TVBS TECH/解密2026MIT前瞻科技 用AI突破醫療與機器人的實體極限

面對產業轉型與高齡化帶來的醫療壓力，人工智慧正逐步走向實體應用。由時代基金會與美國麻省理工學院全球產研計劃共同舉辦的「2026 MIT ILP-Epoch Taiwan Symposium」，今年以「The Next Industrial Paradigm: Semiconductors, Health, Physical AI」為題，聚焦當前最具轉型潛力的三大技術領域。TVBS專訪與會的兩位 MIT 學者 Alex K. Shalek 與 Pulkit Agrawal，暢談人工智慧在精準醫療與機器人領域的實際影響。

釋放生物大數據 邁向個人化醫療新紀元

身兼 MIT 醫學工程與科學研究所（IMES）所長、化學系 J. W. Kieckhefer 講座教授，同時活躍於 Broad 研究所與 Ragon 研究所的 Alex K. Shalek 教授指出，在醫療領域，人工智慧協助科學家處理日益龐大的生物數據。過去十年來，科學家在測量生物系統的能力上取得突破性進展，從過去只能觀察少數變數，進步到能從單一細胞中測量數萬個變數，累積出數兆筆資料。

「難題在於收集數據後，如何理清不同變數間的相互關係。」Shalek 教授表示，AI 在此處的作用是從海量數據中找出規律與關鍵訊號，作為診斷與治療時機的依據。透過微創感測器的動態追蹤，AI 能提早預警生理的微小變化，避免演變成重大疾病；在已經發病的患者身上，AI 也能解析潛在的分子特徵，幫助疾病分期並鎖定標靶治療，帶來最佳治療效果。

當被問及 AI 是否能協助提供更個人化的醫療服務、擺脫傳統「一套方案適用所有人」的做法，Shalek 教授認為，AI 確實能量身打造治療方式，提升癌症等重症的治療效果，也代表未來的醫療不再只依賴醫生經驗，而是全面走向靠數據與 AI 說話的精準醫療。

實體 AI 的下一哩路：打造普遍實用的靈巧機器人

專長於機器人學、深度學習與強化學習的 MIT 電機工程與電腦科學系副教授、同時也是 Improbable AI Lab 主持人的 Pulkit Agrawal 教授指出，全球有將近一半的經濟產值、大約 22 億人的工作都跟勞力有關，如果能讓機器人或實體設備變得聰明，不僅能幫人類分擔搬運、清潔、採礦等高風險工作，也能照顧高齡長輩，甚至分擔洗碗、洗衣等各種繁雜的日常家事。

不過，要讓機器人真正普及，其實一點都不容易。Agrawal 教授說明，以前的機器人只在固定好的環境裡重複做同一件事；但在真實世界中，地面凹凸不平、狀況百出，機器人必須隨機應變。過去想靠工程師手動寫程式來應付所有情況，結果大多行不通；直到現在有了視覺語言模型和機器學習，機器人才終於變得比較聰明，懂得把一個大指令拆解成好幾個小步驟來完成。

同時，要讓機器人真正靈活運作，最棘手的難題在於如何精準控制肢體——例如手指該怎麼移動、力道要拿捏多大；然而，網路上卻找不到這類實際數據。為了解決昂貴的人力收集成本，Agrawal 教授的團隊結合了模擬環境與強化學習，在數位複製品中透過平行運算收集數據，訓練機器人適應跌倒與滑動。

Agrawal 教授強調，機器人技術必須從過去的「定位驅動」轉向「力量驅動」。人形機器人必須懂得隨著外力和環境靈活互動，才真的能在現實生活中派上用場。雖然現在讓機器人學會雙足走路已經有了不錯的進展，但要讓它們的「雙手」能夠像人類一樣靈巧地拿東西、做細緻的操作，依然是目前最難突破的重大考驗。

無論是 Shalek 透過數據解析推動的精準醫療，還是 Agrawal 利用強化學習突破機器人的物理限制，兩者都凸顯了人工智慧對人類社會的核心價值——它不僅是推動科技革新的工具，更是我們在面對勞動力短缺、高齡化與重大健康挑戰時不可或缺的解方。隨著這些底層技術成熟，AI 正一步步從理論走向現實，深刻改變並守護我們的生活。