機械人與智能科技
基礎機械人是能感知環境、作出決策並執行動作的自動化機器，由感應器、控制器和執行器組成；人工智能令電腦從數據中學習規律。兩者結合誕生自動駕駛、手術機械人、倉庫分揀和家居助手。科技帶來效率與便利，也帶來就業轉型和倫理問題；善用工具、保持人的判斷力和同理心，才是與智能科技共處之道。
- 機械人由感應器、控制器和執行器組成，按「感知、決策、執行」循環工作。
- 機器學習令電腦從數據中自行找規律；語音助手、圖像識別和推薦都是 AI 應用。
- 機械人與 AI 正改變製造、醫療、物流和救援，承接「危、累、準」的工作。
文體小知識：科技科普說明文解釋新科技的原理和應用，同時引導讀者思考科技與人的關係。
§課文原文 Passage
1機械人其實離我們不遠：家中的掃地機械人、餐廳的送餐車、工廠的機械臂都是。一部機械人由三個部分組成：感應器像眼睛和耳朵——鏡頭「看」、超聲波測距、觸覺感應器感受碰觸；控制器像大腦——電腦程式根據感應到的資料決定行動；執行器像手腳——馬達轉動車輪、機械臂夾取物件。以掃地機械人為例：它用感應器探測牆壁和樓梯邊緣，程式規劃打掃路線，馬達驅動行走和吸塵——「感知、決策、執行」三步不斷循環。
2人工智能（AI）則是令電腦變得「聰明」的技術。傳統程式由人寫死每一條規則；機器學習卻讓電腦從大量例子中自己找出規律：給它看幾萬張貓狗照片，它便學會分辨貓和狗。你每天遇上的語音助手、相簿人臉分類、網上翻譯、購物推薦，背後都是機器學習；近年興起的生成式 AI 更能寫文章、繪圖和對話。不過 AI 並非萬能：它依賴訓練數據，數據有偏差，結果便有偏見；它也會一本正經地出錯，所以重要決定仍須人覆核。
3機械人與 AI 結合，正改變各行各業：車廠的機械臂日夜焊接噴漆；物流倉庫的分揀機械人一小時處理上千件包裹；達文西手術機械人輔助醫生做微創手術，比人手更穩定；農田上無人機巡田噴灑；酒店機器人送物資到房門；地震災場，機械人代替救援人員深入危險區域。香港也有應用：機場的行李處理系統、醫院的配藥機械人、食環署街道清洗機械人，灣區的工廠更是智能製造的前線。
4智能科技帶來效率，也帶來新課題。就業方面，重複性高的工作逐漸被機器取代，但新職位同時誕生：機械人維修技師、數據標註員、AI 訓練師——關鍵是持續學習轉型。倫理方面：自動駕駛發生意外誰負責？鏡頭和數據蒐集如何保護私隱？AI 決策是否公平透明？這些都需要社會討論和立法規管。對學生而言，最重要的認知是：AI 是強大的工具，不是思考的替身；創造力、批判思考和同理心，正是人類不可替代的優勢。動手學編程和機械人，你就是在裝備未來。
1重點摘要 Summary
機械人是能感知環境、作出決策並執行動作的自動化機器，由感應器、控制器和執行器組成；人工智能令電腦從數據中學習規律。兩者結合誕生自動駕駛、手術機械人、倉庫分揀和家居助手。科技帶來效率與便利，也帶來就業轉型和倫理問題；善用工具、保持人的判斷力和同理心，才是與智能科技共處之道。
2生字卡 Vocabulary
能感知環境、作出決策並執行動作的自動化機器。
機械人的「感官」，例如鏡頭、超聲波和觸覺感應器，用於收集環境資料。
機械人的「手腳」，例如馬達和機械臂，把指令變成動作。
以機器代替人手完成工作流程的技術。
令電腦模擬學習、推理和判斷等智能行為的技術。
人工智能的一種方法：電腦從大量數據中自行找出規律。
解決問題的明確步驟序列，是所有程式的基礎。
車輛以感應器和 AI 自行感知路況、規劃路線和控制行駛。
訓練數據不全面令 AI 結果不公平或有系統偏差的現象。
判斷行為對錯的原則；科技倫理思考科技應怎樣使用。
3逐步講解 Steps
- 第一步：拆解機械人的三個部分機械人無論外形怎樣，都可以拆解為感知、決策、執行三個部分，如同人有感官、大腦和手腳。舉個例子：掃地機械人用超聲波感應器量距離（感知），程式計算下一步向左還是向右（決策），馬達轉動車輪吸塵（執行）——三步循環不息。掌握這個框架，分析任何機械人都有了清晰的入手方法。
- 第二步：理解機器學習與傳統程式的分別傳統程式由人逐條寫下規則，機器學習則讓電腦從大量例子中自行找出規律，這是 AI 的核心原理。舉個例子：分辨貓狗——傳統程式要工程師逐條寫規則；機器學習則給電腦幾萬張標記照片，讓它自己總結特徵，準確度反而更高。不過訓練數據若有偏差，結果便帶偏見，這是機器學習的局限。
- 第三步：辨認生活中的 AIAI 早已融入日常生活，學會辨認它，才能理解它的好處和限制。舉個例子：對手機說「明天天氣」（語音辨認）、相簿自動把同學照片歸類（圖像辨認）、購物網站「你可能喜歡」（推薦演算法）——這些背後都是 AI 在工作。近年的生成式 AI 更能寫文章、繪圖和對話，應用範圍越來越廣。
- 第四步：認識機械人的行業應用機械人最擅長做危險、沉悶和要求極高精度的工作，為人類分擔了不少辛勞。舉個例子：車廠機械臂重複焊接誤差少於一毫米；手術機械人令傷口只有數厘米；災場機械人進入高溫有毒環境——機械人做的是「危、累、準」的工作。香港的機場行李系統、醫院配藥機械人和街道清洗機械人，都是身邊的例子。
- 第五步：檢視 AI 的限制AI 並非萬能，它的表現完全依賴訓練數據，還可能一本正經地出錯。舉個例子：訓練數據如果全是白天照片，AI 夜間便認不出路牌；生成式 AI 可能編造看似合理的錯誤答案——重要資訊必須覆核來源，不能照單全收。AI 是強大的工具，卻不是思考的替身，重要決定仍然要由人覆核。
- 第六步：思考就業與倫理課題AI 改變就業結構，也帶來新的倫理難題，需要社會討論和立法回應。舉個例子：收銀員職位減少，但機械人維修技師、數據標註員增加；自動駕駛出意外誰負責、人臉辨認如何保障私隱，都需要社會討論立法。技術越先進，倫理思考越重要；關鍵是持續學習，隨着轉型更新自己的技能。
- 第七步：裝備自己的「人類優勢」面對 AI 時代，最穩妥的策略是培養機器難以取代的能力。舉個例子：學校編程課上設計迷宮求解程式、參加機械人比賽；同時練習批判思考和團隊合作——工具越強，使用工具的人的判斷力越關鍵。創造力、批判思考和同理心，正是人類不可替代的優勢；動手做，是最好的學習。
4圖解 Diagrams
5例題示範 Example
例題：學校圖書館想引入一部「書籍分類機械人」。請列出它的三個組成部分及各自功能，並寫出引入前要考慮的一項好處和一項潛在問題。
- 組成部分一：感應器——鏡頭讀取書脊條碼和書名，距離感應器探測書架位置。
- 組成部分二：控制器——內置程式比對圖書館目錄，決定該書屬於哪個分類和書架。
- 組成部分三：執行器——機械臂夾取書本、車輪移動到目標書架，把書放回正確位置。
- 好處：圖書館員由重複的上架工作釋放出來，轉做導讀和閱讀推廣；分類錯誤率下降。
- 潛在問題：採購和維修成本高；舊書條碼破損會辨認失敗；要訂立安排讓圖書館員學習新技能而非被裁撤。
- 答案：分類機械人由感應器（讀書名條碼）、控制器（比對目錄決定分類）和執行器（夾書上架）組成；好處是釋放人力提升服務，問題是成本和例外情況處理——引入前要有培訓和後備方案。
6常見錯誤 Mistakes
75 題快測 Quick check
Q1機械人的三個組成部分是什麼？
Q2機器學習和傳統程式有什麼分別？
Q3舉出兩個機械人或 AI 的行業應用。
Q4為什麼重要決定不能完全交給 AI？
Q5面對智能科技時代，學生應該培養什麼能力？
8重點回顧 Recap
- 機械人由感應器、控制器和執行器組成，按「感知、決策、執行」循環工作。
- 機器學習令電腦從數據中自行找規律；語音助手、圖像識別和推薦都是 AI 應用。
- 機械人與 AI 正改變製造、醫療、物流和救援，承接「危、累、準」的工作。
- AI 有偏見和出錯的風險，重要決定必須由人覆核；私隱保護和倫理立法不可少。
- AI 是工具不是思考替身：培養創造力、批判思考和同理心，並動手學習編程機械人。