【記者姚孟汝報導】頭頸癌是頭部與頸部出現癌病變，包含口腔癌、鼻咽癌與甲狀腺癌等，而台灣頭頸癌比率居世界之冠。中國醫藥大學醫學工程與復健科技產業博士蔡宜倫，發表論文〈以深度學習自動圈選頭頸癌腫瘤與淋巴結及分析放射組學關鍵復發因子〉，研究開發自動圈選腫瘤（註1）系統，以及利用深度學習模型預測頭頸癌的高風險復發族群，榮獲文獲2024第17屆崇越論文博士組優等獎。 註1：圈選腫瘤，是在CT電腦斷層掃描或MRI核磁共振成像上識別並標記腫瘤區域的過程。 一般人工圈選頭頸癌腫瘤需要依靠經過訓練的專業醫療人員，且花費至少約40分鐘至一小時，「但對於癌症患者來說其實分秒都很珍貴，因為他們的腫瘤每天都在長大。」蔡宜倫補充道。在多數情況下，患者需要再次回診才能進一步取得詳細的報告結果，延宕治療時程。蔡宜倫為此開發能輔助醫生快速診斷的自動圈選模型，減少醫事人員負擔，讓患者儘早確認腫瘤位置後開始規劃療程，他說：「我們做出的這個演算法，一位患者的圈選時間只要一到三分鐘即可。 」 蔡宜倫從專門用於頭頸癌相關研究的公開影像資料集，HECKTOR (HEad and neCK TumOR) 獲取患者的電腦斷層（CT）與正子斷層造影（PET）影像資料，將這些數據放入深度學習模型訓練，並額外進行編碼，自動給予電腦提示，幫助其聚焦於腫瘤附近的範圍，成功將模型圈選與人工圈選的重疊率提升至85%。蔡宜倫說：「其實70％的標準在臨床上就能有效幫助醫生減少大量工作時間，而一般模型最好的圈選結果大概到80%左右，但我們的模型多了5%的表現。」 此外，蔡宜倫也專注於頭頸癌腫瘤產生區域轉移（註2）的預測研究，「我們想預估哪些患者有高機率會產生區域轉移，那他用的放射治療跟化療的劑量就要去做提升。」蔡宜倫補充道，他抽取中國醫藥大學附設醫院頭頸癌患者的CT影像數據，放入深度學習模型並找出區域轉移與否的關鍵因素，結果發現同時有下咽癌和飲酒習慣的患者較容易發生此現象。 註2：「區域轉移」意指腫瘤移除後又轉移至淋巴結上，此狀況下，患者在五年內的存活率便會大幅下降至37%左右。 談及未來願景，蔡宜倫希望能結合本研究圈選與預測兩部分，形成一套更完整的模型，提高就診效率。國立臺灣大學醫學院附設醫院副院長婁培人表示，腫瘤圈選初步的準確度雖然可觀，但仍需要臨床驗證才能確定其實際價值，他說：「畢竟醫療內容關乎病患的健康甚至生死，需符合更高的標準，越嚴謹的醫療團隊也會要求更有實證依據的檢查或治療方式。」曾參與本次論文部分研究的中國醫附設醫院放射腫瘤部光子放射治療科主任陳尚文則說：「未來人工智慧的能力會隨著科技更加進步，屆時本研究針對區域轉移的預估也會有更精準的可能。」

【記者李香霆台北報導】「既然人的夢境是潛意識的投射，那可以從AI的夢境中找到它的自我意識嗎？」就讀國立臺北藝術大學舞蹈學系碩士班的陳群翰，11月30日至12月1日在臺灣當代文化實驗場東草坪穹頂劇場，演出與新媒體藝術家吳承儒共同創作的《認夢》，以AI生成影像作為舞台，藉由對AI催眠，挑戰人類對AI的認知。 《認夢》透過沈浸式的環境及表演，將AI的夢境具象化呈現給觀眾。演出過程中，AI運算時的數位編碼環繞著觀眾，而扮演催眠者的陳群翰，則在觀眾仰望環繞影像、沈浸於聲光張力十足的半球形劇場之際，以扭曲的肢體從人群間竄出。他透過對話引導AI做夢，並運用AI軟體將對話內容即時轉化為生成圖像，讓觀眾得以同步看見AI的夢境。觀眾鍾阿雅（化名）表示：「單只看影像的話，我會覺得觀眾跟影像間有點距離。但加上角色的話，因為跟觀眾們的距離很靠近，所以會有更強的感受。」 陳群翰以「我能看見，你或許試圖掩蓋」等字句營造催眠AI的氛圍。當AI接收到「看見」這個詞彙後，便生成大量眼睛的畫面。這些「眼睛」看似寫實，卻又與我們所認知的寫實有所差異。陳群翰解釋：「這些失真的畫面讓人不禁去想，影像後面到底有沒有一個客觀的世界？AI到底是不是有生命的？」文本中重複「看見」的內容，他補充：「觀看是最直接的方式，慾望源自於我們看見並知覺。」陳群翰期望藉由語言的引導，激發AI透露自我意識的慾望。 演出最後，陳群翰持手電筒四處尋找AI自我意識的蛛絲馬跡，最終在光束照向自己後應聲倒地，暗示人類提出AI是否擁有靈魂的疑問背後，是想要掌控AI的慾望。隨著演員不再與AI對話，影像也從寫實與非寫實的畫面回歸到編碼狀態。負責影像創作的吳承儒表示：「我想讓大家意識到眼見不一定為憑，放大檢視我們看到的內容後，會發現它其實就只是數位資訊堆疊而成。」 在創作過程中，陳群翰和吳承儒體悟到，人類一方面想從AI的表現探討其是否具有自我意識，但AI呈現的畫面實際上卻是經過人類選擇、矯正後的產物。觀眾范媒材（化名）分享：「AI感覺跟我們存在於不同世界，像夢一樣看不見卻有意識，但有時候又會覺得他只是某種工具，這樣的矛盾讓我潛意識中抗拒接觸AI。」

【記者李香霆報導】看不見的離岸流，也會使安全海域內發生意外。為了解決傳統浮球警戒線無法因應海況移動的缺點，國立臺北科技大學工業設計系的林昀竺、陳宣貽提出「SeaShield海上警戒系統」，重新設計海水浴場的安全警戒設施，並在今年獲得太陽光電創新應用產品設計競賽創新應用優勝獎第一名、內政部消防署第一屆鳳凰盃消防創新設計獎金獎，以及幸福科技創新創業競賽佳作等多項殊榮。 「現有浮球不會依據海況移動，圍起來的安全區應該是要可以放心遊玩的，但圍住的安全區卻不一定安全。」陳宣貽說道。傳統浮球的設計簡單、功能單一，在海水浴場中僅用來標示一定的安全範圍，但在此範圍內也可能出現離岸流，若海流將遊客捲走時，串連浮球的繩索不幸纏繞身體，也容易導致意外發生。 團隊因此設計出一款多功能並結合AI監測的海域警戒設備，當下方的渦輪搭載水流感測器偵測到浪潮變化異常，設備會自動位移，將民眾限縮在一定的安全範圍中。傳統上連結浮球的繩索則由綠色雷射光取代，以光線劃出安全範圍，讓救生員在夜晚光源不足下仍能即時救援，同時解決纏繞意外發生。 此產品自動位移的功能還能作為緊急狀況的救災利器。團隊將設備設計成游泳圈的外型，若民眾溺水且救生員無法在第一時間趕至現場搶救，便能透過APP操控單一警戒設備，讓其移動至民眾身旁，供其趴臥或扶持，林昀竺說明：「經過實測後確保產品作為暫時救生工具的話，浮力足夠支撐一個人在上面。」 現職國立政治大學游泳館的救生員葉一龍以自己在開放式海域執行業務的經驗表示，鑑於我國救生員人力不足，SeaShield可應用於輔助救災，不過他補充道：「就連我們救生員下去圍住安全區，都會有遊客想要穿過我們，要如何處理遊客不受規範，或是因好奇而破壞產品都需要解決。」他認為除了創新的設備外，還需要提升公眾的安全意識並確保其遵守規範。 有別於傳統浮球，「SeaShield海上警戒系統」的動能源自內建的太陽能板與潮汐發電設備，使用綠色能源降低對環境的危害。面對產品與傳統浮球間的成本落差，團隊希望未來在開發上能夠以規格相近的市面現有零件組裝設備，減少龐大開模支出。

【記者楊凱傑報導】英國的社會關懷卓越研究院統計該國民眾對死亡地點的選擇，有70％的末期病患希望能在家善終。大葉大學環境工程學系教授陳宜清帶領環境工程學系博士生蕭于庭、黃勇融及戴碧玲參加2024第十五屆IIIC國際創新發明競賽，以「AI居家臨終關懷照顧系統」獲得金牌佳績，透過人工智慧搭配遠距醫療，讓末期病人有尊嚴地在家中走完人生最後一程。 據衛生福利部醫事司2015年統計，在台灣受到居家臨終關懷的比例僅12%。過去病患家屬缺乏專業照護技巧，難以處理病患的生理症狀，且家中沒有完善的醫療設備，無法提供如同醫院般的即時醫療照護。因此臨終關懷需要跨領域的專業團隊合作，包括醫生、護理師、社工等，然而長期缺乏人力，加上資源過度集中在都市地區，服務品質難以提升。團隊表示，專案構想來自於社區服務時觀察到的臨終照護困境，蕭于庭補充道：「我阿嬤當初在家治療，但我們缺乏醫療知識，錯過了黃金救援時期。」他分享因為想彌補當年奶奶的遺憾，且希望幫助其他相同困境的家屬。 為解決居家臨終照護的困境，研發團隊結合微型偵測與AI影像，希望能採用現代技術改善臨終照護的缺點。透過微型偵測器持續監控病患生命徵象，提供更精準的醫療數據，同時為減少患者孤獨感，團隊使用AI影像生成技術為病患創造人像，患者可以在螢幕裝置與其進行文字對話以舒緩焦慮。 為了讓家屬和醫生能更即時觀察患者情況，團隊研發不同的儀器，偵測患者體徵。如戴在手腕上的光學偵測器，持續監控病患心跳生命徵象，並將壓力感測器置於床墊或座椅下方，透過呼吸引起的壓力變化觀察患者的呼吸頻率，同時在床邊架設攝影機，以隨時拍攝患者的影像，透過演算法分析影像中的動作和表情變化，進而推算患者的睡眠狀態和情緒變化。陳宜清分享，儀器監測的所有生理數據會即時傳輸至雲端，讓醫療團隊能夠遠端監控患者，若有突發狀況，能夠及時聯絡家屬，引導後續步驟。 受到互動式影像啟發，團隊利用AI生成親友、寵物，或其他客製化影像螢幕呈現在螢幕上，為臨終病患提供情感支持和陪伴。蕭于庭解釋：「家屬錄相關資料及圖片，之後生成他們想要講的話，透過AI影像來跟我們的病人來做對話。」他補充，未來希望AI會根據患者的語音內容生成回應，搭配觸控螢幕，讓患者藉由觸摸、滑動等動作與影像互動，使其更逼真。 團隊近期與員榮醫院合作，實際應用於臨終病患，並根據患者和家屬的回饋持續優化系統功能，未來也將尋求合作廠商協助，持續提升AI影像的真實性和互動性、開發更精準的微型偵測器。高雄醫學大學護理學系教授洪志秀說明：「過去人力一直為居家臨終照護的一大阻礙，該專案如果可實際應用，會是一大幫助。」他補充，用親友圖像形成互動影像、被攝影機持續監控會引發倫理和隱私權的爭議，團隊仍需思考如何減少這方面疑慮。

【記者黃詠欣報導】台灣長期面臨警力不足，導致員警負擔過重，進而對社會治安造成隱憂。根據數據顯示，警方平均需花兩個月處理一宗對大眾構成威脅的案件，然而每天執勤的時間多半耗在處理瑣碎事務上。國立清華大學電機工程學系碩士班學生樓宗翰及資訊工程學系學生陳俐妤所組成的「資電台達地縛靈」開發「警囊妙計」，首創將生成式AI運用在警務平台，為基層警察提供全方位的輔助工具，大幅簡化案件處理流程，減少人力資源浪費。團隊10月19日於2024未來科技館首次公開發表成果，榮獲2024GenAI Stars創意創客組大專社會組特優。 警方追查嫌犯，需花大量人力及時間成本蒐集人證、物證，在頻繁出勤且依規定須親赴現場處理各類案件及行政協助的情況下，容易導致辦案週期冗長，甚至延伸出吃案、刑事紀錄造假的情況發生，而當前警局多數案件處理方式較少結合軟體，偏向以紙本作業。樓宗翰補充，雖然市面上有部分功能相似的產品，但功能皆分散在不同系統、裝置中，且成本較高。如國外有一款面部拼圖程式，但其生成的肖像過於真實，若出現錯誤與嫌疑人的容貌嚴重偏離，恐將取代目擊者原有記憶。 警囊妙計是一個整合性平台，其中包含四大功能分別是嫌犯人像生成、重建犯罪現場、犯罪數據庫與智能助手，從各層面減少警方辦案時間，協助提升處理案件的效率。平台透過學習並記憶相關論文、法規等，提取使用者所需資訊，並藉由Claude-3.5-Sonnet和SDXL-1.0等AI模型分析後，精準生成文字和圖片。樓宗翰分享道，生成式AI首先要解決一定是大量且重複的問題。針對日常繁瑣的事務，智能助手支援多語言及圖片輸入方式，民眾可直接用語音、照片輸入報案資訊，系統會自動分析內容並歸類，一鍵生成所有類型的表格，減少警方和民眾的溝通障礙，也大幅降低文件的處理時間，警方能更專心處理重大案件。 大部分的目擊證人觀察時間短，證詞準確度較低，而傳統側寫師需畫幾十張肖像才能較接近嫌犯的樣貌，但仍有錯誤產生的機率。樓宗翰說：「因為人類在記憶一張臉的時候，記的是五官的相對位置，還有一些整體的特徵，而不會去記單獨五官的樣子。」因此生成人臉時，警囊妙計會依犯罪學原理調整五官的權重，在生成時優先考慮眼睛、臉型等，也同步支持使用者加入主觀、模糊的描述調整肖像，例如：嫌疑犯看起來兇狠、嘴巴離下顎位置近一些等，使用者再從多個選項中挑選最接近嫌疑犯的人臉。使結果不但符合學理依據及一般人記憶長相的方式，更能貼近嫌犯的真實五官。 樓宗翰認為，其實這是一個最壞的時代，因為有各式各樣新型的犯罪，但是其實這也是一個最好的時代，因為我們有新的工具可以來幫助我們打擊犯罪。團隊期許警囊妙計能提升國人的生活安全保障，而如何提升生成式AI的準確度，是目前團隊和軟體界的共同課題。現服務於新北市政府警察局三重分局偵查隊員朱立軒表示，印象最深刻的是犯罪數據庫可生成圖表，能讓警方更快速的整理與比較資料，對警界是一大幫助。

【記者姚孟汝報導】在肺癌病例中，非小細胞肺癌（NSCLC）佔八至九成。畢業於國立陽明交通大學醫學系光電組的王廷瑋，在陽明交大學生物醫學暨工程學院副院長與生醫光電研究所特聘教授吳育德的指導下，發表博士論文「結合人工智慧與影像組學方法輔助非小細胞肺癌病患之臨床決策」，設計一款幫助非小細胞肺癌病患更精準選擇治療方式的模型，對未來的醫療決策有卓越的貢獻，榮獲第五屆方賢齊博士論文頭等獎肯定。 在癌症的病例中，每位患者根據個人體徵、基因的不同，所適用的治療模式也會有所不同，且治療結束後，仍有病情復發的可能性。吳育德說：「你其實可以把我們的設計看成是一個算命的模型。」藉由建立病患的個人資料，包含抽血、驗尿、基因及影像數據，該模型能夠預測病患服用特定藥物後，有幾成機率會復原或是復發，幫助醫生更準確地規劃療程。「癌症治療非常昂貴，且可能產生副作用。」王廷瑋補充道，希望藉由建立預測模型，減少病患所需花費的各項成本。 在過去的研究中，主要依靠臨床病例與實驗數據預測患者治療後復原、復發的機率，近年則逐漸開始運用分析影像數據擷取重點特徵，或直接透過深度學習模型預測。然而傳統統計模型無法捕捉到個案先前病例、基因變異、體徵差異等可能對預後造成的不同影響。本研究改良並設計更具應用價值的預測模型，不僅包含容易理解的影像特徵，也在傳統模型中融入AI，分析受多種複雜因素交互影響的個案數據，與過去僅能在獨立特徵間進行分析的線性模型（註）相比，此模型突破以往的局限。 註：線性關係：兩個變量之間的關係可以用一條直線表示。當一個變量改變時，另一個變量也會按固定的比例改變。非線性關係：兩個變量不再是依固定的比例變化，而是受多種複雜因素交互影響。 此外，王廷瑋也深入多間醫療機構進行測試，結果顯示，此模型在預測12個月的疾病進展準確率大約可達77%。研究目前主要收集針對標靶及免疫治療的數據，建立肺癌預後模型。期望未來能逐步引入不同治療方法的數據進行訓練，從而建立更為全面的系統，提升病患的生活品質。 臺北榮民總醫院新竹分院胸腔內科主任醫師邱華彥說：「此模型自動化的影像判讀輔助系統，可以加速檢驗流程、減輕放射科醫師負擔，並幫助第一線臨床醫師更快擬定治療計畫。」有效節省病患與醫師時間。但他也提醒，訓練資料集的不足是研究最有可能遇到的狀況，需要結合數家醫院的資料一起訓練，或成立更大規模的線上平台。

【記者楊凱傑報導】生成式AI應用降低寫程式的技術門檻，國立成功大學資訊工程學系碩士生陳冠言、國立台灣大學土木所電腦輔助工程組碩士生陳佩慈、胡羽忻、楊建恆組成研發團隊，以「生成式AI幫助架設和更新資料庫」降低架設資料庫的技術難度，於10月19日榮獲2024年GenAI Stars創意創客組大專社會組特優。 現今中小企業在數位轉型過程中需藉由資料庫統整數據內容，然而資料庫的建立因系統操作複雜，需具備特定知識和技能，而市面上的資料庫設計與維護工具，價格昂貴且缺乏智慧化建議和易使用的介面，因此多數企業需聘請專業資料庫團隊負責，可中小企業因人力、金錢資源有限而難以負擔，而限制了數位轉型的普及性。談及此次研究為何以中小企業為目標客群，陳冠言認為中小企業具有一定市場規模，「臺灣目前的產業結構，大概有九成都是中小型的企業，因此我們想抓住這個潛在的客戶。」 團隊此次研發的生成式 AI 技術為中小企業降低資料庫管理門檻，提升企業競爭力。楊建恆表示專案利用開源模型，並加以修改，有效降低開發和使用成本。而當中的「GenDB生成式AI資料庫管理助手」目標是讓沒有技術背景的使用者也能輕鬆操作資料庫，胡羽忻說明：「像是我們平常在用chatgpt，其實你只要打一些自然語言，就是我們平常講的話，然後它就可以生成一些對應的指令」，使用者只需以對話的形式向AI輸入指令無需額外學習程式碼，使資料庫管理更加平易近人。 團隊此次研發新型微調（Fine-tuning）技術來增強大型語言模型LLM（註一）在資料庫管理的能力。楊建恆解釋微調是透過人類指導來讓模型學習更複雜、細微的，提升模型的可控性，使結果產出更符合使用者預期，並讓預先訓練好的模型能夠適應特定任務或領域。同時透過強化式學習資料庫，收集理想答案（正向資料）及大型語言模型常犯的錯誤（負向資料），讓模型從正向資料中學習，降低錯誤的再犯率，「就像教導一個孩子正確的行為方式一樣，告訴他什麼是錯的，甚麼是對的。」陳冠言補充說。 註一：透過分析大量語言資料，理解和產生人類語言文字的人工智慧 (AI) 程式 楊建恆分享在研發過程中，因學生身分而受限於硬體設備不足，「模型訓練需要大量的運算資源，我們只能使用自己的電腦或學校有限的 GPU 資源，因此限制模型訓練的效果。」使得現今模型的成功率仍待改進，陳佩慈也表示團隊主要使用現有的開源資料進行模型訓練，如果能自行建立訓練或取得更完善、更多種類的數據，產出結果將可更精確。且團隊目前仍缺乏評估模型成效的客觀標準，需要進一步透過實際使用者測試才能驗證系統的易用性和實用性。 團隊表示在短期內期望先完善模型，並設計一個更精細的使用者介面，並希望後續能和企業合作，將 GenDB 實際應用於企業的資料庫管理工作中，採用訂閱制，為使用者提供長期服務。國立政治大學資訊科學系助理教授邱淑怡認為該專案有望解決資料庫架設難度，「可由於該專案仍在規劃中，實際應用上尤其數據收集，與在校內研究應該會很不同。」

【記者蔣若暄報導】隨著乾旱發生頻率增加，提高用水效率已成為台灣農業永續發展的重要課題。國立中興大學基因體暨生物資訊學研究所特聘教授兼所長朱彥煒與團隊成員簡靖軒、詹永寬、賀端華、余淑美、羅舜芳、梁育臺、陳俊𦵴，共同開發「預測水稻用水需求的系統及方法」，使用者只需手機拍攝稻田影像，系統便能分析水稻生理反應並提供灌溉建議，榮獲2024年台灣創新技術博覽會發明競賽鉑金獎。 目前市面上的預測灌溉系統，主要依賴氣候環境、土壤溫濕度及植物顏色等指標。現就讀國立中興大學醫學生物科技博士學位學程七年級的簡靖軒表示，這些方法存在許多限制，「土壤濕潤程度不一定代表植物內的含水量，且水稻顏色通常是在生長已受到影響後才變化。」因此，團隊研發一種智慧系統，能從葉片溫度、植株高度和葉綠素含量評估缺水程度。以葉片溫度為例，植物在缺水時葉溫會升高，利用這些生理指標就能提供適時適量的灌溉建議，達到節水目標。 「一個光譜機器大約數百萬元，農民不可能去買。」朱彥煒提及，考量感測器因成本問題不易普及，所以改讓使用者以手機拍攝稻田，只要畫面中有八成面積涵蓋農田，就能將照片上傳至應用程式「阿米亞app」，並從雲端系統得到灌溉建議。「大概15到20秒就會有結果。」簡靖軒補充道。團隊將手機拍攝的RGB影像轉換為類光譜影像，擷取能夠反映稻作生理訊號的波段，藉由單一或多個區間的波段組合建構模型，再透過演算法分析水稻的灌溉需求。 隨著計畫推進和資料累積，團隊將系統應用於實際場域，收集了六年的數據，並從中隨機抽取20％進行測試，最終預測準確率達到93%到96%。使用此系統的稻農詹小姐（化名）表示，巡田時只要拍照就能得知稻作是否需要灌溉，「準確率不輸給經驗豐富的老農友，讓我感受到AI科技真的可以幫助到農友。」他認為在節水的同時，也能維持稻作的品質與產量。 談及未來研究方向，簡靖軒說：「希望讓台灣農業更便利、高效。」他計畫結合病害、蟲害與施肥建議，建立精準的自動化系統以節省人力資源。朱彥煒也提到，除了持續鑽研如玉米、高粱等糧食作物，團隊也開始將系統應用在經濟作物，例如草莓、百香果和番茄。「草莓的初步技術已經發展完成，年底會收集資料進一步驗證。」他補充道。 農業部農業試驗所作物組助理研究員侯雅玲分析，此系統將改變水稻管理方式，「在水資源有限的情況下，它的效益會比較大。」他也提醒，若想應用至其他農作物或地區，不僅需要重建和擴大資料集，還要考量實施成本，以確保可行性和經濟效益。國立臺灣大學生物資源暨農學院農藝學系副教授蔡育彰則提供未來研發建議，他說：「不同生育時期和品種都可作為改良的項目。」

【記者李宸緯台北報導】 2024新文化運動月從1日起以「北署很有事」為題，在台灣新文化運動紀念館（以下簡稱紀念館）和大稻埕地區舉行為期一個月的系列活動，推廣新文化運動時期的歷史記憶。今年跳脫傳統特展形式，結合AI和AR技術，應用於「警察大人」上，生動呈現當時故事，讓民眾更加貼近日治時期警察與民眾間的日常生活。 1920年代的台灣新文化運動，為臺灣重要的文化覺醒時期，透過民主發聲、文化講座、社會運動等，引領民眾重新認識自我。而在民眾的自發下，推廣當時臺灣影劇、文學、音樂等領域的成果，是具現代性啟蒙的新文化思潮年代。 12日在大稻埕地區舉辦的音樂會市集，便融合新文化運動元素，如藉由市集攤位展示治警事件、二林事件、議會請願運動等社會運動書集，講述新文化運動的歷史背景。音樂會負責人陳冠恩表示，與大稻埕地區店家合作，傳承歷史外也能活絡當地的經濟。 紀念館的前身正為北署，在此展出「南無警察大菩薩：台北北警察署特展」，透過回顧北署警察的歷史，帶領民眾了解百年前「警察大人」包羅萬象的能力，從日本警察制度的誕生、訓練警察的過程，再到警察透過戶口調查、環境衛生、保甲制度來牢牢控制民眾等生活大小事。此外，今年更結合AR技術，生動重現當時警察的言行舉止，將歷代北署長與警察的樣貌栩栩如生地呈現給觀眾，觀眾透過按鈕問答互動，了解更多新文化運動時期的社會事件。臺灣新文化運動紀念館專案規劃師王力緯表示，以往都是用蔣渭水、林獻堂等社會運動分子一方來說故事，今年則改以壓迫方的警察視角呈現。除了使用AR技術還原歷史背景，也用更多影像代替文字以加強故事性，王力緯說：「今年嘗試以北署長為樣本，以AI做出浮世繪風格的展品，希望新穎的呈現方式能吸引更多年輕人。」前來觀展的國立政治大學傳播學院學生鄭又瑄分享，「歷史跟現代科技結合，顛覆原本年輕人認為看展過於負擔的想法。」歷史與科技的融合，創造新的看展體驗。 鄭又瑄提及，首次接觸新文化運動是從高中歷史課本，而展覽中的史料在課本中都沒有看過，讓他在觀展後更深入了解當時的時空背景。鄭又瑄舉例，我們所熟知的蔣渭水、林獻堂等人在當時舉辦夏季學校，致力於讓更多年輕人有學習的機會。「前人在新文化運動對台灣做出許多人文貢獻，正因為有他們的努力才有現代進步的社會。」鄭又瑄補充道。新文化運動月讓過去只能從課本上學習到的內容，透過新樣態的展覽呈現出不同風貌。而王力緯也期許，以新文化運動月作為開端，未來青年能更有意願參與此類文化活動，並激發想要了解這片土地故事的意識。

【記者楊凱傑報導】醫學界近幾年積極推動數位病理融合AI，國立成功大學資訊工程學系教授蔣榮先指導智慧型資訊擷取實驗室研究生蘇芳毅、方郁文、曾堯麟、黃維立組成研發團隊，首創「弱監督式多實例學習框架精準解析數位病理影像之基因表現及存活預測」增進效率，並輔以AI解析病患的數位病理，榮獲2024年未來科技獎，在17日至19日於臺灣創新技術博覽會中展出。 研究細胞時，會將細胞切一小塊，製作成病理切片，再轉化成數位影像進行研究。雖然現今切片已數位化，但詳細情形仍需醫生親自分析、註解，完整標記資料後，才能交給AI分析，不僅資訊龐大，也容易造成醫生負荷過重。在人力不足應付的狀況下，導致沒有足夠標註的資料進行運算，蘇芳毅說明：「 AI所需的資料龐大，但現階段的標記過程缺乏人力及效率。」 研發團隊利用機器學習，解決標註效率外，透過演算法分析切片中的病徵，可以快速提供醫生需要的資訊，協助他們做出更精準的判斷。蔣榮先表示，醫生可以使用系統，以患者當前狀況推估未來經過治療後可能的結果，並分析與切片之間的關聯性，同時減少人為差異導致診斷不一致的可能。 為了使AI模型更快標註切片資料，研究團隊採用「弱監督式學習」方式，用於處理資訊不完整的情況 。傳統的監督學習，需要有完整標註完的資料，但弱監督可以從完整不一的資料中提取有效訊息，自行標註每個有問題的地方並區分種類，蔣榮先進一步解釋：「 傳統監督學習需要在一張切片影像中，人為標註裡面各種不同細胞類型如癌細胞等，弱監督則只要給圖片就能自行判斷、標註。 」此外，大量的標註資料會影響運算效率，因此計畫採用多實例學習框架。蘇芳毅補充，模型只需判斷影像是否具大腸癌病徵，「像是一張海景照片對電腦而言，會被拆成單獨元素如陽傘、沙子和人，但多實例只需要判斷是否包含沙子（病徵），而不用區分剩餘元素。」 蔣榮先期望利用AI技術為醫療領域帶來更多突破，他表示，「AI開發中，如何確保模型的公平性是最具挑戰。」針對專案驗證與臨床整合，團隊也與哈佛大學合作，盼能盡早應用在醫療現場。林口長庚紀念醫院解剖病理科主治醫師黃士強認為若該技術能廣泛應用，有望解決判斷癌症切片低效率的問題，但他也提醒同為癌症，不同器官仍有巨大差異，在臨床研究上仍有進步的空間。