Sensor-Fused LLM
感測器融合 LLM 代理人：解析生物辨識翻譯的前端倫理風險
健康 AI 代理人正將感測器數據與 LLM 融合，但生物辨識數據的「客觀錯覺」可能導致嚴重的 AI 幻覺風險。本研究提出一套前端倫理設計空間，涵蓋揭露、框架與可爭議性等五大維度，旨在防止 AI 將錯誤數據轉化為危險的醫療指令，保障使用者自主權。
Sensor-Fused LLM
健康 AI 代理人正將感測器數據與 LLM 融合，但生物辨識數據的「客觀錯覺」可能導致嚴重的 AI 幻覺風險。本研究提出一套前端倫理設計空間，涵蓋揭露、框架與可爭議性等五大維度，旨在防止 AI 將錯誤數據轉化為危險的醫療指令，保障使用者自主權。
目標導向對話系統
研究人員開發出一款目標導向的 AI 聊天機器人，透過家庭照片引導高齡者對話，利用 W 問題刺激認知功能並促進正向回憶。系統能分析使用者喜好並推薦相關照片，並提供照顧者管理後台，將 AI 科技轉化為緩解孤獨與監控身心健康的陪伴工具。