114 年 國立政治大學數位內容碩士學位學程創意傳播組《新媒介與科技》

本題旨在測試考生對新媒介與科技領域中幾個重要概念的理解程度。

核心觀念： 數位孿生、恐怖谷、大腦腐蝕。

解題策略：
考生需從提供的三個名詞中選擇兩個進行解釋，並確保解釋的準確性、清晰度與完整性。以下為各名詞的解釋方向：

• 1.1 數位孿生 (Digital Twin):

  • 定義： 指的是一個實體物件（例如產品、過程、系統或甚至是一個活體）的動態虛擬模型。
  • 核心特徵： 數位孿生與其實體對應物之間存在雙向數據流。實體物件的數據會不斷傳輸到虛擬模型，使其能夠即時反映實體物件的狀態、性能和行為。反之，透過對虛擬模型的模擬和分析，可以預測實體物件的未來表現、優化其性能，甚至進行遠端控制。
  • 應用領域： 廣泛應用於製造業（產品設計、預測性維護）、智慧城市（交通管理、能源監控）、醫療保健（個人化治療、手術模擬）、航空航太等。
  • 重要性： 透過數位孿生，可以在虛擬世界中進行測試、分析和優化，降低真實世界的風險和成本，提高效率和創新能力。

• 1.2 恐怖谷 (Uncanny Valley):

  • 定義： 由日本機器人學家森政弘（Masahiro Mori）於1970年提出的概念，描述了人們對非人造物體（如機器人、動畫角色）產生情感反應的一種現象。
  • 核心特徵： 當物體的擬人化程度逐漸提高時，人們對其好感度也會隨之增加。然而，當其擬人化程度達到一個非常接近但又不完全真實的程度時，人們對其產生的好感度會突然驟降，轉變為一種怪異、令人不安、甚至是恐懼的感受，這就是「恐怖谷」。一旦擬人化程度完全達到人類的水平，好感度則會重新上升。

本題旨在探討圖形化使用者介面 (GUI) 與對話式使用者介面 (CUI) 的差異、優缺點，並要求考生應用於具體服務的選擇，最後設計一項研究來驗證其判斷。這涵蓋了人機互動 (HCI) 的核心概念，特別是使用者介面設計與使用者體驗。

核心觀念： GUI, CUI, HCI, 使用者介面設計, 研究方法。

2.1 GUI 與 CUI 的概念與差異,以及各自的優缺點 (15%)

• GUI (Graphical User Interface) - 圖形化使用者介面：

  • 概念： 指使用者透過圖形化的視覺元素（如圖標、按鈕、菜單、視窗等）與電腦或設備進行互動的介面。使用者透過滑鼠、觸控螢幕等輸入設備來操作這些視覺元素。
  • 差異： 以「視覺」和「指向-點擊」(point-and-click) 為核心。使用者需要學習介面上的圖形符號和佈局。
  • 優點：
    • 直觀易學： 對於初學者來說，圖形元素通常比文字命令更容易理解和學習。
    • 高效率： 對於需要頻繁操作、執行多步驟任務的應用，GUI 可以提供便捷的導航和操作路徑。
    • 視覺化呈現： 適合展示複雜的數據、圖表和多媒體內容。
    • 通用性： 廣泛應用於各種設備和軟體，使用者有較高的熟悉度。
  • 缺點：
    • 學習曲線： 對於某些進階功能，使用者可能需要花時間學習介面佈局和操作邏輯。
    • 螢幕空間限制： 過多的功能和資訊可能導致介面擁擠，或需要額外的導航。
    • 不適合特定情境： 在無法使用視覺輸入（如盲人）或需要快速、簡潔指令的場景下不便。
    • 開發成本： 設計精良、使用者體驗佳的 GUI 可能需要較高的開發成本。

• CUI (Conversational User Interface) - 對話式使用者介面：

  • 概念： 指使用者透過自然語言（語音或文字）與設備進行互動的介面。系統透過理解使用者的意圖，並以對話方式回應。
  • 差異： 以「語言」和「意圖理解」為核心。使用者透過溝通來表達需求。
  • 優點：
    • 自然直觀： 類似於人與人之間的溝通，學習門檻低，使用者可以快速上手。
    • 解放雙手和眼睛： 尤其適合語音介面，使用者可以在進行其他活動時進行互動。
    • 高彈性： 可以處理更廣泛、更複雜的請求，不受固定按鈕或菜單的限制。
    • 個人化： 系統可以根據對話歷史和使用者偏好提供更個人化的服務。
  • 缺點：
    • 理解限制： AI 對自然語言的理解仍有局限，可能出現誤解、無法識別或回應不準確的情況。
    • 效率問題： 對於簡單、重複性的任務，透過語音或文字輸入可能比 GUI 操作更慢。
    • 隱私疑慮： 語音輸入可能引發隱私擔憂，且對話數據的處理需要謹慎。
    • 開發複雜度： 實現精準的意圖識別、對話管理和自然語言生成需要複雜的 AI 技術。
    • 不適合視覺化呈現： 難以直接呈現複雜的數據、圖表或多媒體內容。

差異總結：
GUI 依賴視覺元素和預設操作，適合已知任務和視覺化資訊；CUI 依賴自然語言溝通，適合模糊、開放式任務和需要解放雙手的場景。

【答案】GUI 的概念、差異、優缺點；CUI 的概念、差異、優缺點。

2.2 列舉一項更適合 GUI 的服務,以及一項更適合 CUI 的服務。簡短說明為什麼你這樣判斷。(5%)

• 適合 GUI 的服務： 專業圖像編輯軟體（如 Adobe Photoshop）

  • 判斷理由： 圖像編輯涉及大量的精確操作、複雜的工具選擇、多層次的圖層管理，以及對像素級別的精細調整。GUI 提供的圖標、工具欄、菜單、畫板、屬性面板等視覺元素，能夠直觀地呈現這些複雜的功能和工作流程，使用者可以透過滑鼠精確地選取、拖曳、調整參數，並即時看到視覺化的結果。CUI 在這種情境下難以實現精確控制和複雜的視覺化操作。

• 適合 CUI 的服務： 智慧家居控制（例如，透過智慧音箱控制燈光、溫度、播放音樂）

  • 判斷理由： 智慧家居控制通常是情境化、語境化的，使用者可能在做其他事情（如做飯、休息），不方便操作手機上的 GUI。透過語音指令，使用者可以自然地表達需求，例如「打開客廳的燈」、「把空調溫度調到24度」、「播放輕鬆的音樂」。CUI 的語音交互能夠解放雙手，提供極大的便利性，且這些指令相對簡單明確，AI 較易於理解和執行。

【答案】適合 GUI 的服務及其理由；適合 CUI 的服務及其理由。

本題圍繞 AI 在體育競賽裁判領域的應用展開，要求考生分析人類裁判與 AI 裁判的優缺點，並設計一個 AI 裁判系統，需考量多方利害關係人的需求。這涉及到 AI 的應用、人機協作、系統設計以及對社會影響的理解。

核心觀念： AI 裁判, 機器人技術, 體育競賽, 人類裁判 vs. AI 裁判, 系統設計, 利害關係人分析。

3.1 人類裁判與人工智慧驅動的機器人裁判,各有什麼可能的優缺點?機器人裁判一定比較公正嗎?(15%)

人類裁判：

• 優點：

  • 臨場判斷與彈性： 能夠理解比賽的整體情境、運動員的意圖、以及規則的細微差別，並在複雜或突發情況下做出彈性判斷。例如，判斷蓄意犯規與非蓄意犯規的差異。
  • 處理模糊情況： 對於規則中定義不清或需要主觀判斷的場景（如「是否構成犯規」、「是否為明顯得分機會」），人類裁判的經驗和直覺能提供決策。
  • 情感與人際互動： 能夠與運動員、教練進行溝通，緩解緊張氣氛，有助於維持比賽的流暢性和觀賞性。
  • 成本相對較低（初期）： 相較於開發和部署複雜的 AI 系統，初期的人力裁判成本可能較低。

• 缺點：

  • 主觀性與偏見： 容易受到疲勞、情緒、個人偏好、甚至賽場環境（如觀眾壓力）的影響，導致判決不一致或存在偏見。
  • 體能限制： 長時間比賽可能導致注意力下降和體能疲勞，影響判斷準確性。
  • 判斷速度與一致性： 在快速的比賽中，人類裁判的反應速度和判斷一致性可能不如機器。
  • 爭議與質疑： 由於其主觀性，人類裁判的判決經常引發爭議和質疑。

人工智慧驅動的機器人裁判：

• 優點：

  • 客觀性與一致性： 基於預設的演算法和數據，能夠以極高的一致性、客觀性進行判決，不受情緒或疲勞影響。例如，好壞球的判斷可以標準化。
  • 判斷速度與精確度： 能夠以毫秒級的速度處理感測器數據，並進行精確的量化判斷，例如，判斷球的軌跡、速度、位置。
  • 數據分析與回顧： 可以記錄所有判決的數據，便於賽後分析、規則檢討和技術改進。
  • 處理複雜數據： 能夠整合多種感測器（如攝影機、雷達、壓力感測器）的數據，進行綜合判斷。

• 缺點：

  • 對模糊情境的處理能力有限： 難以理解規則的「精神」而非「字面」，對於需要情境判斷、運動員意圖分析的場景（如戰術犯規、非運動員行為），AI 可能會做出僵化或不恰當的判決。
  • 技術故障與漏洞： 系統可能出現軟硬體故障、感測器失靈、演算法錯誤或被駭客攻擊的風險。
  • 缺乏人情味與互動： 無法進行有效的溝通和情感交流，可能導致比賽氛圍變得冰冷，運動員的抗議可能無法得到有效疏導。
  • 開發與維護成本高： 設計、訓練、部署和維護一個可靠的 AI 裁判系統需要巨大的投入。
  • 「公正」的定義： AI 的公正性是基於預設規則和數據，但如果規則本身存在問題，或數據訓練不充分，AI 的公正性也會受到質疑。

機器人裁判一定比較公正嗎？

不一定。 機器人裁判能確保「規則的執行一致性」，這在很多情況下會被視為「公正」。例如，好壞球的判決，如果規則定義清晰，機器人執行起來會比人類裁判更一致。

然而，「公正」的含義更廣泛，它還包括了對比賽情境的理解、對運動員意圖的判斷、以及對規則「精神」的把握。在這些需要複雜判斷和彈性的場景下，目前的 AI 可能難以達到人類裁判的水平，甚至可能因為其僵化和缺乏對情境的理解而做出「不公正」的判決。此外，AI 的公正性也取決於其設計者如何定義和編寫規則，以及訓練數據的質量和代表性。如果演算法本身存在偏見，或者訓練數據無法涵蓋所有可能情況，AI 也可能表現出「偏見」。

【答案】人類裁判的優缺點；機器人裁判的優缺點；機器人裁判不一定比較公正的理由。

3.2 為一項競賽設計新的 AI 裁判,需考量哪些層面?提出你的設計方案,包括形式、功能與角色、互動時機與傳播方式,並說明設計選擇與理由,特別注意考慮多方利害關係人的需求與互動。(30%)

選擇競賽項目： 籃球比賽 (Basketball)

考量層面：

1. 規則的複雜性與模糊性： 籃球規則包含許多需要判斷的模糊區域（如「明顯犯規」vs.「普通犯規」、「走步」的定義、干擾球等）。
2. 比賽的節奏與頻率： 籃球比賽節奏快，攻防轉換迅速，判決需要及時準確。
3. 運動員的行為模式： 籃球運動員動作幅度大，身體對抗強烈，需要準確識別犯規和違例。
4. 利害關係人的多元性： 球員、教練、現場裁判、轉播方、觀眾等都有不同的關注點和需求。
5. 技術可行性與成本： 評估現有 AI 和感測器技術的成熟度與部署成本。

設計方案：AI 裁判系統 - "SmartRef"

• AI 裁判的形式：

  • 虛擬 (Virtual) 輔助系統，搭配特定場景的實體感測器。
  • 非擬人化 (Non-anthropomorphic)。
  • 理由：
    • 虛擬輔助： 籃球比賽的判決需要整合多角度的影像、運動員的運動軌跡、球的飛行數據等，這些數據更適合由一個中央處理的虛擬系統進行分析，而非一個單一的實體機器人。
    • 非擬人化： 機器人裁判的主要目的是提供客觀、快速的判決，擬人化外觀（如人形機器人）不僅成本高昂，且可能分散運動員或觀眾的注意力，甚至引發「恐怖谷」效應。專注於功能性，例如安裝在場館頂部或籃框旁的攝影機、感測器，比擬人外觀更為重要。

• 功能與角色：

  • 協作模式 (Collaborative Mode)： SmartRef 將與人類裁判協作，而非全面取代。
  • 主要判決範圍：
    • 好壞球判決 (Ball/Strike)： (雖然籃球沒有好壞球，但這裡可以泛指「進攻/防守」的明確判罰)。針對 明確的犯規與違例 進行自動判斷與提示，例如：