|
綜合報導/正在華盛頓訪問的中國國民黨主席鄭麗文10日穿行於美國國會山莊之間，一天內密集拜會了5位美國國會議員，顯示她想盡可能多地接觸美國立法者，解釋澄清國民黨對於一些美方有疑慮問題的立場。 10日早上十點，鄭麗文來到位於參議院哈特辦公大樓的戴恩斯參議員（Steve Daines）的辦公室，會晤這位跟川普關係密切的共和黨參議員。戴恩斯今年5月上旬率領美國國會代表團訪問中國，被認為是為川普5月14日訪華最後鋪平道路。戴恩斯上世紀90年代曾作為寶潔公司的經理在中國工作生活過6年；2014年當選參議員以來，已經7次訪華，可謂美國國會山上與中國聯繫最密集的議員之一。 來自蒙大拿州的戴恩斯也是參議院農業委員會、金融委員會、外交關係委員會的成員，其背景與由美國參議員轉任駐華大使的前民主黨參議員博卡斯頗為相似。相信鄭麗文與戴恩斯談到美中和解與兩岸和平的話題。知情者透露，戴恩斯在會晤鄭麗文時表示，他的幕僚中有些訪問過大陸，有些訪問過台灣，所以他也認為兩岸應當交流對話，這很重要。 隨後鄭麗文一行搭乘國會山莊的地下小火車，從國會山北邊的參議院辦公大樓穿行到南邊的眾議院辦公大樓。奔波穿梭於國會山莊不同的辦公大樓之間的走廊，鄭麗文接連拜會了代表田納西州的共和黨眾議員羅斯（John Rose）和代表田納西州的共和黨眾議員弗萊斯曼（Chuck Fleischmann）。  據悉，鄭麗文與羅斯提及新能源，尤其是核能議題。羅斯目前正在爭取田納西州長的共和黨候選人提名，希望將來田納西與台灣在新能源方面加強合作。 中午在國會餐廳簡單吃過漢堡包和可樂之後，鄭麗文一行拜會了民主黨眾議員索齊（Thomas Suozzi）。索齊日前剛被指派美國國會的“美中競爭特別委員會”。據悉，索齊對兩岸議題很感興趣，儘管有人曾經勸他不要與鄭麗文見面，但他還是願意親自聆聽鄭麗文本人的想法。 國民黨阻撓台灣對美軍購是美國國會山上流行的說法。鄭麗文在見過4位議員後接受媒體訪問被問到軍購問題時表示，綠營故意誤導他們，讓他們接受到相當錯誤的訊息。“很好的是，他們希望見到我本人，希望聽到我本人的說法。這就是為什麼我一定要來美國國會，就是希望讓他們知道國民黨真正的立場”。  她告訴美國議員，國民黨正是重視與美國的軍購合作，但希望符合立法程序正義，滿足台灣的財政紀律，避免可能的貪腐。大家也都理解這是民主程序。 鄭麗文指出，事實上，大家不只關心軍購議題，很多的議員很重視能源議題、核能議題。他們對民進黨政府長期的反核是感到挫折的，國民黨對於核能的支持也是他們樂見的。“我們在很短的時間內都很有效地進行了溝通”。 對於她被貼“親中”標簽，鄭麗文表示，正因為政治和輿論環境惡劣，更要多強調溝通交流。今天她所接觸到的美國會議員都是非常思想開放的，他們都很希望能夠跟她親自接觸，瞭解真實的立場，甚至有人阻撓，他們還是跟她會面了。這表明美國的國會議員有很高的自主性，不會隨便被牽著鼻子走或被任意的誤導。 鄭麗文10日下午拜會了眾議院外交事務委員會主席馬斯特（Brian Mast）。 11日，鄭麗文一行將繼續拜會3位國會議員，并到美國智庫史汀生中心和美國優先政策研究所進行交流，晚間將出席大華府地區僑界舉行的歡迎晚宴。 (中評社華盛頓6月10日電/記者余東暉） 
|
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。
《圖說》國會民主研習戰鬥營學員們激烈攻防辯論戰。 【民眾網諸葛志一台中報導】立法院115年度國會民主研習戰鬥營於24日至25日在立法院民主議政園區辦理，來自全國各大專校院的青年學員齊聚臺中霧峰，立法院民主議政園區在原臺灣省議會議事堂，透過國會議事、人工智慧、媒體傳播、國際政治及議題攻防等多元課程，實際走進議事殿堂，深入認識國會運作及民主政治精神。 立法院中南部服務中心主任邱俊龍表示，立法院民主議政園區目前具體發展定位為落實「民主教育會展中心」的推動，今年立法院也編列預算辦理原省議會議事堂相關設備及公共服務設施之全面整修，結合園區歷史建築、議事設備、民主教育及情境模擬，立法院民主議政園區將成為「全國第一座議事教育實境模擬場域」。 《圖說》立法委員廖偉翔（右）、臺中市政府副秘書長林谷龍（中）與學員們交流。 今年民主戰鬥營最具特色的課程，是將成果發表及辯論攻防移至原臺灣省議會議事堂辦理。學員實際坐進議席、使用議事設備，分別扮演民意代表及相關議事角色，從議題分析、論述建構、政見發表到質詢答辯，完整體驗議事運作及公共政策辯論過程。 本屆戰鬥營亦開創傳承與菁英制的青年培育模式，發掘具有公共參與熱忱、民主素養、政策思辨、表達能力及領導潛力的優秀青年，逐步建立國會民主研習戰鬥營菁英人才資料庫名單，形成國會民主教育青年人才網絡。 《圖說》立法院國會民主研習戰鬥營在立法院民主議政園區舉行。 立法院中南部服務中心表示，透過近期活化整建，民主議政園區已成為全國舉辦民主教育營隊的選擇熱點。除了大專青年培育，近年也積極推動友善兒少及分齡民主教育。立法院中南部服務中心持續與鄰近大專校院合作，訓練青年志工，並共同設計適合不同年齡層的民主與議事教育課程。目前已逐步發展「小小議長營」、「青春議事槌」及「國會民主研習戰鬥營」等系列品牌，從國小、高中一路延伸至大專青年，建立不同學習階段的民主教育路徑，讓民主素養從兒童及青少年階段向下扎根。 立法院中南部服務中心表示，民主議政園區承載臺灣省議會數十年的議政歷史，未來將持續以民主教育會展中心為發展方向，使珍貴的民主歷史記憶轉化為青年教育及公共參與資源，讓民主議政園區不僅成為保存臺灣民主歷史的重要基地，更成為培養新世代公民領袖及實踐民主價值的教育場域。 《圖說》立法院中南部服務中心主任邱俊龍為學員們加油打氣。
