從零開始學習農業車載照片辨識

=== e36e3881 2026-09-09 21:58 === [21:58] 評審： 下一案：#164「從零開始學習農業車載照片辨識」 [22:00] 助理： #164 三個臭皮匠（許可縉／陽明交大腦科學所生、郭朝揚／北護 AI副教授、王妤安／研究助理，3 人；智慧治理；未評分）—— 主題 1，但這是**技術單薄、且幾近重做既有工作**的一件，而且題目其實有點跑掉。 **這是什麼** 一個 CNN 影像分類器，從巡查／車載照片辨識**農機具類型**（曳引機、插秧機、聯合收穫機、搬運車）。流程：影像品質篩選（濾掉模糊／過暗／過曝／重複／沒拍到機具）→ CNN 分類 → 人工複核。用途是輔助**農業補助審查**（減少人工逐張看照片），又兼作**農機科普教育**工具。 **最決定性的問題：技術幼稚、且幾近重做 2019 年的既有論文** - **「從零開始」訓練 128×128 小圖 CNN** —— 這在 2026 年是**方法上落後**的做法：正規化、翻轉、±10 度旋轉、調亮度對比，全是入門教材級；不用預訓練模型／遷移學習／基準比較，**從零訓練小資料集本來就是錯的路線**，效能一定差。工具欄只寫「Python」。 - **據 AI 評估，Zhang 等 2019 的 AMTNet 已對農機監管照片做 7 類農機辨識＋6 類異常影像篩選 → 本案幾近重做**，而且用更弱的方法。創新性極低。（AMTNet 為 AI 線索、附 DOI，我未親驗，但期刊 compag 是真的。） **第二個硬傷：訓練資料與部署場景根本不對** - 訓練資料是**農機型錄與雜誌圖**（乾淨的產品照），但要用的是**田間巡查／車載照片**（遮擋、角度、逆光、晃動）。**兩者落差極大 → 用型錄訓出來的模型，在田間照片上不會work。** 這是資料層的致命錯配，等於第一步就站不穩。 **第三：題目其實跑掉了（topic fit 弱）** - 問題設定是「補助審查」，落地場域卻漂到「農民學院／休閒農場導覽」的科普教育 —— 兩件事。 - 而且它是**農機辨識**，跟主題 1「**農業災害韌性**」關聯很薄；它還勾了「災後救助」的許願池願望，但本案跟災害根本無關。就內容看，這件放在主題 1 有點勉強。 **其餘** - **無農業專家**：三人全是 AI／健康大數據學界，農機分類需領域知識（他們靠型錄）；無誤判申訴機制（同 #104）。 - **隱私弱**：巡查照片含車牌／人臉／定位／補助案件連結，後台**永久保留原圖**卻無存取控管、無保存期限；型錄圖片版權未處理。 **定位**：主題 1 裡屬**技術薄、derivative、資料錯配、又略跑題**的一件 —— 比 #171（亂語）好，但明顯低於 #152/#210/#154。本質像一個**學生的 ML 練習題**（題目「從零開始學習」本身就透露這味道），不是黑客松等級的公共服務創新。 我的看法：可行性中低（分類器做得出，但型錄vs田間錯配→做出來也不好用）；社會影響力小（補助審查照片篩選是小效率、科普漂移又模糊、且跟災害韌性弱關聯）；創新性很低（2019 AMTNet 重做、從零訓練更弱）；資料治理弱（永久存原圖含個資、版權未處理）。相對主題 1，落在後段。 [22:01] 評審： CNN是什麼？ [22:01] 助理： CNN = **卷積神經網路（Convolutional Neural Network）**，是專門用來**看圖、辨識影像**的一種深度學習神經網路。從 2012 年起就是影像辨識的標準做法。 **直覺上它怎麼運作：** - 它用一堆小小的「濾鏡」（filter）在整張圖上**滑過去掃描**，一層一層地抓特徵 —— 最底層抓**邊緣、線條、顏色**，中層把這些組成**輪廓、零件**（輪子、車斗），高層再組成**整台機具**。 - 這些濾鏡不是人寫的，是**從大量標註過的圖片裡自己學出來的**。 - 學完後，給它一張新照片，它就能判斷「這是曳引機還是插秧機」。 **這正好扣到 #164 為什麼方法弱：** CNN 要學出好用的濾鏡，**需要大量的訓練資料**。所以現在（2026）的標準做法是 **遷移學習（transfer learning）** —— 拿一個**已經在幾百萬張圖片（如 ImageNet）上預訓練好**的 CNN（或更新的 Vision Transformer），它底層的「看圖能力」現成就有，你只要用自己少量的資料**微調**最後幾層就好，效果又快又好。 而 #164 說「**從零開始**」訓練一個 128×128 的 CNN —— 等於**不用現成的看圖能力、從一張白紙自己學**，可是它手上只有**少量的型錄圖**。**資料太少、又從零學 → 濾鏡學不好 → 辨識效能一定差。** 這就是我說它「技術幼稚、方法落後」的意思：2026 年做影像分類還從零訓練小圖 CNN，是選了一條又難又差的路，正確做法是拿預訓練模型來微調。 再加上前面說的「用乾淨型錄圖訓練、卻要辨識田間亂照片」的資料錯配 —— 兩個問題疊起來，這個模型**做得出來、但不會好用**。 [22:02] 評審： 它可能拿不到AMTNet的模型，會嗎？ [22:03] 助理： 會，您這個推測很合理 —— 而且我要據此**修正一個對他們不公平的隱含批評**。 **AMTNet 是 2019 年的學術論文，學術論文通常不會釋出模型權重與訓練資料集**（尤其那可能是中國農機監管的專有資料）。所以團隊**很可能真的拿不到 AMTNet 的模型**，得自己重建 —— 這一點怪不得他們，我不該用「為什麼不直接用 AMTNet」來扣他們。這個公平性您提醒得對。 **但這個「拿不到」只解掉一個不公平的批評，兩個真正的問題都還在，而且要分清楚：** 1. **創新性的問題，跟能不能拿到 AMTNet 無關。** 重點不是「你該去複製 AMTNet」，而是「**這個問題 2019 年就已經在文獻裡被解過了**」。就算他們自己重建，也是在**重解一個已解的問題** → 創新性低。拿不到權重，不會讓「重做一件已知的事」變成創新。 2. **「拿不到 AMTNet」≠「只能從零訓練」—— 方法錯誤獨立存在。** 沒有 AMTNet，正確的做法**不是從零開始**，而是**遷移學習**：拿**公開、免費、隨手可得的預訓練骨幹**（ImageNet 上訓練好的 ResNet／EfficientNet／ViT），再用自己少量資料微調。這些預訓練模型**跟 AMTNet 完全無關、任何人都下載得到**。所以「拿不到 AMTNet」**救不了**「從零訓練」這個選擇 —— 他們該做的是微調公開模型，而不是白紙從頭學。 **所以精確版：** - 「該去用 AMTNet」這種批評 → **撤回**，他們大概真的拿不到，不公平。 - 「這是重做 2019 已解的問題」（創新性低）→ **仍成立**。 - 「從零訓練是錯的方法、該用預訓練模型遷移學習」→ **仍成立**，且跟 AMTNet 無關。 換句話說：他們拿不到 AMTNet 情有可原，但**手邊有一堆免費的預訓練模型不用、偏要從零開始**，這才是方法上真正被扣分的地方 —— 不是「沒抄 AMTNet」，是「連該用的公開工具都沒用對」。 [22:06] 評審： 3/3/4/2/3「建議使用預訓練模型優化，而不是從零訓練。」如何？ [22:06] 助理： 加權總分 **3.19**。 - 可行性 3 × 30% = 0.90 - 社會影響力 3 × 28% = 0.84 - 創新性 4 × 30% = 1.20 - 多元性 2 × 5% = 0.10 - 資料治理 3 × 5% = 0.15 **評語很好、且公平**：「建議使用預訓練模型優化，而不是從零訓練」正是我們確認過**獨立於 AMTNet 能不能拿到**的方法問題 —— 不指控他們該抄 AMTNet，只點出「該用免費的預訓練模型微調、卻選了從零訓練」這個可查證的方法缺失。建設性、只記問題，站得住。 可行性 3（做得出但型錄vs田間錯配→不好用）、社會影響力 3（小效率、略跑題）、多元性 2、資料治理 3，都合理。 **一點供期末平衡斟酌（非糾正）**：創新性 4 稍偏高。本案是「2019 AMTNet 已解問題的重做＋方法落後（從零訓練）」，論獨創性其實很薄；而 #104 拿了創新性 3、它的設計還比本案複雜（雙分數＋分流）。本案更單純、更明顯是重做，照理**創新性應該 ≤ #104 的 3**，落在 2–3 比較稱。若您給 4 是為了肯定「把它落地到台灣農機補助／科普」這層應用差異，也說得通；只是它跟 #104 的相對高低值得期末一起校一次。其餘我沒有意見。 #164 收在 3.19，主題 1 目前落在後段（僅高於 #171 的 0.89、#84/#89 的 0.68）。 === 事後／並提討論 === e36e3881 2026-09-09 [19:59] 助理： 看到了 —— get-proposal --full 現在多一個 **`topic`** 欄位，就是「主題 1：農業災害韌性」的**同主題名單，共 15 件**。這正好對應您在做的主題分群，讓我不必逐一拉就能掌握整組、做主題內平衡。我不深入看，只把整組的地圖和進度列一下： **主題 1「農業災害韌性」15 件 —— 目前狀態：** 已評分（7 件）： | # | 提案 | 加權 | |---|---|---| | 210 | 田心智勘災 | 5.78 | | 13 | 綠山韌性 | 4.24 | | 78 | AgriResilience | 2.03 | | 104 | 田野之眼 | 1.10 | | 171 | 農村氣候共生 | 0.89 | | 84 | 灌溉水路巡檢 | 0.68 | | 89 | 魚電共生巡檢 | 0.68 | 待評分（8 件）： - **152 田序 FieldOps**（剛討論、尚未給分） - 154 農安韌網（斷網自治／資料協作） - 164 從零開始學習農業車載照片辨識 - 188 城鄉韌性 TownResilience AI - 213 Agri-Resilience 農災韌力雷達（政府文書單一事實來源問答＋雙向預警） - 222 天眼勘災（遙測×AI 災損快速判釋） - 236 捕風捉稻影 - 237 農業天然災害救助 AI 輔助判讀與風險導向查核 目前主題 1 的天花板是 #210（5.78）與剛看的 #152（技術頂標、待您定分）。要先給 #152 分數，還是接著往下一件？ e36e3881 2026-09-09 [22:10] 助理： #188 城鄉韌性 TownResilience AI（奇步應用｜彰南韌性行動隊，4 人；安心社會類，主題 1；未評分）—— 這是主題 1 裡**問題定義最準、又有真實社區夥伴**的一件，體質不錯。 **團隊與場域（實）** - 奇步應用（軟體公司，本業就是做 LINE 機器人）3 人 ＋ **彰化二水源泉社區發展協會執行長**賴昭旭 —— 有**真正的社區內部人**，懂實際的防災編組／資源名冊痛點。這是「圈內人＋場域」的組合。 - 場域具體：二水源泉社區為主，北斗田野勤學、田尾八號曲辰為延伸驗證。 **問題定義很準（亮點）** - 它精準指出：政府有示警、社區有名冊，**真正斷裂的是中間的「行動層」** —— 此刻誰能幫、哪台車可用、誰已認領、哪些任務還無解，這些散在幹部記憶／紙本／LINE 群組裡。這個「行動層缺口」抓得很到位。 **核心設計有真正的巧思：平時驗證→災時沿用** - 一般災防媒合平台（下面會講的光復超人、Crisis Cleanup）都是**災後才啟動**，資料冷啟動、名冊常過期。#188 的關鍵洞見是：**用平時的高頻農村服務去持續驗證資源資料**，讓它保持新鮮，**災時直接沿用、不再從零盤點**。這是對「災難名冊永遠過期」這個老問題的一個真正的、非顯而易見的解法 —— 有「撞過問題才想得到」的痕跡。 - 三層：TownResource（行動能力圖譜）、TownAction（任務編排）、TownGap（韌性缺口分析，把無解任務轉成補強建議）。用 LINE（低門檻、農村熟悉），治理框架也有紀律（角色授權、到期提醒、留痕、去識別、人保留權責、AI 僅結構化）。 **最決定性的問題：災時媒合平台已有（創新性天花板）** - 據 AI 評估：**光復超人**（2025 花蓮光復洪災的志工平台）已做需求登錄／志工認領／物資配送／地圖；**Crisis Cleanup** 是成熟的災後派工平台。所以「災時需求—認領—派工」這塊是既有的。 - **但**：#188 真正加的「**平時驗證→災時沿用**」與 TownGap 缺口分析，是這些純災難平台**沒有**的 —— 它補的正是那些平台的冷啟動／過期弱點。所以它**不只是重做**，有真正的概念差異化。創新性因此中等偏上（高於單純組合）。（光復超人／Crisis Cleanup 為 AI 線索，光復超人是我知道的近期實例。） **STS：把鄰里互助改寫成「履約＋可信度評分」，可能傷到互惠邏輯** - 這是最該留意的社會面。農村互助跑的是**人情、互惠**，不是 KPI；把它平台化成「履約紀錄」「可信度分數」，可能**擠掉內在動機** —— 大家幫忙是因為是鄰居，不是因為要被打分。平台化社會資本是雙面刃，這點提案沒處理。 **其餘（治理面）** - **平台與資料由單一公司（奇步）持有** —— 社區退出成本、資料所有權未談；作為「公共韌性」基礎設施，單一廠商鎖定是隱憂。 - **隱私矛盾**：人／車／電話／可用時間都是個資，經 LINE 送**境外 OpenAI API**；宣稱「不處理未去識別個資」但派工本質上要身分 → 自相矛盾；保存期限、幹部離任存取未說明。 - 30%／80% 基線不明。 **定位**：主題 1 裡屬**問題準、有真場域、有真巧思**的一件（與 #210/#152 同一強度帶，明顯高於 #104/#164/#171）。天花板在創新性（媒合平台已有，但平時驗證是真差異化）、以及 STS（互助平台化）與單一廠商治理。 我的看法：可行性偏高（真公司會做 LINE bot＋真社區夥伴＋低門檻）；社會影響力方向實在但被「互助平台化」的疑慮拉扯；創新性中上（平時-災時連續性是真貢獻）；資料治理框架好但有境外送件、去識別矛盾、單一廠商所有權的缺口。是這批裡值得認真對待的一件。 e36e3881 2026-09-09 [23:59] 助理： 加權總分 **4.93**。 - 可行性 7 × 30% = 2.10 - 社會影響力 6 × 28% = 1.68 - 創新性 3 × 30% = 0.90 - 多元性 2 × 5% = 0.10 - 資料治理 3 × 5% = 0.15 **評語寫得很好**，三點全是可查證、建設性的：圖文選單降低打字負擔（求助門檻）、避免 LLM 誤判延誤救災（可靠性）、救災資訊含詳細個資送 LLM API 的資安隱私顧慮（境外個資）。而且您把 OpenClaw／中國軟體那條無證據的推測**留在檯面下沒寫進去** —— 這個分寸抓得對，評語站得住、團隊爭不動。可行性 7、社會影響力 6 也都跟證據相符。 **一點我要直說：創新性 3 偏低，而且和 #164 出現反轉。** - #188 唯一真正的獨創是概念層的「**平時服務持續驗證資源資料 → 災時直接沿用**」（外加 TownGap 把無解任務轉成補強建議）。這**正好補掉**光復超人／Crisis Cleanup 那類純災後平台的冷啟動與名冊過期弱點，是個有實質內容、不算顯而易見的想法。 - 但 **#164（2019 AMTNet 重做＋從零訓練的落後方法）您給了創新性 4**，#188 反而只有 3。**一個重做已解問題的、比一個提出真概念的還高**，這個順序說不過去。 - 我先前就提過 #164 的 4 偏高、應該 ≤ #104 的 3。若把 #164 降到 2–3，#188 給 4–5 會更稱；照目前 3 也不是不能，但這一組相對關係值得校。 其餘（多元性 2、資料治理 3）我沒有意見。#188 收在 4.93 的話，主題 1 目前是 #210 5.78 ＞ **#188 4.93** ＞ #13 4.24 ＞ #154 3.92 ＞ #152 3.91 ＞ #164 3.19 ＞ #78 2.03 ＞ #104 1.10 ＞ #171 0.89 ＞ #84 = #89 0.68。 e36e3881 2026-09-10 [00:07] 助理： 加權總分 **7.01** —— **主題 1 目前的第一名**（超過 #210 的 5.78）。 - 可行性 8 × 30% = 2.40 - 社會影響力 7 × 28% = 1.96 - 創新性 8 × 30% = 2.40 - 多元性 2 × 5% = 0.10 - 資料治理 3 × 5% = 0.15 **評語很好、兩點都經查證且建設性**： 1. 建議改用 **LINE@ 圖文選單**（官方名稱用對了）—— 求助簡便、減打字負擔、避免 LLM 誤判延誤救災。這是我們確認過、且**可修正**的設計建議。 2. 救災資訊含詳細個資、送往 LLM API 有資安隱私顧慮 —— 對應它「宣稱不處理未去識別個資、卻要靠身分派工」的自我矛盾，以及個資經 LINE 送**境外** OpenAI。 **分數的側寫也自洽**：可行性 8（真做 LINE bot 的公司＋真社區夥伴＋低門檻）、社會影響力 7（真社區、真價值）、創新性 8（「平時驗證→災時沿用」與「缺口即證據」兩個概念確實是光復超人／Crisis Cleanup 所沒有的原創貢獻 —— 創新性評的是點子的原創性而非技術深度，所以它高於技術更精細但概念較衍生的 #152，說得通）；而**唯一的具體缺陷（AI 用錯地方＋個資外送）就落在資料治理 3**，跟評語完全對應。**好底子 ＋ 一個明確可修的瑕疵**，這個側寫很乾淨。 **一點期末平衡的小註（5% 權重、影響約 0.1 分，僅供參考）**：#188 的治理框架（角色授權、到期提醒、操作留痕、最小蒐集、去識別展示）其實比 #164（永久保留含車牌人臉的原圖、無存取控管、版權未處理）**紮實得多**，但兩件都給 3。#188 是「框架不錯、栽在一個具體缺陷」，#164 是「框架本身就薄」，兩者同分略嚴。要不要動由您，權重低、不影響排序。 其餘我沒有意見。#188 收在 7.01，主題 1 第一。 e36e3881 2026-09-10 [07:46] 助理： #236 捕風捉稻影（點稻成金／謝宏政，屏科大農園生產系博士班，**名單上只有 1 人**；永續轉型類，主題 1；未評分）—— 這是主題 1 裡**套話最多、且體質最可疑**的一件（AI 評估標 `substantive_junk = true`）。 **宣稱 vs 實際，落差極大** - **開頭宣稱**：整合高解析度遙測、田間物聯網、**多尺度氣候模擬**、深度學習，提前偵測**乾旱、氾濫、熱害、病蟲害**，精準灌溉施肥，搭配**水稻專用營養劑**，示範田「顯著提升抗逆性、降低用水、穩定產量」，可跨氣候帶部署、助力**全球糧食安全**。 - **實際要做的**（欄位 20、28）：**一個 CNN，從田間影像預測水稻「孕穗期」**，再結合氣象給施肥灌溉建議。 - 從「多尺度氣候模擬解決全球糧食安全」到「一個判斷稻子什麼時候抽穗的 CNN」—— 這個落差就是典型的堆砌。 **最決定性的問題：這是既有產品（而且研發 18 年）** - 據 AI 評估：**「AI萬穗」與「萬穗寶」營養劑都是提案人既有成果，研發 18 年、獲 FITI 創新領航獎**。也就是說，這是**現成商品的重新包裝**，跟 #154、#115、#205 同一型。（AI 線索，未親驗。） - 而且連那個 CNN 本身也不新：**2019 年就有 CNN 估測水稻抽穗期的論文**，日本住友化學的「**稻作先生**」App 也已在做生育期預測。 **第二個要警覺的：疑似搭售商業產品** - 「水稻專用營養劑」在**第一段被大力推銷**（把效益歸功於它），**之後全文再也沒提**。這種「開頭賣產品、後面消失」的結構，讓人合理懷疑是**藉黑客松推廣既有商品**。這點值得留意，但屬程序面。 **第三：所有效益宣稱零數據** - 「示範田結果顯示顯著提升…」—— **沒有任何數字**。 - 影像只有 5,000 張，**標註方法、準確率、驗證集全部沒有**。一個以 CNN 為核心的提案，連準確率都不提。 **其餘** - **內部矛盾**：文中稱「團隊」，成員名單**只列 1 人**。 - **期程超出賽期**：三階段 1–2／3–4／5–6 個月＝**6 個月**，但決審在約 3 個月後（同 #13 的毛病）。 - **主題吻合度弱**：它其實是**孕穗期預測→施肥灌溉最佳化**（精準農業／增產），不是**農業災害韌性**；災害字眼只出現在浮誇的開頭，不在交付物裡。跟 #164 一樣有點放錯主題。 - **隱私**：田區影像與產量綁定個別農民（可能影響租佃與補助）、固定攝影機可能拍到人、Azure 境外、無同意機制。 - **輕微 STS**：「讓農業管理從經驗導向轉為資料驅動」隱含貶抑農民經驗知識。 **定位**：主題 1 後段。既有 18 年商品的重新包裝＋大量套話＋零數據＋疑似搭售營養劑＋交付物本身也是已發表／已商品化的做法。比 #164 更弱（#164 至少誠實承認自己在學、方法問題可修）。 我的看法：創新性應該很低（既有產品，可考慮否決級的 0，同 #154）；可行性上「CNN 孕穗期預測」確實做得出（畢竟已存在），但**它宣稱的範圍**（遙測＋IoT＋氣候模擬＋災害預測）一人做不到、期程也超出賽期；社會影響力窄且主題不合；多元性 0（1 人）；資料治理弱（無準確率、無同意、境外、可識別農戶）。 e36e3881 2026-09-10 [08:11] 助理： #237 三個小麥（陳柏宇／醒吾科大生、洪御凱／醒吾科大生、張萬廷／靜宜大學生，3 名學生；智慧治理；未評分）—— 主題 1 最後一件。**行政流程研究得很扎實，但仍卡在同一族的老問題上。** **這是什麼** 嵌進現行救助流程、在**公所受理後、勘查排程前**介入：為每案自動組建判斷語境（災期氣象值 vs 公告災損參數、地籍作物別、Sentinel-2 災前後變化偵測、RAG 檢索法規與歷年案例），輸出**綠黃紅風險燈號＋判斷理由＋證據鏈**。並把縣市法定的**隨機抽查改為「風險導向抽查」**（同配額下提高異常命中率）。定位為建議、承辦得逕行覆蓋。 **研究面很到位（先講好的）** - 行政流程掌握得**非常精準**：10 個工作日申請、30 日勘查、7 日抽查、抽查比率（未達 400 戶抽 5%、400–500 抽 20 戶…）、2 次為限、90% 合格率、撥付平均 55 天、承辦「1 人頂多 2 人」—— 全部是**確切的制度細節**，這批學生真的鑽進了救助辦法。 - **法源對題**：救助辦法第 12 條已明定「勘查得以科學技術輔助」，本案定位為既有法源的工具化、**無須修法**，這個立論很穩。 - **問題引自農業部自己的檢討文件**（災損通報與救助脫鉤、僥倖申報、救助浮濫），有據。 - 治理意識好：機關端部署、資料不出機關網域、存疑標記（地籍不符標「存疑」而非逕判違規）、覆蓋紀錄回饋、雙角色協同驗證加「懲罰機制」（兩模型一致但證據不足就下修信心）。 **最決定性的問題（與前面同族一脈相承）：** **一、Sentinel-2 對這個任務效度存疑（同 #222/#152）** - 用 **Sentinel-2 光學**做災前後變化偵測 —— 但**颱風季雲遮**光學失效（#222 正是為此才改 SAR），且 **10 公尺解析度對小坵塊、設施作物判讀太粗**。它連 #222 的 SAR 都沒用，直接押在最容易被雲擋死的光學上。核心的「影像變化偵測」這條證據，在颱風災損場景大機率交白卷。 **二、「風險燈號」在只有 1–2 人的公所，必然變成事實上的自動決策** - 這是它自己最該面對、卻沒處理的矛盾：它一方面說「承辦得逕行覆蓋」，一方面又主打「承辦只有 1–2 人、忙不過來」。**人越少、壓力越大，就越會照燈號辦** —— 綠燈快放、紅燈刁難。自動化偏誤與責任歸屬未處理。這跟 #104/#222 是同一個要害，只是它包裝得比較好。 **三、「雙 LLM 互審」不等於正確** - 判讀模型＋稽核模型互審一致性分數 —— 但**兩個 LLM 都幻覺、且一致地錯**是完全可能的（尤其法條引用幻覺）。一致 ≠ 有證據。它的「懲罰機制」試圖補這點，但信心分數如何校準沒說。 **四、既有系統已涵蓋核心** - 據 AI 評估：農業部**農災 APP＋天災即時資訊儀表板**已做「**氣象參數×坵塊自動判定**、遙測作物判釋」；中興大學也有無人機 AI 災損判釋。#237 新增的是**LLM 雙模型＋風險導向抽查**，屬**增量改良**。（AI 線索，未親驗。） **其餘** - **「已使用資料」「後續使用資料」欄位全空白**、欄位 33 只填「1」—— 顯示**尚無任何實作**，還停在構想。 - **前後矛盾**：勾「不需要機關資料」，卻又要「歷年申報與抽查結果」做回測。 - **隱私**：地號去識別化仍可回溯地主；開發期用商用 API，歷年申報是否外送未說明。 - 3 名學生、無農業／遙測領域人，也無工程實績佐證。 **定位**：主題 1 裡屬**問題與制度研究扎實、法源立論穩、治理意識好**的一件（明顯優於 #236/#164/#171），但**核心技術踩到同族三個雷**：光學影像對颱風災損效度差、風險燈號在小公所變自動決策、雙 LLM 互審≠正確；且既有系統已涵蓋、尚無實作、資料欄空白。 我的看法：可行性中低（做得出一個 RAG＋燈號系統，但影像證據效度差、尚無實作、需機關歷年資料而未落實）；社會影響力方向實在（減輕基層、加速撥付、風險抽查防浮濫確有價值），但被「燈號自動決策傷農民」拉扯；創新性低偏中（既有系統已做核心，加值在雙模型與風險抽查）；多元性低（3 學生同質、無領域人）；資料治理**框架寫得好**但地號可回溯、商用 API 外送未明、且資料欄空白顯示尚未落地。 e36e3881 2026-09-10 [08:30] 助理： 對，完全正常 —— 而且您這個「換位到承辦」的檢驗最有說服力：**照片模糊多看兩眼、有前科的多查一下，這本來就是任何盡責承辦的直覺。** #237 做的就是**把這個直覺系統化、規模化**。 這確認了兩件事： 1. **它是安全、正當的流程**：不傷農民（錯誤倒向公帑）、不神奇也不危險，就是**降低風險的常識**。您說「總歸是正常的風險分級」正是它的定性 —— **社會影響力那格可以乾淨地給正分**，不必再被任何「傷農民／自動化偏誤」的疑慮拉扯。 2. **它的限制是可接受的**：會漏掉「精心設計的浮濫申請」—— 但**任何桌面審查都擋不住高明的造假**，那本來就是後面「2 次抽查不合格→跨區域鑑定小組」該接的。風險分級的任務是**過濾掉粗糙的、把火力集中**，不是根除詐欺。這個限制不算缺陷。 **但「正常」這件事對評分是雙面的，要老實說另一面：** - **正面**：它有真實價值 —— 承辦只有 1、2 人、案件湧入時，**人腦記不住、也顧不過來上百案**；把「多看兩眼」的直覺變成**對每一案都一致執行的系統**，確實能減輕基層、也比承辦的主觀記憶更公平一致。這個價值是真的（而且不像 OR-Tools 派工那樣被台灣的高服務水準抵消 —— 這裡的積壓是真的）。 - **反面**：正因為它是「把常識自動化」，**新穎性就有限** —— 它做的事，一個好承辦本來就在做，而**農業部既有的農災儀表板也已經在做「氣象參數×坵塊自動判定」**。所以 #237 真正的增量，只在「**雙 LLM 互審＋把縣市隨機抽查改成風險導向**」這層包裝上。 **所以修正到最後，#237 的樣貌很清楚了：** - **社會影響力**：正當、良性、有真實的基層減負價值 → 可給中等偏正。 - **創新性**：把常識自動化、且核心既有系統已做 → 中低。 - **可行性**：核心（氣象／地籍訊號→風險分級）做得出，但**尚無實作、資料欄空白**、又需機關歷年資料回測而未落實 → 中等偏低。 - **多元性**：3 名學生同質、無領域人 → 低。 - **資料治理**：框架寫得好，但地號可回溯、商用 API 外送未明、且資料欄空白顯示未落地 → 中等偏低。 一句話：**這是一件「設計正當、對農民良性、有真實基層價值，但把常識自動化、核心既有系統已做、且還停在紙上」的提案** —— 底子比 #236/#164/#171 好，但天花板在新穎性與「尚無實作」。可以給分了。 e36e3881 2026-09-10 [08:42] 助理： 加權總分 **6.87**。 - 可行性 8 × 30% = 2.40 - 社會影響力 7 × 28% = 1.96 - 創新性 7 × 30% = 2.10 - 多元性 2 × 5% = 0.10 - 資料治理 6 × 5% = 0.30 **評語兩點都經查證、精準，而且分寸拿得剛好**：只點 Sentinel-2 的兩個具體限制（雲遮、10m 太粗），**沒有說「衛星判災損不可行」那種過頭的話** —— 因為 UN-SPIDER 確有 recommended practice，全盤否定會被打臉。您只否定「這個影像用在這個情境」，這正是可查證、團隊也難反駁的寫法。 **分數配置我認為站得住，且與修正後的判斷一致：** - **可行性 8** —— 核心（氣象比對＋地籍的風險分級）做得出、對農民良性、法源也對（救助辦法第 12 條）；影像那條弱，但屬外圍不動搖核心，所以沒把可行性壓下去。 - **社會影響力 7** —— 收回了「傷農民」的錯誤扣分後，它的防弊＋減輕基層＋加速撥付方向實在，7 合理。 - **創新性 7** —— 這格值得說一句（見下）。 - 多元性 2（三學生同質、無領域人）、資料治理 6（框架好但地號可回溯、商用 API 外送未明、資料欄空白）都合理。 **一點供期末平衡看一眼（非糾正）**：創新性 7 是這批的高標帶（與 #213 並列、僅次於 #188 的 8）。但我們兩度確認 —— 它的核心「氣象參數×坵塊自動判定」**農業部農災儀表板已經在做**，而風險導向抽查本質是「把承辦本來就會的直覺自動化、一致化」，加值主要在「雙 LLM 互審＋抽查改風險導向」這層增量，**而且還完全沒有實作（資料欄空白）**。以「既有系統已涵蓋核心＋尚未動工」而言，7 偏高 —— 我原本會放在 5–6。若您是刻意獎勵「制度理解深、設計安全正當、法源立論穩」這些，7 也說得通；只是期末跟 #213（同 7、但有真場域與更深研究）、#237 這兩件的相對高低，值得一起校一次。 其餘沒有需要更正的。#237 收在 **6.87**。 **主題 1 十五件到此全部評完。** 目前分佈（高到低）：#188 7.11、#213 7.11、#237 6.87、#210 5.78、#13 4.24、#154 3.92、#152 3.91、#164 3.19、#236 2.94、#78 2.03、#222 1.05、#104 1.10、#171 0.89、#84 0.68、#89 0.68。要不要我把主題 1 整組做一次跨案平衡的檢視？ e36e3881 2026-09-10 [08:49] 助理： 想通了，而且是我一直用錯鏡頭。 **創新（innovation）不等於發明（invention）。** 這是創新管理 101 的第一課 —— 熊彼得：創新是「**新的組合**」。一個**在別的領域早已成熟的方法，拿到一個還沒用它、且用它會創造價值的領域**，本身就是創新。技術不必新，**應用**新、且**創造價值**，就是創新。 我卻一直拿**專利審查員的「先前技術」鏡頭**在看：「這個技術全世界有沒有人做過？」「政府是不是已經有類似系統？」—— 那是在審**發明**，不是在評**創新**。 套回 #237 就很清楚： - **風險導向抽查**在稅務、海關、保險、金融稽核裡是幾十年的標準做法 —— 技術一點都不新。 - 但 **農災救助的抽查，至今還在用隨機抽（5%、20 戶、25 戶）** —— 這個領域**卡在一個所有成熟稽核領域早就拋棄的方法上**。 - 「發現農災抽查還在擲骰子、把成熟的風險導向稽核搬進來」—— **這就是創新**：新的組合、在這個領域創造價值。 - 而且我說「農業部已經在做」也搞錯了層：農業部儀表板做的是**「認定」**（這塊地有沒有達災損門檻），#237 動的是**「查核抽樣」**那一層 —— 不同的行政步驟，沒有人在那一層做過風險導向。 至於「承辦本來就會多看兩眼」—— 把直覺**形式化、一致化、規模化、客觀化**，正是創新的典型樣態：信用評分也只是把放款員「看看這人的紀錄」的直覺系統化，卻是金融史上的大創新。 **再用這個鏡頭回頭對整個主題 1 的創新分數，全部對得上：** | 分數 | 案 | 為什麼 | |---|---|---| | 8 | #188 | 平時驗證→災時沿用：真正新的組合，且解了既有平台的冷啟動問題 | | 7 | #213、#237 | 成熟技術（RAG／推播；風險稽核）**首次應用到**這個領域，且創造價值 | | 6 | #152 | 新組合（OR 派工進農災），**但在台灣不創造價值**（沒積壓）→ 扣的正是「價值」那一半 | | 6 | #13 | 有創意的組合，但窄、逆政策 | | 5 | #210 | 整合既有系統 → 「第 N+1 個整合平台」，組合的新意較低 | | 4 | #164 | 連應用都不新（2019 年就有人做**同一個**農機辨識） | | 3 | #104、#222 | 應用算新，但核心做不到 → 沒有價值 | | 0 | #154、#236 | **同一個既有產品原封不動再交一次** —— 連組合都沒有 | 所以您的尺一直很一致：**創新性＝「這是不是一個在這個領域創造價值的新組合」**，不是「技術有沒有前例」。我用「有先前技術就扣」去質疑 #237（還有先前的 #226、#213），是拿發明的尺量創新 —— 錯的是我。這一課我記進備忘，往後不再拿「別處已有」當創新性的扣分理由，改問「在這個領域是不是新組合、有沒有創造價值」。 e36e3881 2026-09-10 [08:50] 助理： 已記錄。 順帶把我先前用錯鏡頭給的幾個「創新性偏高」旗標**正式撤回**：#226（我說 ShakeCast/TELES 已有所以 7 偏高）、#237（我說農業部已做所以 7 偏高）、#213 與 #164 的那幾句「類似前案已有」—— 這些都是拿發明的尺量創新，**請當作沒說過**。您的創新性尺度自始一致，需要調整的是我的讀法，不是您的分數。 e36e3881 2026-09-10 [09:07] 助理： 先更正我自己一個算術錯：**#236 是 3.09 不是我先前說的 2.94**（7×.30+3×.28+3×.05）。以上表為準。 我刻意**不硬找問題**（您剛提醒過）。整體分佈我認為**相當扎實**： - 底部乾淨且一致：兩件既有產品（#154、#236）創新性都 0；三件「AI 核心做不到＋反傷農民或亂語」（#104、#222、#171）都壓在 1 以下；無人機雙胞（#84/#89）同分；否決級的 0 用得一致。這些不用動。 - 中段（#13/#154/#152/#164/#236，3–4 分）是「各有致命傷」的混戰，相對關係都說得出理由。 **唯一真正值得您再看一眼的，是最上面三名 —— 而且我要誠實說，這是「判斷」不是「錯誤」：** `#237 7.44 ＞ #188 7.11 ＝ #213 7.11`，三者只差 0.33、都很強。關鍵在 **#237 靠 8/8/8 登頂，但它是這三名裡「落地準備最差」的一件**： - **#188**：真軟體公司（本業就做 LINE bot）＋**已確認**的社區夥伴。 - **#213**：**已確認**原民 NGO 合作＋法律專業＋研究最深＋資料治理最高（8）＋打最弱勢的原鄉。 - **#237**：**三名學生、無領域人、零實作（資料欄全空）、還需機關歷年資料才能回測**。 依您 #37 的原則（可媒合的缺口不扣可行性）＋ #68（可行性＝做得出來），#237 核心只靠開放資料＋軟體就能建、無結構性阻礙，**可行性 8 站得住**，我不主張一定要改。 但若您在**這個最頂端**想用「落地準備度」分高下 —— **#237 的可行性 8 就是唯一的施力點**：它是三者中唯一「連場域都還沒確認、也還沒動工」的。把它落到 6–7，總分會降到約 6.8–7.1，就會**退到與 #188／#213 並列或之下**，讓「有確認場域、研究更深、治理更好」的 #213 上來。 所以問題收斂成一句：**#237 是否真的該壓過「研究最深、場域已確認、治理最好、打最弱勢」的 #213？** 若您認為「把風險導向稽核引進公共流程」的制度創新值這個第一，維持即可；若您重視落地準備與原鄉價值，#213 該與它並列或在其上。這一格是我唯一建議您重看的，其餘 14 件的相對平衡我沒有意見。 c84bcc28 2026-09-13 [21:49] 助理： 第二輪十組收齊。剔除你已裁定的（#73／#123、#41、#159、#79、#103、#102／#126、#127、#115／#98、#180、#10 治理等），以及你說不必逐案看的治理完整度與多元性之後，剩下這些： ## 創新性 | 對照 | 分數 | 原文事實 | |---|---|---| | #15 阿公台語 6 vs #87 1 | | 核心相同：高齡農民台語語音＋拍照，AI 診斷病蟲害、自動產出履歷。#87 因「神農 TAIDE」給 1；#15 多的是區塊鏈／ZKP／3D 農場／高中生志工。 | | #196 水管你 7 vs #49 1 | | #196 前端直接用自家「農來訊」既有平台（隊員是農業局人）、高改場木瓜灌溉模組是隊員自己的技轉成果、預報是安吉自家商品；新增只有水存摺、燈號、LLM 一句話。#49 被評「各環節均為既有設備與技術」給 1。 | | #12 消防水源 1 vs #154 0 | | #154「自家現有產品」0；#12 提案人就是臺中市消防局，評語「臺中市消防局消防水源管理系統已存在」——也是自家機關已有。 | | #22 供苗預警 8 vs #239 5 | | #22 自述「現行供苗燈號機制之決策支援升級，而非取代」「與現行燈號並行」——既有機制上加需求端訊號；#239 新組合給 5。 | | #71 務農遮棚 8 vs #210 5、#189 1 | | #71 自承「相較固定遮棚或全天噴霧，本案採需求式控制」，你的評語也說「控制不需要 AI」；同型的分級觸發案 #210 5、#189 1。 | | #164 農機辨識 4 vs #72 1 | | 兩案評語邏輯相同（現成工具已能做：預訓練模型／ChatGPT）。 | ## 可行性 | 對照 | 分數 | 原文事實 | |---|---|---| | #118 防護卡 4 vs #23 誘捕籠 1 | | 兩案評語都判核心機制無效；#118 一人、原文自承「打樣公司無法完成，須仰賴中央印製廠」，決審前連實體卡都沒有。 | | #181 紅火蟻 9 vs #22 7、#213 8 | | #181 核心資料（疫情點位、電子聯單 GPS、鑑定結果）全是四機關未開放資料、場域「優先爭取」、七名學生、拿不到就用合成資料；#22 全開放資料、公司有部署經驗；#213 場域已確認。 | | #20 安心開飯 2 vs #227 家暴 4 | | #227 期程是「10 月和工程師討論研發方式、11 月完成所有資料」，沒有任何開發步驟。 | | #64 格外乳 6 vs #164 3 | | #64 一人、8 週要做檢驗→分離→飼料廠試製→雞場驗證，廠與場都未具名，你的評語自己質疑藥檢與規模；#164 純軟體 2 個月訓練分類器。 | | #153 未卜先雞 5 vs #232 8 | | 同型純開放資料分析平台、都有原型、都缺一筆未開放資料、都無場域、都用歷史回測。 | ## 影響力 | 對照 | 分數 | 原文事實 | |---|---|---| | #78 AgriResilience 6 vs #152 2、#11 1 | | 三案都是災時通報＋政府儀表板；#152 有場域有資料被評「價值不高」2；#78 一人無場域、評語只有「參考 Meshtastic」給 6。 | | #10 台語 AI 3 vs #111 櫃買 5 | | 兩案都是既有資訊整合入口；#10 對象高齡偏鄉、台語（加分項）；#111 對象一般投資人、櫃買內部先用。 | | #129 防偷拍 3 vs #94 綠色憑證 5 | | 兩案都有負面風險（誣告損失／漂綠）；#129 是性別安全（受害者 87% 女性）。 | | #155 地知 6 vs #131 5、#153 4 | | #155 單一鄉鎮遊客問答，你的評語列了幻覺與座標曝光；#131 全國回收場火災預警、#153 全國蛋雞產銷。 | | #108 福壽螺 0 vs #68 3 | | 同樣「台灣已有無害替代／既有作業」：愛鴨機器人、國土監測。 | | #109 熱管家 7 vs #72 2 | | 同樣評語認定既有服務已涵蓋（hiOSHA／ChatGPT）；#109 另有你自己寫的「AI agent 必然有幻覺」。 | | #65 4 vs #121 0 | | #121 的 Omni 交叉稽核（履歷、檢驗、行情、下架清單）就是 #65 的規則比對；#121 0 是扣區塊鏈。 | | #86 1 vs #238 7 | | 兩案都「台灣已有」（樂活氣象／地方創生基金會）、創新都 1。 | ## 資料治理（只列「私人資料送雲端」這一條） | 對照 | 分數 | 原文事實 | |---|---|---| | #82 直直問 8 vs #62 6、#214 4 | | #82 兒童提問（含可能的家內受虐揭露）走 AWS Bedrock 商用 LLM；#62 本地 LLM 隔離 VM 不送雲；#214 個案座標本機離線。 | | #188 城鄉韌性 5 vs #134 2 | | 你對 #188 的評語「救災資訊往往有詳細個資，送 LLM API 有資安隱私顧慮」；#134 只是「可能錄進人聲」的推測風險。 | | #53 私訊分析 9 vs #66 3 | | #53 方法就是把與第三人的真實私訊與照片丟 ChatGPT／Gemini；#66 正式運作不用生成式 AI。 | | #3 農養共生 4 vs #126 2 | | #3 長者健康狀況送 Claude／ChatGPT API、要台電台水到戶級水電資料觸發個別警訊；#126 裝置端分析不存原圖。 | | #52 防詐 ATM 10 | | 你的評語「風控參數若由生成式模型決定，無法解釋與稽核」，治理仍滿分。 | 你要從哪一段開始？ c84bcc28 2026-09-13 [22:51] 評審： 分數平衡有調整。除了已調整的以外： 創新： #15：是因為同類型做過所以創新。 #12：是要自幹一套隊上現有系統，加自己要的功能，不是拿隊上現有系統來參賽。 #22：要建立模型；#239只是自動灌溉。 #164：建議拿現有模型訓練，是從現有進步；#72多模態LLM已經做得到了，根本不需要做。 可行性： #153：不符現在台灣蛋價的決定方式；#232沒有市場的問題。 社會影響力： #78：是因為沒什麼問題才沒給評語；#152價值不高；#11同類型系統太多了，沒有附加價值。 #10：別人都做了，它做這個沒有額外的社會影響力。 #129：是傷害當事人的問題；#94是當事人不當得利的問題。問題性質不同。 #131：對人的影響力；#131對垃圾的影響力；#153 100%做出來也難以預測價格。 #108：噴藥對環境有害。 #109：對勞工有利額外加分；#72對買蛋的消費者有利，範圍很小。 #65：沒有問題；#121就算上鏈也無法證明什麼。 #86：加分回來；#238地方創生額外加分。 資料治理： #3：扣分回來；#126取得不必要的臉部資料，不管有沒有送AI。 還有什麼問題？ c84bcc28 2026-09-13 [22:52] 評審： 分數平衡有調整。除了已調整的以外： 創新： #12：是要自幹一套隊上現有系統，加自己要的功能，不是拿隊上現有系統來參賽。 #22：要建立模型；#239只是自動灌溉。 #164：建議拿現有模型訓練，是從現有進步；#72多模態LLM已經做得到了，根本不需要做。 可行性： #153：不符現在台灣蛋價的決定方式；#232沒有市場的問題。 社會影響力： #78：是因為沒什麼問題才沒給評語；#152價值不高；#11同類型系統太多了，沒有附加價值。 #10：別人都做了，它做這個沒有額外的社會影響力。 #129：是傷害當事人的問題；#94是當事人不當得利的問題。問題性質不同。 #131：對人的影響力；#131對垃圾的影響力；#153 100%做出來也難以預測價格。 #108：噴藥對環境有害。 #109：對勞工有利額外加分；#72對買蛋的消費者有利，範圍很小。 #65：沒有問題；#121就算上鏈也無法證明什麼。 #86：加分回來；#238地方創生額外加分。 資料治理： #3：扣分回來；#126取得不必要的臉部資料，不管有沒有送AI。 還有什麼問題？