機器人。

資料來源：IEEE Spectrum

這篇文章 為什麼Google要讓機器人互打桌球？竟是要它自主學習、自我成長 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

日前，一位教授在研討座談會現場，向師生們分享媒介寫作教學經驗時，我特別注意到他所說一句話：「在學校，學生最大的挫折感來自於老師」。這句話經常在我耳邊迴盪，對我影響甚大。

 作者：鄧宗聖（國立屏東大學 科學傳播學系 教授兼系主任​）

日前，一位教授在研討座談會現場，向師生們分享媒介寫作教學經驗時，我特別注意到他所說一句話：「在學校，學生最大的挫折感來自於老師」。這句話經常在我耳邊迴盪，對我影響甚大。

這句話讓我去想，在教育的域中，老師訂定目標、標準、規範、評鑑，同時也影響著學生的自我肯定、評鑑與實現，當學生未能完全脫離教育機構進行自主學習時，某種程度還仍在一個社群規範內學習，在教師的規範內擬定學習策略與行動，諸如考試、測驗評量以證明、證實具有某種能力與知識。也正因為如此，若學生無法回答正確的知識或是預期答案，很可能從老師這得到較低的評價與挫折，若我們是一個懂得獲得「成就感」的學生，似乎迎合某種答案是在教室中學習的最佳策略。

然則，數位時代下的媒體素養，批判性思考與反思媒體與我之關係，要怎麼透過筆紙測驗來證明？學生可以在獲得高分的動機下，回答出「預期答案」，以證明「反思能力」，但這真的是如此嗎？教師通常在非主動自學的學習安排中，扮演傳遞知識的權威角色與來源，而「給分」或「讚賞」這件事，同常造成一種「聯接性的學習」，意即「分數」在教育體制中影響了學生排名、評價與成就（父母關心），「給分」或「讚賞」就成為一種具有權力的事情，學生學習「在不同的情況」下「獲得分數」或「讚賞」或者是避免未獲得重視，逃避那種可能會讓人不愉快的感覺，這也成為教師控制學習環境的一種條件。

由此我們不難見到教育體系機構下的教室策略，發展出多種樣貌的「胡蘿蔔」（多是物質化的表現，如集分卡、優點卡等）與「棒子」（多是無形的表現，這裡並不是談肉體處罰，而是一種特定技巧搭配某種預期效果，如未給予掌聲、沒有得到正面回應、放學留下掃教室、不能參加某些活動等），來獲得對學生學習行為與教室行為的控制。

教師在此過程中，將「是非對錯」的言行規範「連接」起來，透過文化賦予教師的權力（象徵性與獎懲過程），在越來越多複雜的教學行為形成後，促使教師也習慣於這樣的行為方式。但當前的數位媒體素養的教育，萬萬不能如此，把「媒體素養」當作「權威知識」來教導，透過「教室空間與教師」的聯接機制，將其「正確的表達法與行為」，穩固地與「某種樣式」聯繫起來。嚴格說來，教育環境的設計，是將教師角色與同儕角色置於同一空間中，教師、同儕都會是學生學習的來源之一，在未正式習得課程知識前，其實透過「共處一室」，已經透在教師或同儕間，習得各種符號、行為甚至學習方式。

故在數位時代下的媒體素養教育，若要倡議批判性思考與反身自省的能力，那麼媒體素養教育的教師，就得以「學習者為中心」的方式進行教學策略設計，讓學習者針對自己所處的媒體生活情境進行觀察與分析，引發出批判性的思考方式，而教師充其量是「引導角色」，使之具有發生的教室條件。

不談別的，教師反思自身的媒體經驗，就提供引導性，學生在還不知道如何開始的情況下，教師引領「自我示範」成為進階活動的登門梯，用 Bandura 的社會學習理論來說，有目的的集中在某種行動的觀察，那麼會在記憶中出現某種視覺影像，作為某種語言或描述或轉換成行動的基礎（游乾桂等譯，1989：204-206），未來則會形成一種素材，依照面臨媒體問題的複雜度，進行調整、轉換與重組。儘管，由於參與學習者的社會條件與文化資本差異不同，透過觀察而學習的策略未必立即奏效，但卻由於教師的「自我示範」，進而將「自我」當作出發點（不是專家學者的出發點），觀察自身媒體環境，可說是增進反思能力的開始。

「自我示範」可以理解為「問題解決過程」的一種形式，從個人媒體經驗出發，做為引發分析、討論與建構的起點。以性別議題為例，我們對於流文化加諸在人們性別身體上的論述（女性該如何裝扮？男性如何具有男子氣概？或說很 Man）相當自然，我們可以把這種自然化的符碼加以討論，像是拿出關於「男性」的雜誌封面，跟參與者討論這個男性身體上再現的各種飾品或姿態（符碼）及其帶來的感覺，然後，我們將這做為一個起始點，邀請參與者能幫教師解決這個問題，意即，「有沒有其他表現類似感覺的方式」，請參與者想辦法「給予裝扮」，儘可能地發展出「不同的裝扮與符碼」，然後，「照相起來、置換封面」，在課堂上討論由此空間中發展出來的男性形象。

在此過程，參與者不但透過分析媒體文本（分析男性組配符碼），同時通過文本再設計，即參與者解構後再建構的文本，意識到自身具分析符碼與詮釋符碼的能力。

參考文獻：

游乾桂等譯（1989）。Berryman, J. C., & British Psychological Society 著。心理學與你（Psychology & you : an informal introduction）。台北：心理。

這篇文章 如何教媒體素養？自我示範開始｜專家論點【鄧宗聖】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。