讓AI不只會判斷，更能說明理由——莊家峯教授打造看得懂的可解釋人工智慧

人工智慧可以辨識影像、控制機器人，也能協助醫師分析疾病，但當AI做出一項判斷時，我們往往很難回答一個關鍵問題：「它為什麼這樣判斷？」

這正是目前人工智慧發展的重要課題之一。許多深度學習模型雖然擁有優異的預測與辨識能力，內部運作過程卻十分複雜，如同一個難以窺見決策過程的「黑盒子」。當AI進一步進入醫療、製造、機器人等攸關安全與決策的領域，只知道答案顯然還不夠，人們也希望知道AI做出判斷的理由。

國立中興大學電機工程學系暨研究所講座教授莊家峯榮2026年國科會傑出研究獎，他長期投入人工智慧與智慧控制研究，近年更將研究重心延伸至「可解釋人工智慧」（Explainable Artificial Intelligence, XAI），嘗試讓AI從「會做決定」進一步走向「能說明決定」，建立更透明、更容易理解，也更值得信任的智慧系統。

打開AI黑盒子：讓機器把推理過程「說」出來

傳統AI模型往往追求更高的辨識率與預測準確度，但模型愈來愈複雜，也使人類愈難理解它如何得到答案。

莊家峯教授的研究團隊從「模糊系統」與「類神經網路」切入，開發能以視覺化及語言化模糊規則呈現推理依據的AI模型。簡單來說，就是設法把AI內部複雜的數學運算，轉換成人類比較容易理解的規則或視覺資訊。

這樣的AI不只是告訴使用者「答案是什麼」，還能進一步呈現「哪些資訊影響了這項判斷」。除了提高模型透明度，也有助於研究人員檢查AI是否學到合理的特徵，並進一步提升模型的學習效率。

莊家峯教授團隊目前已將這項技術延伸至電腦視覺、智慧機器人與智慧健康等領域，讓可解釋AI從理論研究逐步進入真實世界。

讓AI「指出它看到了什麼」

在電腦視覺領域，深度學習已能快速辨識照片中的人物、物體或異常特徵，但模型究竟根據影像中的哪一部分做出判斷，經常不容易說明。

莊家峯教授提出「視覺可解釋的深度卷積模糊類神經網路」，將深度學習的推論結果轉換成較容易理解的視覺化模糊規則，應用於影像分類與視覺定位。

這項技術的重要性在於，AI不再只是輸出一個分類結果，而是讓使用者有機會理解模型判斷時所關注的影像資訊。對工業檢測、醫療影像等需要高度可靠性的應用而言，「知道AI為什麼判斷」與「AI判斷得準不準」同樣重要。

讓機器人自己學，也知道自己怎麼學

可解釋AI的另一個重要應用，是智慧機器人。

機器人要在複雜環境中自主移動，必須持續根據感測資訊決定下一步行動。莊家峯教授團隊結合仿生進化、強化學習與可解釋模糊模型，讓機器人透過與環境互動，自行學習適當的移動控制策略。

相關成果已應用於六足機器人與輪型機器人。研究不只關注機器人最後能不能完成任務，也希望提高其學習效率，並使學習得到的控制策略更容易被人理解。

這代表未來智慧機器人的發展，可能不再只是追求「更聰明」，而是同時朝向更透明、更容易驗證，也更容易與人合作的方向前進。

AI走進醫院，協助快速掌握健康資訊

當人工智慧進入醫療領域，「可解釋」的重要性更加突出。因為AI提供的結果可能影響醫療人員的判斷，如果模型只給出答案、卻無法提供足夠的判斷線索，實際應用就會受到限制。

莊家峯教授團隊利用可解釋AI模糊模型，搭配較容易取得的生理變數，研究睡眠呼吸中止症快速估測，以及患者使用陽壓呼吸器時的最佳治療壓力估測，希望提供臨床快速且便利的輔助工具。

此外，團隊也將AI應用於腎臟病理影像中的腎絲球偵測與病理型態分類、手機輔助雙通道快篩試紙判讀，以及利用單通道腦波進行居家睡眠品質分析。

圖說：莊家峯教授團隊開發可解釋人工智慧模型，將AI複雜的推論過程轉化為人類可理解的視覺化與語言化模糊規則。左圖為視覺可解釋深度卷積模糊類神經網路，可呈現影像分類的判斷依據；右圖則將可解釋模糊模型應用於睡眠呼吸中止症嚴重程度與陽壓呼吸器最佳治療壓力估測，展現可解釋AI從電腦視覺延伸至智慧健康的應用潛力。

這些研究呈現出AI醫療的一項重要發展趨勢：未來AI未必是取代專業人員，而可能成為協助醫師與使用者快速整理資訊、辨識特徵與提供判斷參考的智慧工具。

從實驗室走向產線：AI成為製造業的智慧眼睛

除了學術與醫療研究，莊家峯教授也積極將AI技術導入產業。

製造業進行品質檢測時，過去常需要仰賴人工長時間檢視產品，容易受到疲勞、經驗差異及生產速度影響。研究團隊因此開發多種以正常與瑕疵影像為基礎的AI影像瑕疵檢測模型，讓系統學習辨識產品異常。

相關成果已完成技術移轉並導入不同產線，協助企業降低人工檢測需求與成本，也展現人工智慧研究從論文走向實際產業應用的可能性。

從智慧控制到可信任AI

莊家峯教授畢業於國立交通大學控制工程學系，並取得控制工程碩士與博士學位，長期任教於國立中興大學，2025年升任講座教授。多年來深耕人工智慧、模糊系統與智慧控制領域，研究論文累計已獲超過萬次引用。

近五年，他在可解釋AI領域持續投入研究，相關成果發表於多篇IEEE期刊論文，並獲選為前瞻研究論文與領域焦點論文；同時出版2本國際及2本國內專書，並獲選為亞太人工智能學會（AAIA）、國際模糊系統學會（IFSA）及國際AI工業聯盟（AIIA）會士，亦曾受邀於十多場國際場合發表演講。

對莊家峯教授而言，研究成果不應只停留在實驗室。他持續推動AI技術與產業、醫療場域接軌，從機器人自主控制、工業影像檢測到智慧健康，探索人工智慧真正解決現實問題的方法。

第二度獲傑出研究獎：研究之外，也是責任的延續

此次是莊家峯教授第二度獲得傑出研究獎。第一次獲獎之後，前輩曾勉勵他，研究有所成就之後，也可以承擔更多服務學術社群的責任。因此近年除了教學與研究，他也曾擔任中興大學電機工程學系主任，以及國家科學及技術委員會工程處控制學門召集人，投入校內外學術與行政服務。

在研究工作更加繁忙的同時，他也特別感謝資訊智慧實驗室學生的共同投入。團隊除了持續發表期刊論文及參與產學合作，近五年亦獲得十多項全國論文獎與7項全國性競賽獎項。對他而言，研究成果並非單一研究者的成就，而是學生、研究夥伴與家人長期支持所累積而成。

人工智慧正在快速走入我們的生活，而下一階段的重要挑戰，已不只是讓AI「算得更準」，更要讓人們看得懂、能驗證、敢信任。

從一條可以被理解的模糊規則、一個能說明判斷依據的影像模型，到可以自主學習的智慧機器人與協助臨床判斷的健康AI，莊家峯教授的研究正嘗試回答人工智慧時代的一個核心問題：當機器愈來愈聰明，我們如何讓它的智慧也能被人理解？而這或許正是人工智慧真正走入產業、醫療與日常生活之前，不可或缺的一步。

參考資料：https://web.nstc.gov.tw/cen/oaa/award_114/Chia-Feng-Juang.html