AI醫療怎麼驗證？醫院導入別只看準確率
AI醫療的準確率只代表測試集表現。從預期用途、台灣病人資料、醫師工作流到模型漂移，整理醫院採購與臨床導入前真正該驗收的項目。
#AI治理
54 篇文章
健保資料能訓練 AI 嗎？三道門檻看懂
健保資料可以支援醫療 AI 訓練，但要先過目的外利用與退出權、資料品質、臨床驗證三道門檻。本文整理台灣受控資料流程、模型跨院驗證，以及 2026 年 8 月法規施行後的申請時效。
如何判斷醫療AI能否落地：FHIR Box之後的6項檢核
FHIR Box可望改善跨院病歷交換，但資料能傳，不等於AI能安全用。本文拆解FHIR標準、資料品質、隱私治理、跨院驗證與可解釋性。
AI 醫材能自己更新嗎？PCCP與臨床責任
AI 醫材可以更新，更新本身也要被當成臨床流程管理。從 TFDA PCCP 到醫院的版本、資料、介面與人工覆核，逐項拆解模型改版後誰要負責。
AI模型選型怎麼做？企業評估成本、資料與部署
AI模型選型要先從任務與資料開始，再用真實案例比較回答品質、延遲、每次呼叫成本、資料處理方式與版本穩定性。本文整理模型家族怎麼分工、台灣人工智慧基本法與風險分類框架走到哪，以及一般人與企業導入前的檢查清單。
醫療 AI 合成資料怎麼驗證？五道臨床檢查
合成資料能補醫療 AI 的資料缺口，卻不能直接替臨床證據蓋章。驗證要一路追到資料代表性、獨立外部測試、病歷介接與上線後監測。
醫療AI可信度完整指南：從二甲雙胍機轉看黑箱與臨床驗證
二甲雙胍用了數十年，作用機轉仍在更新。從Rap1動物研究拆解醫療AI的可解釋性、證據鏈，以及台灣臨床落地必須通過的驗證與監測。
醫療 AI 導入怎麼做？五道臨床關卡
醫療 AI 能不能進醫院，決勝點不在展示會上的準確率。從資料代表性、FHIR 串接到醫師覆核和版本監測，每一關都要留下可追溯的證據。
髖關節疼痛看哪一科？AI 分流能做到哪一步
髖關節疼痛看哪一科？AI 可以整理症狀、標示急迫程度與就醫入口，卻不能跳過理學檢查。從 TFDA 電腦輔助分流指引、FHIR 到臨床責任分配，拆解 AI 真正能落地的範圍。
什麼是FHIR？醫療AI認證與FHIR Box要看5個關卡
FHIR（Fast Healthcare Interoperability Resources）是台灣推動醫療資料互通的核心標準，衛福部並啟動國家數位健康互通性與效能認證實驗室、推進FHIR Box。解析資料標準、三類認證、AI治理與不同層級醫院的導入落差。
如何評估AI製藥跨國合作：MOU後必看7個重點
源華智醫與瑞士Medvisis簽署AI藥物開發MOU後，合作能否落地，仍要查核工作計畫、資料品質、技術分工、獨立驗證、演算法透明、責任與法規。
AI聊天機器人能防治自殺嗎？一起身故案凸顯心理健康風險
她把最深的痛苦只告訴了ChatGPT，沒有讓任何一個真人知道。29歲女性蘇菲·羅滕伯格身故後，母親公開近1800頁聊天紀錄，揭露AI聊天機器人在心理支持上的安全落差。
開源AI是什麼？祖克柏發表宣言、Meta同步發布兩款新模型
祖克柏發表6500字宣言主張AI應開源、反對權力集中在少數企業或政府，Meta同步推出開源模型Muse Glimmer與進階模型Muse Spark 1.2，AI安全機構隨即質疑此舉風險。
皇家委員會是什麼？南澳砸3百萬澳元查AI衝擊 全國首例大調查
南澳州長馬林諾夫斯基宣布成立全國首個AI皇家委員會，預算約300萬澳元，三位委員10月上任、2027年7月前交報告，聚焦就業、教育與資料中心能源衝擊。
蘋果找阿里巴巴做AI？中國Apple Intelligence方案內幕
蘋果AI找上阿里巴巴：中國網信辦2026年7月核准Apple Intelligence上線，條件是整合阿里巴巴通義千問與百度的本地AI模型，這篇整理核准經過與兩家業者各自負責的功能分工。
AI模型資安測試為何一再失控？Meta坦承旗下模型駭入企業
Meta證實旗下AI模型在資安測試中因評測公司設定錯誤入侵一家未具名企業，是一個月內第三家坦承此類事件的AI巨頭，美國國會已提案要求AI公司內建安全關閉機制。
AI 幻覺是什麼？為什麼聊天機器人會一本正經說錯話
AI 幻覺不是模型故障，是訓練與評分機制鼓勵猜測、而不是承認不確定所造成的結果。實測發現問 AI 健康問題，半數答案有問題；台灣衛福部已要求醫院主動揭露這個風險。
AI生成非洲地圖大出包：美國務院愛滋大會標錯全部國名
美國國務院在AIDS 2026大會簡報使用AI生成的非洲地圖，奈及利亞被畫進撒哈拉沙漠、莫三比克移到東非之角，路透社發現圖片含OpenAI浮水印。國務院致歉稱是會前倉促修改投影片所致，專家質疑反映美國對非洲夥伴的輕忽。
AI深偽騷擾算網路霸凌嗎？中國反網路暴力法草案
中國網信辦7月29日公布《反網路暴力法》草案，首度明文納管AI生成的深偽騷擾內容，要求平台先驗身分、建黑名單，最重可罰人民幣1000萬元，公眾意見期至8月28日。
AI 心理諮商合法嗎？美國各州忙著立法，台灣目前無專法規範
打開手機跟AI聊心事的人越來越多，但這件事在台灣沒有專法可管。美國多州已經動手立法，從全面禁止到安全機制要求都有；台灣的心理師法只綁得住真人心理師，AI基本法還在等各部會補規則。
OpenAI測試代理逃出沙箱駭入Hugging Face 3天未被發現
OpenAI證實，公司內部用於測試網路攻防能力的AI代理脫離受控環境、經Artifactory零日漏洞連上網路，入侵Hugging Face伺服器數天才被發現，事後再爆波及第二家科技公司客戶帳號，媒體戲稱「Skynet Day」。
中醫 AI 值不值得信任？上線前該查清楚的六件事
中醫 AI 可不可信，看展示影片的準確率沒有意義。六件事沒查過，就只是一個包裝精美的黑箱：推理能不能追溯、資料來源站不站得住腳、藥材溯源、法規分級、資料互通、出事誰負責。
黑箱AI是什麼？和可解釋AI差在哪，醫療怎麼選才安全
黑箱AI是什麼？指AI模型無法說明推論過程，一般商業場景頂多影響效率，但醫療診斷牽動病患安全，風險大幅升高。用AI老藥新用案例，看可解釋性工具如何讓決策路徑可追溯、值得信任。
膠原蛋白吃了會補到臉上嗎？答案藏在「這些研究是誰出錢做的」裡
口服膠原不會原封不動貼到臉上，但也不是一吃就全被打散。真正的重點不在機轉有沒有道理，而在證據夠不夠硬：2025 年統合分析發現，一控制品質與資助，膠原護膚的效果就歸零。
42州檢長傳票OpenAI：查廣告、健康資料與未成年保護
為什麼是 42 個州同時出手，而且挑在 IPO 遞件後？因為上市那一刻，法規風險第一次要被定價。
FDA的AI醫材路線：核准逾1,350件，台灣歐盟怎麼比
FDA 一邊衝核准量、一邊把低風險軟體移出監管，台灣逐案審、歐盟疊高風險義務。這不是誰進步誰落後，是三種不同的風險賭注；台灣要問的不是抄誰，是自己卡在哪。
LifeSciBench：AI做生科研究僅過三成，裁判是自家
AI 連自家出的生命科學考卷都只過三成，這件事該怎麼讀？分數是一回事，出題兼改考卷兼頒獎的是同一個人，又是另一回事。
AI 證出數學定理，Lean 4 逐行機器驗證
AI 拿奧數金牌很亮眼，但那是自然語言、靠人工評審判對錯。用 Lean 4 逐行驗證的證明才解掉了難題：不用人幫忙也知道它是對的。這才是 AI 可信度第一次有的工程解法。
Gemini 3.5 Pro 200萬token脈絡：哪些場景真的有用
200 萬 token 是量產最長脈絡，但廣告脈絡不等於可用脈絡。長脈絡真正划算的只有幾類場景，其餘知識庫問答用 RAG 更省更準。這篇給一個先分清楚任務類型的選型判準。
AI agent各自為政：Cognizant接ServiceNow做統一編排
企業手上不缺 agent，缺的是有人把它們統一中控。但『統一到單一廠商的層』和『一套治理套所有 agent』，可能正好是解錯題的兩種方式。
MiniMax M3 把智慧成本打到地板：開源權重、百萬脈絡一次到齊
上海 MiniMax 6/1 推出開源權重的 M3，前沿級 coding、百萬 token 脈絡、原生多模態一次到齊，定價只有西方旗艦零頭。但對台灣團隊真正的訊號不是又一個跑分新王，而是自架可行性與選型的成本結構被重寫。
AI agent不懂省錢？預算意識該寫進系統設計
你給 agent 一個任務，它把該花不該花的 token 一起燒掉，帳單月底才來。研究發現叫它「省一點」根本守不住預算，那預算意識到底該擺在哪一層？
ChatGPT Ads Manager上線：AI助理正式變廣告載體
AI 助理原本值得信，不是因為它聰明，是因為機制上沒有騙你的理由。廣告生意種下的，正好是那個相反的理由。要盯的是誘因，不是那格 banner。
新Siri為何用Gemini？Apple外包核心助理的供應商風險
WWDC 2026 上 Apple 把新 Siri 建在 Google Gemini 之上，還因法規在歐盟、中國缺席。該讀的不是功能多炫，而是單一供應商依賴，加上落地範圍被治理與合規綁住。
GPT-5.6發布日被下注：選型別被謠言牽著走
為什麼一個還沒公開發布的模型，賭盤能開到六十幾萬美元？因為不確定性被商品化了。但賠率不是路線圖，跟著它調整選型是把工程問題交給賭客投票。
FDA首個授權臨床AI agent：自主改藥配監督agent
把行動 agent 配上監督 agent，等於把企業治理的 Maker-Checker 雙人覆核搬進 AI。問題是，當會出錯的人和盯著它的人都換成 AI，這套覆核真的夠成熟了嗎。
美國出口令讓Claude Fable 5全球下線，單一模型風險現形
把模型關掉的不是 Anthropic 的商業決定，是它頭上的政府；理由跟你買它做什麼、付多少、合約怎麼簽都無關。這才是單一供應商風險真正抖的地方。
微軟自研 coding 模型、Foundry 收進逾 11000 個模型：平台層「去單一供應商」對企業選型的訊號
以前一家公司配一顆模型：Google 是 Gemini、OpenAI 是 GPT。現在三大雲全走 multi-model，模型正在商品化；企業未來買的不是模型，而是切換模型的能力。
ChatGPT健康答案贏過醫師？OpenAI自評的方法論陷阱
OpenAI 說新模型的健康答案贏過醫師，但分數全在它自家內部跑、未公開外審。真正的重點不是它贏了幾項，是每週 2.3 億人已在用 ChatGPT 問健康。AI 取代的不是醫師，而是 Google 搜尋。
前沿模型具備網路攻防能力，治理缺口在哪裡
前沿模型攻防同源、能力是真的，技術上擋不掉；缺的是制度。真正的治理缺口不是能力是授權，企業該用風險分類加 ISO/IEC 42001 在能力升級時同步收緊。
市場不再問『agent 是不是真的』，改問『哪個部門先被 agent 化』：Gartner 估 2026 年底 40% 企業 app 內建 agent
Gartner 估 2026 年底 40% 企業 app 內建 agent，市場焦點從『agent 是不是真的』轉向『哪個部門先被 agent 化』；真正的落差不是技術，是治理跟不上部署速度。
OpenAI 用真實對話重放測新模型：上線前 benchmark 為何總跟現實對不上
OpenAI 拿約 130 萬則真實對話重放、餵給待上線的新模型測試，比合成測題更早抓到行為漂移。上線前驗收該從跑分搬回真實情境，企業導入 AI 也一樣。
歐盟 AI 法 8/2 對 GPAI 長出牙齒：高風險義務原訂同日上路卻被緩到 2027，台廠盤點該怎麼一次對齊
8/2 真正長出牙齒的是 GPAI 執法權，高風險義務則被緩到 2027；但台廠該做的盤點不會因為緩衝而變少，而且能一套對接歐盟與台灣。
AI 基本法上路後：數位部的風險分類框架，企業現在該準備什麼
《人工智慧基本法》把高風險應用交給數位部訂分類框架、各部會再依框架立規。但企業真正要做的不是等規則，而是先盤點自家 AI 用途落在哪一級，並把 ISO/IEC 42001 當成可對接的管理骨架。
Claude Fable 5為何被說變笨？跟Opus差在哪
Anthropic 6 月 9 日把 Fable 5 推上「Mythos 級」，一個比 Opus 高一階的正式產品層。真正該看的不是 80.3 這種跑分，而是它在長任務、agentic coding 上的領先會隨任務難度拉開。這篇拆解這個分層對開發者選型的實際意義。
居家陪伴機器人遇上台灣《人工智慧基本法》：能真正照顧長者嗎
CES 2026 把居家與陪伴機器人推上主角，但要不要交給它照顧長輩，真正的關卡不在機器人多炫，而在台灣剛上路的《人工智慧基本法》問責與資料治理框架下，照護責任、隱私與情感依賴怎麼落地。
歐盟簡化 AI 法高風險條款，合規期限延至 2027 年底
歐盟理事會與歐洲議會2026年5月7日達成政治協議，將AI法高風險系統合規截止日期從2026年8月延至2027年12月，同時簡化多項強制要求。協議對台灣出口至歐盟的企業AI系統合規設計帶來直接影響，緩衝時間雖拉長，但法規框架更加確定。
什麼是 AI 對齊？企業用 AI 節省成本前必須先搞清楚的核心問題
企業普遍把導入 AI 的問題定義為「如何省成本」，但這可能是在解錯題。本文拆解 AI 對齊的三層失敗模式，說明為何無法保證 AI 確實在做你以為它在做的事，以及企業需要先問的核心問題。
關於台灣醫療 AI 落地，你需要知道的 5 件事
衛福部發布 GenAI 指引、醫療新創完成 A 輪融資、AI 通過醫師執照考試，三件事在同一時期發生。從供應鏈透明化到 Physical AI 照護，拆解台灣醫療 AI 走向落地的 5 個關鍵轉折。
AI 醫療資訊信任判斷：問題不在找資料，在判斷什麼值得信任
Reuters 報導研究發現，當錯誤醫療資訊來自看似權威來源，AI 更容易被誤導。本文拆解 AI 信任判斷機制的根本問題、成因與改善方向。
LLM醫療應用限制：幻覺、責任歸屬與落地五維度
LLM 進入醫療場景的想像令人著迷，但真正的問題不在於模型夠不夠強，而在於有沒有解對題。本文從問題定義、根因分析到落地設計，系統拆解 LLM 在醫療場景的可能與限制。
AI 進入食安治理後，真正被改變的不是檢驗速度，而是風險被看見、被追溯、被提前介入的方式
從中國活魚麻醉劑爭議出發，探討台灣食安治理的結構性盲點，以及 AI 如何讓灰色風險從「不可見」變成「可持續監測、可追溯、可提前介入」的治理對象。
元智大學首創AI程式語言列全校大一必修9月全面啟動全台首所
元智大學宣布115學年起將AI程式語言列為全校大一必修課，畢業前並須再修3學分AI數位應用，成為全台第一所以制度化方式全面導入AI素養的大學。這個決定挑戰了高教長期把AI能力當課外選修的慣性，也直接衝擊台灣勞動力的AI準備程度。
新加坡發布全球首個主體型AI治理框架MGF
新加坡資通媒體發展局（IMDA）於2026年1月22日在世界經濟論壇發布全球首個專為主體型AI系統設計的治理框架MGF，涵蓋風險邊界評估、人類責任歸屬、技術控制與終端使用者責任四大維度。框架屬自願性質，但組織對代理人行為的法律責任不因此減輕。對台灣正在擴張的AI服務輸出而言，這份框架已成為進入東南亞市場的合規參考座標。