
計畫專任助理 張助理
電話 : (03)422-7151 #35323
E-mail : moe.ai.ncu@gmail.com
歷屆競賽議題提供團隊主持人
AI CUP 2026
基於時序資料之桌球戰術與結果預測競賽

孫敏德 教授
主持人
國立中央大學
資訊工程系
桌球比賽中,每一拍都是瞬息萬變的戰術博弈。本競賽「基於時序資料之桌球戰術與結果預測競賽」以真實桌球比賽影片為素材,透過逐拍標註建構高品質的時序資料,作為競賽基礎,並邀請參賽者發展能理解擊球序列脈絡的人工智慧模型。參賽者需根據前 n−1 拍的擊球資訊,預測下一拍的球種與落點,進而推論該回合的最終勝負。

陳弘軒 副教授
協同主持人
國立中央大學
資訊工程系
ESG 永續承諾驗證競賽

戴敏育 教授
主持人
資訊管理研究所
國立臺北大學
隨著全球永續發展目標(SDGs)與淨零碳排政策推動、監管趨勢日益加劇,企業揭露 ESG 承諾已逐漸從自願性作法,轉變為投資人、監理機關與公民社會衡量企業責信與治理能力的重要指標。
然而,許多企業的永續報告書仍充斥語意模糊的承諾,缺乏具體佐證,引發漂綠疑慮。儘管 AI 發展迅速,但針對繁體中文 ESG 承諾的自動化分析仍面臨語料稀缺挑戰。因此,發展具備邏輯識別與可檢驗性的 NLP 技術,是提升永續資訊品質的關鍵。
為培養參賽者對 ESG 文本理解與資料驅動決策的實務能力,並促進產學界在語意理解與永續承諾稽核技術上的創新應用,特辦理「ESG 永續承諾驗證競賽 2026」。本競賽將提供源自真實產業情境建構之「VeriPromiseESG4K 標註語料庫」,讓參賽者開發能夠識別企業永續承諾與支撐證據之自然語言 AI 模型,提升企業永續承諾的內涵與可信度。
我們期待透過資料與模型的實作歷程,讓參賽者不只是完成一項技術任務,而是學會如何以 AI 回應現實世界的永續課題,為企業揭露資訊的透明度注入更多理性與信任。當技術成為理解承諾、守護未來的工具,這些模型所承載的,將不只是分數與成果,更是對永續責任的一次具體回應,與一份持續向前的承諾。

陳重吉 助理教授
協同主持人
國立情報學研究所 (NII), 日本

Yohei Seki 教授
協同主持人
圖書館情報媒體科學系
日本筑波大學
AI CUP 2025
電腦斷層心臟肌肉影像分割競賽-
(心臟肌肉影像分割、 主動脈瓣物件偵測)

本競賽旨在進行電腦斷層心臟肌肉影像分割,分割目標有二:全心臟肌肉以及主動脈瓣膜。使用深度學習方法訓練模型,所預測出的分割結果能夠大幅度地減少人工標記所需的人力成本。肥厚性心肌病變透過去除多餘的心肌手術能夠減緩不適症狀。主動脈瓣膜的功能為幫助心臟可以正常的將血液輸往全身的器官。經導管主動脈瓣膜置換手術能夠解決主動脈瓣膜狹窄問題,手術時需利用醫學影像進行瓣膜位置的定位。為此,我們舉辦了電腦斷層心臟肌肉影像分割與主動脈瓣物件偵測競賽。通過高精準度的影像分割技術,在獲得心臟肌肉分割結果後,能夠建立病患的專屬心臟模型,讓醫生進行術前規劃與模擬,避免手術進行中的相關風險。
國立台北科技大學
資訊工程系
主持人
謝東儒 副教授

陳怡誠 主治醫師
協同主持人
振興醫院
心臟血管外科
醫病語音敏感個人資料辨識競賽

戴鴻傑 教授
主持人
國立高雄科技大學
電機工程系
近年來生成式人工智慧技術(Artificial intelligence,簡稱 AI)與自然語言處理(Natural Language Processing,簡稱 NLP)技術的快速發展, 大型語言模型(Large Language Models,簡稱 LLMs)已經成為促成產業轉型的重點技術,對於醫療保健領域也即將帶來革命性的變革; 以 LLMs 技術為基礎的應用隨著可用性與易用性的提供已經在臨床醫療場域出現多種應用契機,包含如增強患者護理、簡化行政流程, 並推動醫學研究的發展。在醫療照護領域,AI 驅動的系統可以分析來自電子健康記錄(Electronic Health Records,簡稱 EHRs)、醫學影像和基因資料等大量臨床數據, 幫助醫護人員進行診斷、制定治療計劃和個人化醫學。
將 LLM 技術融入醫療保健領域,一個顯見的挑戰是在包括如醫病訪談紀錄、電子病歷(Electronic Medical Records,簡稱 EMRs)和其它醫療相關文本資料中 與病患相關的個人隱私資訊(Sensitive Health Information,簡稱 SHI)的去除,以避免在運用 AI 技術進行醫療場域對話或非結構化醫學文本分析時可能造成的隱私洩露。

陳鯨太 助理教授
協同主持人
臺北市立大學
資訊科學系

馮蕙嫺 助理教授
協同主持人
國立高雄科技大學
應用英語系
桌球智慧球拍資料的精準分析競賽

孫敏德 教授
主持人
國立中央大學
資訊工程系
根據近年統計,全球有約10億桌球愛好者,台灣則超過2百萬人,且近年來桌球選手在國際賽場上有優異的表現,因此國民關注度逐漸提升。
針對桌球的技戰術分析,本團隊已開發出桌球智慧球拍,用以蒐集選手揮拍資料,啟動了桌球大數據的研究,能夠深入分析球員回擊方式與揮拍力道是否穩定,提高選手實力評估的精準度,參賽者將運用選手揮拍資料訓練模型,進行性別、持拍手、球齡與選手等級分類。期盼透過本競賽,誠摯邀集具機器學習、數據分析專長的專家與高手,訓練出高辨識率的選手分級模型,進而推動並普及桌球技戰術分析相關研究與應用。

陳弘軒 副教授
協同主持人
國立中央大學
資訊工程系
AI CUP 2024
根據區域微氣候資料預測發電量競賽

顏士淨 特聘教授
主持人
國立東華大學
資訊工程系
近年來由於太陽光電裝置的效能不斷提升,加上綠能科技發展已經成為世界未來發展的共識,同時AI發展也是突飛猛進,因此AI綠能可以成為人才培育一個很好的題目。花蓮地區近年來綠能廠商不斷進駐,花蓮鳳林已經有十分之一以上區域作為太陽光電裝置用途,本校能源科技中心常受到廠商委託評估太陽光電裝置,以往是以氣象局的氣候資料評估,但在近幾年來光電裝置效能越來越高後,就需要更精確的微氣候資料來產生AI模型評估。本計畫將根據能源科技相關文獻研究成果,選擇出微氣候環境因子進行量測,收集訓練資料,同時也架設太陽能板量測發電量作為ground truth。計畫符合綠能科技主題,可以讓AI CUP參賽學生了解綠能科技與系統設置規劃產業,也可幫助台灣綠能科技發展。

白益豪 副教授
協同主持人
國立東華大學
光電工程系
以生成式AI建構無人機於自然環境之地形導航競賽

劉吉軒 教授
主持人
國立政治大學
資訊科學系
本競賽主題為以生成式AI建構無人機於自然環境偵察時所需之導航資訊,也就是透過生成式AI生成所需的導航資訊。本計畫希望將競賽分為兩個項目。第一個項目旨在使用生成式模型產生特定天氣、視角、影像占比之無人機視角下的道路和河流影像。通過指定條件,輸入一張只帶有邊界線或帶有邊界線和中軸線的黑白影像,生成式模型可以根據指定條件生成包含自然背景的無人機視角下的道路或是河流擬真影像。在資料擴增方面,儘管本計畫已經使用無人機收集了台灣多地區的道路和河流影像,但鑑於現有研究會透過資料擴增來改善模型的訓練結果[9],本計畫期望參賽者能夠在特定條件下使用生成式模型生成擬真的道路和河流影像,並透過生成擬真影像,增加資料多樣性與減少收集真實資料的人力與成本,以便用於後續的AI無人機自主導航模型訓練。第二個項目希望使用生成式模型將無人機視角下的道路和河流影像轉換為包含邊界線與中軸線的黑白影像,相當於對調第一個項目的輸入與輸出。通過輸入一張包含自然背景、道路或是河流的無人機視角影像,GAN可以生成帶有道路或是河流邊界線和中軸線的黑白影像。這個項目的靈感來自於使用GAN將航拍影像轉換為地圖的概念。無人機的空拍影像與航拍圖類似,只是解析度有所不同,但兩者可以透過投影來進行轉換對應。在使用GAN可以將航拍圖轉換為地圖的情況下,本競賽希望將空拍影像轉換為類似地圖上標示的道路和河流邊界線,但不需要對背景進行標示。這樣可以讓無人機使用生成的邊界線來確定自身位置是否在道路或是河流上方,同時可以透過中軸線進行AI無人機自主導航。

彭彥璁 助理教授
協同主持人
國立政治大學
資訊科學系
AI 驅動出行未來:跨相機多目標車輛追蹤競賽

江振國 副教授
主持人
國立中正大學
資訊工程學系
鑒於居家安全、犯罪偵防等需求,近年來攝影機系統在道路上被廣泛的運用。由於目前一般的監視系統都是基於單相機錄影,每個攝影機是獨立運作,所以當移動物件離開拍攝範圍後,就無法繼續辨識。其次,當發生車禍碰撞、犯罪事件,由於每台相機單獨錄影,相機間沒有協同作業的機制,因此警政單位必須花費龐大的人力資源,由人工搜尋監視系統錄製的影片,才能追蹤可疑車輛或行人的路徑與軌跡。跨相機多目標追蹤的技術就是用來解決上述的問題,雖然攝影機的內容是獨立錄製,但是跨相機多目標追蹤的技術可以藉由物件外觀的相似程度、輔以物體移動時間的估測,追蹤跨相機移動的多個物件。在本次計畫提出的資料集,是提供跨相機的道路車輛行駛影片,發展跨相機多目標追蹤的AI模型。給定多個不同的實際道路相機拍攝影片,跨相機多目標追蹤的AI模型要能夠偵測與辨識出出現在不同相機的相同車輛。如上所述,雖然跨相機多目標追蹤技術在交通分析面項上具有廣泛的應用前景,但國外目前僅有部分學術用、以及國際競賽提供的資料集,台灣關於跨相機目多標追蹤的資料集相對來說也十分缺乏。
AI CUP 2023
隱私保護與醫學數據標準化競賽: 解碼臨床病例、讓數據說故事

戴鴻傑 教授
主持人
國立高雄科技大學
電機工程系
本計畫以培育具備人工智慧(Artificial Intelligence,簡稱 AI)領域中的自然語言處理技術(Natural Language Processing,簡稱 NLP)的專業人才為主要目標,透
過國際合作將醫療院所內的真實臨床病例資料開放成為競賽語料,於其上進行英文文本 EMR 的去識別化及時間資訊擷取與正規化,讓學子透過參賽能夠將 AI 技術與資通訊技術應用於臨床醫療病歷資料分析,從而深入了解真實病歷資料去識別化所可能遭遇的問題以及解決方法。我們期望藉此培養出兼具人工智慧和倫理道德素養的專業生醫產業人才。進一步地,我們希望這些成果能夠應用於臺灣
的健康資料加值應用中,並透過與國際研究機構的合作,共同發表研究成果,從而推動該領域的發展,提升臺灣在全球生醫產業的地位,並為臺灣的健康產業創
造更多的價值和機會。



