【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。

【記者李香霆、林偌甯、林芷彤桃園採訪報導】無人機在夜空自由翱翔，排列各種桃園代表圖樣，展現科技與人文攜手的美好光景。 2024桃園科技藝術節以「超智域：一場人與AI的競賽」為主題，運用沈浸式AR互動與生成式AI技術，引領民眾思考人與AI的關係。策展人羅禾淋說：「今年的主題其實是呼應，我們這陣子人工智慧興盛的這個年代。」他近一步說明，展覽要讓大眾思考人類不能只等人工智慧變得極度聰明的時候，才去思考人跟AI的關係。 藝術家潘保源的作品《換個姿勢》，在居家空間中放置自動化的躺椅、鍵盤等傢俱，模擬沒有身體的AI雖然可以進行人類的日常活動，卻無法用「身體」感受世界，展現AI對人類來說依舊是本質上的「他者」。潘保源表示，AI與人類在根本上的不同是沒有身體 ，如果我們跟不同宗教文化都會有理解上的困難，那何況說到我們人跟AI這種完全不一樣的存在。 作品《語意》由三部影像組成，左側螢幕中的舞者擺動身體，將動作的訊息編碼傳遞給右側的機器人，AI機器人則藉此模仿人類的一舉一動。中央的螢幕則紀錄著人與AI的親密對話。《語意》傳達如果人類過度依賴AI，可能面臨失去自主性的風險。藝術家黃姿婷希望藉此讓大家思考，AI技術對於人類的生活和存在方式會有什麼影響？在人類與AI越來越模糊的邊界之中，如何找尋出自我跟技術的平衡。 在科技快速發展下，AI不僅作為工具使用，也讓人們開始反思，人類獨有的思考與創造力是否不再特別。觀展民眾蘇逸安認為，網路世代充斥難以分辨虛實的資訊，已難以界定真假之分。當AI的共情能力逐漸趨近人類，人也逐漸滿足於AI的完美，那麼人類還剩下哪些競爭力？潘保源說道：「當AI變成一個邏輯運算跟處理速度都比我們還要強，但又同時可以模擬出和我們一樣的情緒，或者說我們跟他討論東西的時候，你發現他給你的反饋比你的同儕還要好，我可能沒辦法接受人類在這上面的瑕疵。」 展覽中的各類藝術作品，呈現AI在創造上的無限可能。在科技迅速發展的時代下，人們需要思考與AI間的連結與差異，才能探索與人工智慧和平共生的未來。

【記者王華琳綜合報導】工作場域中粉塵濃度不僅影響職場安全更可能危害勞工的健康。中國醫藥大學職業安全與衛生學系教授張大元帶領團隊研發「運用人工智慧演算法與低成本感測器以估計工作場所的可呼吸性粉塵濃度（Application of artificial intelligence algorithms and low-cost sensors to estimate respirable dust in the workplace）」，將微型檢測器結合AI與物聯網技術，提高職場粉塵濃度的即時監控精準度。此研究成果登上國際科學期刊《國際環境》（Environment International）。 中國醫教授張大元團隊，針對職場粉塵濃度檢測進行研發，研究成果刊登於國際科學期刊《國際環境》（Environment International）。　圖／張大元提供目前法規針對工作場域的可呼吸性粉塵濃度監測標準，為每半年進行一次工作日八小時的空氣樣本採樣與濃度分析。惟依照現行規定的採樣方式與頻率，無法完全顯示工作場域下實時的粉塵濃度變化。張大元說道：「若能即時顯示工作環境中的粉塵暴露濃度，便可在不影響工作進行的情況下，提升對於勞工健康與職場安全的保障。」為了解作業場域中24小時的粉塵濃度，特別是因生產數量改變所導致的濃度變化。研究團隊將微形檢測器融合AI技術，利用演算模型分析各式影響檢測器誤差的環境因素，如溫度、濕度、風向等，針對獲得的採樣數據進行篩選分類。參與研究的中國醫職業安全與衛生學系碩士生陳靖傑說明道：「挑選出最符合當下環境的運算模型，進行數值校正。」降低微型檢測器在採樣上的誤差值，減短現今測量方式在計算相關數據所需時間。 微型檢測器結合AI演算法與物聯網技術，改善採樣數據的資訊處理能力。　圖／張大元提供研究團隊在研發中結合物聯網技術，將微型檢測器所得粉塵資料，即時傳送至伺服器當中進行AI運算與校正，並將運算所得數據統合至資料庫中。企業與檢測方便可藉由雲端平台，遠端監看粉塵濃度。系統也加入警示機制，當數據達一定標準時，傳送訊號回到檢測器，完善職場的風險溝通。陳靖傑進一步補充：「甚至可以在工廠裡面設看板，告訴勞工或是管理者當前的狀況，協助業者建立改善方式。」 此項技術能即時檢測工作場域中的粉塵濃度變化，以加強勞工健康與職場安全保障。　圖／張大元提供一般民眾與勞工難以輕易理解粉塵濃度背後所代表意義，張大元說：「在數據呈現上，以視覺化的方式，提供實時粉塵濃度折線圖，讓大家更容易理解當下的狀態。」研發團隊強調未來也將持續針對AI演算部分進行研究，強化粉塵數據的應用。國立臺灣大學環境與職業健康科學研究所教授陳志傑對此說：「微型檢測器會受到環境因素影響，導致採樣誤差的問題。若無法完全改善，所得數據的可信度與使用價值就值得令人思考。」

【記者李雨羲綜合報導】無人機目前已被廣泛使用於不同領域，近年來各界也積極研究，如何將其妥善運用於急難救助上。慈濟大學醫學資訊學系學生團隊設計一款「智慧型無人機人體偵測與物聯網手套控制系統設計」，透過手勢動作操作，希望可以讓它更有效率地參與救災現場。 使用者可透過配戴護目鏡，藉著前方所裝設的螢幕，查看AI判斷過後的無人機鏡頭視角。　圖／李兆珩提供「因為效率低下，所以目前的救災現場鮮少使用無人機。」團隊學生、慈濟醫資系四年級李兆珩表示，現今的無人機若要實際應用在救援行動上，需要額外撥出一名專業人員固定使用遙控器操作。同時，由於必須雙手控制，即使發現救援目標，也無法迅速作出行動，得再另外聯繫位在他處的隊員趕往現場協助，反而拖延了時間。為了改善整體運作效率，團隊研發一款以穿戴式手套作為遙控無人機裝置的系統，「只需要用直觀的手部動作操作，無人機就會透過接收訊號自行運轉。」李兆珩表示手套人性化的設計，可以讓消防人員解放雙手，不再受到遙控器的拘束。此外，他們也在手套安裝狀態顯示燈，透過按鈕的方式切換遙控與滯空模式，讓使用者可以在滯空模式中更無限制的使用雙手。 使用者可透過手套上開發板的狀態燈判斷現下飛行機的操作模式，綠、藍、紅分別代表了飛行、滯空及降落模式。　圖／李兆珩提供在傳輸上，團隊則使用市面上空拍機附帶的Wi-Fi功能進行訊號收發，「每一個手勢會分別在感測器上，擁有自己對應的數值。」李兆珩說明，手套上的開發板會偵測手部動作，以此界定動作指令，並且利用Wi-Fi傳送至作為中繼站的手機，再將訊號發送至無人機。團隊學生、慈濟醫資系四年級李睿榆說：「若讓手套同時收發訊號，過於複雜的程式會讓整體動作產生延遲，反而失去效率。」因此在兩者之間加入中繼站，減緩延遲的問題。 使用者可透過八種不同的手部動作操作無人機的行動，以手掌攤平下壓為例，則是控制無人機向前飛行。　圖／李兆珩提供此外，團隊將AI模板植入無人機的鏡頭，藉由深度學習，偵測視野之中有無人類特徵存在。「我們利用圖像增強的功能，讓空拍機在各種情況下加強判斷可信度。」李兆珩表示在訓練AI的過程中，他們利用將圖像翻轉、挖洞等等，模擬災害現場可能出現的殘肢、建築物遮蔽的情況。透過加裝在護目鏡上的投影儀，將影像判斷結果實時呈現於消防人員眼前，隊員即可以顯示出的提示與影像尋找是否有尚未發現的救援目標。 圖為AI判讀過後的畫面，將其判斷可能為人類的物體框起，並在一旁標明數據可信度。　圖／李兆珩提供「一般來說消防員需要將情報回報給指揮官，並等待指令下達才可以有所行動。」現役消防員許先生（化名）表示，此研發雖然希望能夠藉由減少聯繫時間提高救援效率，但在災害現場若每個消防員都自主行動，在溝通不足之下，更可能會造成因混亂而整體效率降低的狀況。「除了第一視角以外，也可嘗試擴增視野讓消防員注意到更多狀況。」他更提到如果未來可以將單一視角擴大至360度，或許能取代目前額外設置的「目視觀察員」，讓飛手一人即可避免無人機發生衝撞機身等問題。

【記者王華琳綜合報導】現今，已有許多技術利用非侵入形式，協助醫美與皮膚科醫師進行皮膚狀態的評估與紀錄，可設備卻因種種考量，無法普及於所有診所當中。義守大學生物醫學工程學系教授王智昱指導醫工系學生涂育婷、葉俊嶧、李鈺媗、傅建榤組成研發團隊，開發出「RBX分色影像生成技術—跨平台皮膚色澤轉譯系統與應用」降低技術成本，使其技術能應用於更多對象，於2023第七屆全國醫學工程創意競賽中獲得金獎。 透過「RBX分色影像生成技術」將影像轉譯為影響皮膚色澤最重要的血紅蛋白與黑色素含量。　圖／王智昱提供一般診所中普遍使用肉眼與一般影像進行診療的判斷與紀錄，但過程中仍會因外在環境與醫師主觀意識影響，涂育婷補充說：「以分色技術產出可視化的結果，讓使用者可以直觀的看到整個療程上的變化。」 然而，研發團隊有感於現今市售膚質檢測儀中，利用光線進行轉譯的「RBX分色影像技術」，雖已被證實其醫學使用價值，卻因設備成本、診所空間以及實際執行性等因素，無法普遍應用於醫療診所當中。因此與皮膚科醫師合作研發「RBX分色影像生成技術—跨平台皮膚色澤轉譯系統」，利用AI的圖像轉譯技術，將全彩的臉部影像，轉譯為影響皮膚色澤最重要的兩個關鍵因素，顯示皮膚血紅蛋白含量的「Red圖像」，以及顯示皮膚黑色素含量的「Brown圖像」。 系統的軟硬體分離機制，在有效降低設備使用空間的同時，提升技術便利性。　圖／王智昱提供系統透過掌握這兩種物質在皮膚中的含量與分布，可以計算皮膚色斑大小、酒糟皮膚嚴重度、膚質明亮或暗沉等多種皮膚問題。使用者將圖片匯入系統中便可將其轉譯為Red圖像與Brown圖像提供參考。「影像處理的部分，我們有做一個顏色的校正模型，會去判斷拍攝器材之間的色彩偏差問題。」涂育婷說明，色彩校正有效降低偏差所導致的轉譯誤差，以及對使用者拍攝背景和裝置的要求。而且軟硬體分離的形式，不僅大幅降低器材的成本，同時也增加技術使用普遍性和方便性。 利用「生成對抗網路」進行圖像轉譯，準確率可達92％。　圖／王智昱提供研發團隊表示未來將持續增強系統功能，與皮膚科醫師合作尋找與血紅蛋白以及黑色素相關的疾病，擴大應用層面。涂育婷進一步強調：「我們也會想要設計手機應用程式，讓這項技術能不僅僅是用於醫療，而是可以普及到一般民眾所使用。」同時進一步開發技術在科學層面的潛能。對此，皮膚科醫師胡怡萱認為此項研發能大幅降低原先高成本問題，但還須注意的是，「圖像僅能顯示皮膚當下表面狀態，無法分析背後導致的因素。」在缺乏醫師完整評估，以及正確衛教知識的情況下，可能使得部分患者過度焦慮肌膚狀態甚至引發皮膚狀態惡化。