商傳媒｜責任編輯／綜合外電報導
為協助人工智慧（AI）代理程式（Agent）運用各種工具與資料集，開放原始碼的「模型上下文協定」（Model Context Protocol, MCP）近日迎來重大更新。該協定於去年由 Anthropic 創立，後捐贈給 Linux基金會旗下 Agentic AI Foundation，並已在業界被廣泛採用。
根據《Search IT Operations》報導，MCP 專案本週已完成關鍵釋出，將其架構從原先的「有狀態」（stateful）轉變為「無狀態」（stateless）傳輸。過去，MCP 伺服器與客戶端需透過「黏性會話」（sticky sessions）進行特定伺服器實例之間的通訊，這不僅增加雙向身份驗證的負擔，也影響通訊速度。無狀態架構則能將 MCP 客戶端與特定的後端伺服器分離，使其能透過負載平衡器與多個伺服器池通訊，大幅提升擴展性。
一位財富百強企業的DevOps工程師表示，有狀態通訊每次請求都需要攜帶特定的會話 ID，並在伺服器與客戶端之間進行握手，過程繁瑣。而新的無狀態方法僅需攜帶一個底線中繼資料欄位（_meta field），不僅更安全，速度也更快。Smuget Consulting 的創辦人 Rob Strechay 強調，此舉代表 MCP 正朝著符合現代網際網路系統運作模式的方向重新設計，有助於實現水平擴展，而非單純的垂直擴展（指單一伺服器效能提升）。
此外，本次 7 月 28 日的 MCP 更新也讓協定與 OAuth 2.0 和 OpenID連線（OpenID Connect）的授權與身份驗證規範更加一致。國際資料公司（IDC）分析師 Jim Mercer 指出，儘管此更新廣受好評，但它本質上是一個破壞性變更（breaking change）。Arcade AI, Inc 的共同創辦人 Nate Barbettini 補充，若企業擁有客製化的客戶端或代理程式，將需要進行更新以適應新協定，這並非易事。他提到，MCP 早期設計受限於本地機器通訊，隨著應用場景擴展，迫使其演進至能支援遠端通訊，這是一個「成熟的時刻」。
此次轉換期為 12 個月，過渡期結束後，若客戶端和伺服器未更新至新版本，通訊可能會失敗。Jim Mercer 警告，這可能導致組織面臨「MCP蔓延」問題。不過，Omdia 分析師 Torsten Volk 認為，儘管這是個「硬性斷裂」（hard break），但由於新舊版本可並存於轉換期間，且伺服器調整主要透過基於新版 SDK 的重建，影響應相對較低。他指出，12 個月的轉換期對於企業級軟體而言，是可預期的。
為降低未來更新的影響，本次釋出也引入了正式的生命週期機制，確保功能淘汰與移除之間至少有 12 個月的緩衝期，並提供可獨立於核心規範開發的可選擴充功能。未來 MCP 仍需進一步支援代理程式原生身份（agent-native identity），以取代人類用戶的委託身份，確保代理程式能依據其被賦予的權限片段獲取回應，而非擁有與人類使用者完全相同的權限。
【民眾網編輯方笙楠臺北報導】臺北市萬華區西昌街一間休閒館，因無視公權力，數次暗中經營賭場，8月25日上午萬華分局會同臺北市建築管理工程處、台灣電力公司及自來水公司等單位赴現場執行斷水斷電，強制勒令停業。 據了解，該處所表面上是一般休閒館，卻暗地私下經營賭場，因每日出入分子複雜，引起民眾懷疑而屢遭檢舉。該處首次於115年1月13日遭警方查獲賭博，除依法裁罰外，亦報請都市發展局依法勒令停止違規使用予以列管，惟業者無視法規，仍在列管期間私下重操舊業。 萬華分局專案小組獲報後積極佈線蒐證，待掌握確切事證後，115年5月8日再次突擊，當場人贓俱獲，查獲違法鐵證。為展現市政團隊堅決斷絕不法場所的行動力，迅即於8月25日由萬華分局會同相關單位聯手執行斷水斷電，本次聯合執法不僅展現市府團隊打擊犯罪的行動力，更宣示絕不容許違法場所擾亂社會秩序決心。 萬華分局表示，警方將持續落實查緝不法場所，絕不允許任何不肖業者以身試法，以維護社會風氣與治安秩序。未來將持續精進與市府各局處的聯合稽查機制，強化查報能量，戮力為市民打造安全、優質且乾淨的生活環境。
商傳媒｜林昭衡／綜合外電報導 隨著人工智慧技術快速發展，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 等大型語言模型（LLMs）已進化為多模態 AI，不僅能處理文字，還能分析圖像，甚至從文字描述生成圖片。然而，學術界對此一進步也提出擔憂，指出這些模型存在「視覺幻覺」（Visual Hallucinations）問題，即 AI 在圖像處理過程中可能生成看似合理但實際錯誤或荒謬的輸出。 根據知名學術期刊《Communications of the ACM》的報導，諾丁漢大學（University of Nottingham）電腦視覺副教授 Michael Pound 指出，LLMs 經過大量文本與影像資料訓練，由於缺乏對「真理」的明確規範，其輸出往往僅具統計學上的合理性，而非真實。加州柏克萊人工智慧研究實驗室（University of California Berkeley Artificial Intelligence Research lab, BAIR）的博士後研究員 David Chan 也提到，儘管人類也會有類似錯誤，但大眾期望 AI 模型的表現應優於人類。 「視覺幻覺」對自動駕駛車與安全監控影像分析等關鍵應用領域構成嚴重挑戰，可能損害大眾對 AI 的信任度。例如，當背景資訊與圖像內容矛盾時，幻覺現象會更頻繁。Michael Pound 舉例說明，醫學影像分析若受其他病患資料影響，AI 可能因此忽略圖像中實際存在的疾病跡象。他強調，對於盲人輔助科技等使用者無法自行驗證輸出的情境，AI 模型的精確度至關重要，任何錯誤都可能帶來風險。 研究人員正積極探討視覺幻覺的根本成因，認為這與生成式 AI 模型作為仰賴機率的「預測引擎」本質息息相關。目前，除了針對特定任務的影像資料進行模型微調（fine-tuning），並在如自動駕駛車中導入光達（LiDAR）等多餘感測器以彌補錯誤外，現有的後驗證（post-hoc verification）方法也面臨效率低落的問題，因為它需要額外的 AI 模型來檢查輸出，過程緩慢且僅能拒絕錯誤回應，無法直接修正。 為提升驗證效率，新的「REVERSE 框架」被提出，它能在 AI 生成回應的過程中同步檢查幻覺。此框架透過訓練模型將詞語分類為「自信」或「不自信」，並在生成影像描述時給予每個詞彙信心評分，從而實現即時修正。David Chan 形容這是一種「推論技巧」，能讓部署中的系統根據預期的錯誤率來進行應對。未來研究則將聚焦於從源頭防止 AI 模型產生幻覺，並探索視覺推理（visual reasoning）而非純文本推理，透過讓模型分析圖像的幾何與外觀，來提高其精準度、理解基礎及可解釋性。
圖／本報資料庫 商傳媒｜林昭衡／綜合外電報導 隨著生成式人工智慧（AI）工具的普及，許多企業起初不設限制地採購與導入 AI 系統。然而，這波熱潮如今卻讓企業開始正視其背後潛藏的法律風險，特別是在訴訟或調查過程中，AI 系統資料的保存問題日益凸顯。 在昨日舉行的法律科技會議 ILTACON 首日議程中，與會者便將焦點放在 AI 採購後的資料保存挑戰。ILTACON 是一個專為法律專業人士舉辦的年度技術會議，旨在探討法律領域的科技應用與趨勢。會中指出，如同大學生在派對上恣意拿取飲料，許多企業在面對 AI 浪潮時，也曾不加思索地大量引進新工具與系統。 隨著 AI 系統逐漸成為企業日常營運的一部分，相關的法律風險浮出檯面。企業必須開始思考如何妥善儲存 AI 系統產生的資料，以應對未來可能的法律訴訟或內部調查。例如，若有合成媒體（synthetic media）作為證據提交，透過正確儲存後設資料（metadata，即描述資料本身的資訊，如創建時間、來源、格式等），將有助於辨識其真偽。 為因應這項需求，市場上的供應商也正逐步推出相關工具，協助企業蒐集、保存並分析 AI 系統中的資料，例如 Thomson Reuters、律商聯訊（Lexis）等公司都提供此類服務，產品包含 Thomson、CoCounsel、Lexis+、Protégé 等。Reveal、Newcode 和 Relativity 等科技公司亦投入開發相關解決方案。
