歡迎來到自動化世界！
各位 IGCSE 電腦科學的同學們好！「自動化系統 (Automated systems)」這一章非常令人興奮，因為它探討了科技如何接管我們平時通常需要手動處理的工作。
從自動亮起的燈光到無人駕駛汽車的導航，這類系統無處不在。了解它們的運作原理，以及它們帶來的優勢與風險，對於考試以及理解現代世界至關重要。
別擔心某些術語看起來很專業！我們將以簡單、循序漸進的方式，拆解這些系統如何運用感應器 (Sensors)、微處理器 (Microprocessors) 和致動器 (Actuators)。讓我們開始吧！
6.1 自動化系統：大腦、感官與肌肉
自動化系統是一種自動執行任務的電腦化系統，通常用於取代人力。它的運作基礎是一個持續的循環：監控、處理與行動。
三大核心組件
自動化系統依賴三個協同運作的基本組件：
- 感應器 (Sensors)（感官/輸入）：
這些裝置負責從物理環境中收集數據。它們就像系統的「眼睛」和「耳朵」。 - 微處理器 (Microprocessor)（大腦/處理）：
這是控制單元（通常是 CPU）。它接收來自感應器的數據，將其與預先設定的程式規則（控制程式）進行比較，並決定需要採取什麼行動。 - 致動器 (Actuators)（肌肉/輸出）：
這些裝置執行物理行動。它們根據微處理器的指令改變環境的物理狀態。例如馬達、加熱器、閥門或幫浦。
逐步詳解：控制迴路
自動化系統遵循一個持續的循環，這通常被解釋為回饋迴路 (Feedback loop)：
- 感應 (輸入)：感應器測量物理數值（例如溫度、亮度、壓力），並將其轉換為數位訊號。
- 處理 (決策)：數位訊號發送至微處理器。微處理器會將輸入數據與預設的閾值（控制程式）進行比較。
- 驅動 (輸出)：如果輸入數據超出可接受範圍，微處理器會向致動器發送訊號。
- 行動：致動器執行物理任務以修正環境（例如開啟風扇、打開閥門）。
- 回饋：系統利用感應器持續監控變化，再次開始迴路。
類比：想想智慧恆溫器。溫度感應器（輸入）讀取室溫。微處理器（大腦）檢查房間溫度是否比設定溫度（規則）太冷。如果是，微處理器會指示致動器（開關）啟動鍋爐（輸出）。
自動化系統的優點與缺點
當被要求評估特定場景（如工業、運輸或農業）下的自動化系統時，你必須列出平衡的優點與缺點。
優點（為什麼我們使用它們）：
- 速度：自動化系統的工作速度遠超人類，從而提高生產力（例如工業生產線）。
- 準確性與一致性：它們不會感到疲倦或分心，能提供可靠、品質一致的結果（例如科學實驗中的精密混合）。
- 在危險環境中運作：它們可以在對人類不安全的環境中安全作業（例如科學/工業中的核反應爐控制或深海探測）。
- 全天候運作 (24/7)：它們可以持續工作而不需休息，提高效率。
- 優化：它們可以減少浪費和能源消耗（例如自動照明僅在需要時開啟）。
缺點（潛在問題）：
- 高額初始成本：硬體（感應器、致動器）和軟體（微處理器程式設計）的安裝費用可能非常昂貴。
- 失業問題：用機器取代人類工人可能導致失業。
- 缺乏彈性：自動化系統是針對特定任務編寫程式的；如果發生異常事件或未預見的情況，它們可能會遇到困難甚至完全故障（例如工業中的產品設計變更需要重新程式設計）。
- 維護：需要受過高度訓練的專家來修復複雜的故障。
快速複習 6.1：關鍵要點
自動化系統是一個控制迴路：感應器 (輸入) → 微處理器 (處理) → 致動器 (輸出)。主要優點是速度和一致性，而主要缺點是設定成本高且缺乏彈性。
6.2 機器人學 (Robotics)
機器人是自動化系統的一種特殊類型，通常具有物理上可移動的結構。
什麼是機器人學？
機器人學 (Robotics) 是電腦科學中涉及機器人的設計、製造與操作的領域。
- 例子包括工廠機械手臂、家用機器人（如吸塵器）和無人機（運輸）。
機器人的特徵
要被歸類為機器人，機器必須具備三個關鍵特徵：
- 機械結構/框架：允許其移動或與環境互動的物理軀體（例如輪子、手臂、底盤）。
- 電氣組件：包含我們剛討論的核心組件：感應器（收集資訊）、微處理器（控制行動）和致動器（執行動作）。
- 可程式化：機器人必須能夠遵循儲存在記憶體中的一組指令，從而執行任務。
機器人的角色與評估
機器人在許多領域（工業、運輸、醫療、居家環境、娛樂）中扮演各種角色。
- 例子：在醫療領域，手術機器人能以比人手更高的精度進行複雜、精細的手術。
- 例子：在居家環境中，掃地機器人能自動導航並清潔地板。
機器人特有的優點：
- 精密：非常適合需要極細緻、重複性動作的任務（例如工業中的微型組裝）。
- 耐力：可以執行重複性工作而不感到疲勞。
- 安全：在處理有毒或危險物質時至關重要，特別是在工業或科學領域。
機器人特有的缺點：
- 維修複雜性：同時修復機械故障與軟體問題需要高度專業且昂貴。
- 缺乏社交/情緒智慧：無法處理複雜的人際互動或進行需要同理心的判斷（雖然人工智慧正在緩慢改變這一點！）。
快速複習 6.2：關鍵要點
機器人是特化的自動化系統，由其機械結構、電氣組件 (S/M/A) 和可程式化特徵定義。它們在精確度和安全性方面表現卓越。
6.3 人工智慧 (Artificial Intelligence, AI)
人工智慧 (AI) 是最令人興奮的新興科技之一。它賦予機器看起來「聰明」的能力。
定義人工智慧 (AI)
人工智慧 (AI) 是電腦科學的一個分支，旨在處理由電腦模擬智慧行為。這意味著建立能夠執行通常需要人類智慧的任務的程式。
AI 的特徵
AI 系統的主要目標特徵包括：
- 數據與規則：它們依賴數據集合以及使用這些數據的程式規則。
- 推理能力：它們能利用邏輯和規則來得出結論，或根據輸入數據做出決策。
- 學習與適應能力：至關重要的是，先進的 AI 可以根據經驗修改或改進自身的規則或數據（這通常通過機器學習實現）。
你知道嗎？簡單的 AI 任務包括下西洋棋、語言翻譯或識別照片中的人臉。
模擬智慧行為
課程大綱將 AI 模擬的解釋限制在兩種特定類型：專家系統 (Expert Systems) 和 機器學習 (Machine Learning)。
1. 專家系統
專家系統是一個旨在模仿人類專家在狹窄領域內知識和決策技能的程式。可以將其視為數位醫生或故障診斷器。
其基本運作包含四個組件：
- 知識庫 (Knowledge Base)：這是與該領域相關的大量事實、數據和資訊集合（例如疾病症狀、化學性質）。
- 規則庫 (Rule Base)：這是專家用來得出結論的一套邏輯規則或 IF/THEN 語句（例如：如果病人有高燒 AND 咳嗽，則建議進行流感測試）。
- 推理引擎 (Inference Engine)：這是處理器（「大腦」），它將規則庫中的規則應用於知識庫中的數據，以得出結論或建議。
- 介面 (Interface)：使用者與系統互動的方式，通常是透過提問並獲得結論。
常見錯誤警示！ 推理引擎不僅僅是儲存規則；它會主動處理這些規則來進行推演。
2. 機器學習
機器學習 (Machine Learning, ML) 是指程式具備透過經驗自動調整其流程及/或數據的能力，而無需為每一個可能的場景進行明確的程式設計。
- 系統會被輸入大量數據（訓練數據）。
- 它會在數據中尋找模式和相關性。
- 然後它會調整其內部模型（規則）以在下次做出更好的預測。
類比：如果你向機器學習系統展示數千張貓和狗的圖片，它會學習並調整其識別參數，直到能夠準確地將新圖片識別為貓或狗。
快速複習 6.3：關鍵要點
AI 模擬智慧行為，需要數據、規則、推理和學習。專家系統使用知識庫、規則庫和推理引擎。機器學習則專注於系統根據經驗自動適應其功能的能力。