91猫先生

1. 講者: 國立政治大學資訊科學系劉昭麟特聘教授 2. 題目: From Cultural Archives to Judicial Reasoning: Structuring Text and Norms across Digital Humanities and Legal Informatics 3. 參加對象: 全校大三以上學生、教職員與長庚醫師 4. 實體地點: 管理大樓 11 樓 AI 講堂 5. 演講時間: 2026 年 11 月 3 日(二)13:00-15:00 6. 線上連結： https://reurl.cc/QNl3rM 演講無需報名， 請於演講時間進入 Teams 線上會議室 講者簡介： 劉昭麟特聘教授現任教於國立政治大學資訊學院資訊科學系。其研究涵蓋自然語言處理、認知歷程、自動推理與機器學習理論、資訊檢索與知識管理系統、數位人文、法學資訊、智慧 型教學系統、智慧型運輸系統、決策支援、規劃及診斷系統等。曾任政大理學院副院長、資 訊學院副院長及資訊科學系主任，並擔任臺灣數位人文學會理事長等學術服務職務。劉教授 亦曾赴密西根大學、哈佛大學及加州大學聖塔芭芭拉校區訪學，致力於以計算技術與人工智 慧推動學術研究及社會發展。 演講摘要： Generic statistical language models and unstructured text embeddings often struggle when applied to specialized Chinese corpora, where meaning is strictly governed by historical conventions or institutional norms. This talk presents an interdisciplinary journey across two distinct applications of computational semantics: discovering latent patterns in historical culture and enabling explainable decision-making in modern jurisprudence. The first half of the presentation focuses on digital humanities, demonstrating how computational methods overcome unpunctuated and irregular classical formats. We examine how linguistic heuristics and structural parallelism resolve classical poetry word segmentation, how large-scale alignment reveals diachronic stylometric patterns and text reuse across 2,000 years of poetic collections, and how language models and Conditional Random Fields extract prosopographical knowledge and demarcate biographical entries from historical local gazetteers (Difangzhi). The second half turns to legal informatics, exploring how domain priors transform unstructured prosecutorial and judicial documents into transparent, interpretable outputs. We demonstrate how statutory article co-citation networks establish objective case similarity in civil disputes; how deconstructing criminal fraud indictments into statutory constitutive elements yields explainable case analogies aligned with professional legal judgment; how structured prompt frameworks guide large language models through multi-cause concurrence and penalty comparisons; and how procedural trajectories can quantify case disputability and litigation risk. Together, these case studies demonstrate that computational semantics achieves its highest reliability not by treating language as generic token distributions, but by formalizing the structural and normative logic of the target domain.  

1.講者: 中央研究院資訊科學研究所 廖弘源所長 2.題目: YOLOv4、YOLOv7及 YOLOv9的研發過程The R&D process of YOLOv4, YOLOv7, and YOLOv9 3.參加對象: 全校大三以上學生、教職員與長庚醫師 4.實體地點: 管理大樓11樓AI講堂 5.演講時間: 2026年10月20日(二)13:00-15:00 講者簡介： 廖弘源所長為中央研究院資訊科學研究所所長，美國西北大學電機博士，並為國立成功大學電機系及資工系合聘教授。自1991年開始於中央研究所服務至今，廖所長曾任中央研究院計算中心主任，並獲頒多項重要獎項，包括國科會傑出研究獎(2003,2010,2013)、中央研究院深耕計畫獎(2010) 、國科會傑出學者研究計畫獎(2008)。、國家發明創作獎(2004)，以及中央研究院年輕學者著作獎（1998) 等。   演講摘要： YOLO是You Only Look Once的簡稱。它是一種一階段的即時物件偵測系統。第一代、二代及三代YOLO是由美國人Joseph Redmon分別於2015、2016及2018年所發表。而第四、七、九等三代YOLO則是由台灣團隊所研發。因為他的架構很精簡、輕便，又具十足的物件偵測功能，過去幾年已由世界各國的各行各業所採用，包括醫療、交通、農業、工業檢測、防災、天文探索等各領域，均能使用它當深度探索的第一步。在國防上，因為具有即時偵測的能力，以及輕量的特質，因此可以配備於各種行動裝置上。舉凡無人機、自駕車及各式武器裝備均可以配置這種輕便又價廉的裝置。加以進一步研究，YOLO系統演算法可輕易轉變成軍事用途，用於保衛我們的國土。

講者: 國立臺灣大學資訊工程學系 李濬屹教授 題目: 世界模型與世界動作模型：學習預測、規劃與行動 World Models and World-Action Models: Learning to Predict, Plan, and Act 參加對象: 全校大三以上學生、教職員與長庚醫師 實體地點: 管理大樓11樓AI講堂 演講時間: 2026年10月6日(二)13:00-15:00 線上連結：https://reurl.cc/DYKy9e或 掃描海報 QR code 演講無需報名， 請於演講時間進入Teams線上會議室 講者簡介： 李濬屹為國立臺灣大學資訊工程學系教授，並為 Elsa Lab 主持人，美國普林斯頓大學電機工程博士。研究領域涵蓋深度強化學習、智慧型機器人、電腦視覺與生成式 AI。曾獲 2026 年中央研究院中研學者、李國鼎穿石獎。   演講摘要： 世界模型讓系統學會預測環境如何演變，正快速成為 physical AI 的基礎。本次演講回顧近期的進展，從基於模型的強化學習（DreamerV3）、生成式互動世界模型（Genie、NVIDIA Cosmos），到以自監督預測為核心的模型，例如 Meta 的 V-JEPA 與 V-JEPA 2。接著轉向世界動作模型，也就是把學到的世界模型與動作結合，用於規劃與控制。透過 V-JEPA 2-AC 與 Cosmos Policy 等例子，說明這類模型如何做到零樣本的機器人規劃，最後以目前主要的開放挑戰與機會作結。

講者: 美國聖路易斯華盛頓大學電腦科學與工程學系 何建儒副教授 題目: The Human Side of AI Training 人工智慧訓練中的人類行為與相互影響 參加對象: 全校大三以上學生、教職員與長庚醫師 實體地點: 管理大樓11樓AI講堂 演講時間: 2026年9月22日(二) 13:00-15:00 線上連結：https://reurl.cc/5XD8Kn 或 掃描海報 QR code 演講無需報名， 請於演講時間進入Teams線上會議室 講者簡介： 何建儒副教授為現任美國聖路易斯華盛頓大學電腦科學與工程學系副教授，曾於康乃爾大學擔任博士後研究員，目前擔任长庚大学人工智慧学系客座副教授(2026~2027)。他的研究主要探討機器學習、人機互動與協作、人類運算，以及演算法與行為經濟學之間的交會，特別關注人類行為如何影響 AI 系統的學習與決策，以及 AI 系統又如何反過來影響人類。他的研究成果發表於 PNAS、ICML、NeurIPS、WWW、AAAI、IJCAI、ACL、NAACL、AAMAS 等國際期刊與會議。他亦擔任 ACM Conference on Human-AI Complementarity and Alignment（HCOMP）2026 議程共同主席（Program Co-Chair）。 演講摘要： 近年來，人工智慧快速發展，而這些進展在很大程度上仍仰賴人類所提供的資料、回饋、判斷與示範。然而，人類並非只是被動的資料來源：人類的行為會受到 AI 系統與訓練機制的影響，而人類行為本身的特性，也可能進一步影響 AI 學習的結果。 本演講將以「人工智慧訓練中的人類行為與相互影響」為主題，探討在人工智慧訓練過程中，人類行為及人與人工智慧之間的相互影響，如何改變我們蒐集與使用訓練資料的方式。我將介紹一系列相關研究，包括人們在知道自己的行為將被用來訓練人工智慧時，如何改變自身的決策行為；在從人類示範中學習時，如何考量人類行為的可學習性與脆弱性，以改善人工智慧的學習成果；以及如何結合人類與大型語言模型，更有效率地取得與估計人類的判斷。這些研究共同指出，在訓練人工智慧時，我們不僅需要關注所使用的資料，也需要理解這些資料背後的人類行為，以及人與人工智慧互動所產生的相互影響。