商傳媒｜方承業／綜合外電報導
新加坡今日發布一份全新的指引，旨在協助企業董事會有效監督人工智慧（AI）的使用。這項指引涵蓋了評估AI投資、管理相關風險以及確保技術符合道德標準等面向，對於企業在快速發展的AI浪潮中穩健前行相當關鍵。另一方面，亞太地區的AI產業活動持續熱絡，總部位於新加坡的AI公司 ADA，昨日宣布完成對印度 Algonomy 的收購，進一步擴展其AI零售決策業務。
《The Straits Times》報導指出，這份新指引提供公司董事一套框架，協助他們在AI應用日益普及的環境中履行職責。它不僅著重於董事會如何評估AI投資的潛在效益，同時也強調管理AI帶來的潛在風險，例如數據隱私、演算法偏差及系統安全等議題，確保技術發展能符合可信賴的原則。此舉反映了新加坡在推動新興技術的同時，也高度重視其治理與風險控管。
根據《TNGlobal》報導，這項收購使總部設於新加坡和馬來西亞的 ADA，成功整合了總部設於印度邦加羅爾的 Algonomy。ADA 執行長 Srinivas Gattamneni 表示，此次收購為公司帶來了個人化、商品化及供應鏈情報等深度AI能力，使其更接近實現為每個客戶接觸點打造AI驅動成長平台的願景。合併後的實體將以 ADA 品牌營運，其業務範圍將擴展至亞太地區、美國、中東及北非、歐洲等全球 34 個市場。目前，ADA 擁有 1,300 名團隊成員，服務零售、消費品、金融服務等領域的 1,500 家客戶。Algonomy 則為全球超過 400 個品牌提供AI驅動的個人化、商品化與供應鏈工具。Algonomy 執行長 Atul Jalan 則指出，AI決策正從顧問性質轉向自主行動，此次收購為公司提供了更大的平台。
ADA 對 Algonomy 的收購，強化了其AI決策能力，使其能夠利用AI代理在多個客戶接觸點同步決定定價、優惠、產品和訊息，並提供個人化的回應。這類高度自動化的AI決策流程，正好落入新加坡新發布的董事會指引所關注的範疇，即企業領導層如何有效評估和管理這些強大AI工具的導入與運用，以確保其符合企業戰略與道德責任。
這篇文章 新加坡發布董事會AI監督指引 強化企業AI治理能力 最早出現於 行銷人。
【記者王志成／台北報導】 台北市文山區指南宮凌霄寶殿二十四日發生大火，現場付之一炬。行政院長卓榮泰(二十六)日前往訪視時表示，指南宮是台北市民極為重要的信仰中心，未來廟方在修復技術或經費上有需要協助之處，中央將與地方仔細討論，盼能儘速協助完成重建。 卓榮泰在行政院發言人李慧芝陪同下走訪指南宮，民進黨立委吳沛憶及台北市長參選人沈伯洋亦到場關切。卓榮泰表示，指南宮無論是在家庭旅遊、學校戶外教學或是節慶活動中，都扮演著相當關鍵的角色，市民與遊客皆十分珍視此地。 卓榮泰說明，火災發生的第一時間，他便與內政部、消防署及廟方保持密切聯繫，持續掌握最新狀況，並確認火勢在歷經三小時二十幾分鐘後獲得有效控制。 卓榮泰強調，對於未來的復建工作，不論是修復技術支援或相關經費需求，中央與地方政府都將通力合作並深入討論，期盼能以最快速度恢復信仰中心的原貌，讓指南宮再度成為各方祈福與旅遊的勝地。
【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。
