參賽內容聚焦 AI 如何應用於高風險場域,提升社會系統的安全性與韌性。內容將分享我參與國家級運動數據平台、醫療照護系統與救災協作平台的設計經驗,探索 AI 如何結合大數據與智慧分析,協助專業人員進行更有效的判斷與資源配置。
本系列將從運動科學、醫療照護到災害應變等案例出發,探討 AI 如何轉化資料為具體的社會解方,並透過 Human-AI Collaboration 的設計思維,打造值得信任的智慧決策支援系統。
透過實際產品案例與研究觀點,探索科技如何回應真實社會需求,讓 AI 不只是提升效率的工具,而是促進公共安全、健康照護與社會福祉的重要力量。
Day 10 談到,下一代運動數據平台應該走向 Decision Support System(DSS)。但當 AI 開始進入這個流程後,我開始思考另一個問題:...
Day 10 談 Dashboard 該走向 DSS,Day 11 看了 Catapult、Hudl、Nacsport 這些工具的 AI 現況,也發現它們的 A...
從運動科學,走進更高風險的場域 在上一章,我提到自己實際參與打造一個國家級運動數據平台的經驗——那讓我看見,運動科技表面上在追求更好的成績,深層其實是在探索如何...
上一篇談的是「可信任」這個抽象問題,這一篇我想把它落到一條具體的流程上。 藥品從開立到送到病人手中,中間要走過處方、調劑、核對、給藥、紀錄、監測、交班轉銜等多道...
在比較深入接觸醫療現場之後,我聽到不少讓人印象深刻的經驗——有醫護人員提到,事後被追究責任、甚至走上法律程序;也有人分享,遇到情緒激動、行為難以預測的病人時,會...
Day 15 談完責任歸屬後,留下一個問題:即使系統設計得夠安全,醫護人員真的有足夠的注意力去用它嗎?想像一位醫師的日常——病歷、檢驗、影像、用藥紀錄、病人主訴...
前幾篇文章談了很多觀念——Trust、Risk Management、Human-in-the-loop、Cognitive Load。但觀念如果只停留在文章裡...
前面幾章,先從「為什麼高風險場域需要 AI」談起,再走過運動科學裡資料如何成為決策而不只是報表,接著進入醫療照護,討論如何設計一套值得信任的 AI 系統。這一次...
Day 19|從訪談到產品定義:在救災現場,找出真正該解決的問題 救災現場的混亂,如何被轉化成產品問題? 昨天談到救災現場真正棘手的問題之一,是大量的人力、物資...
設計師能不能自己把第一版產品做出來? 前一天我把救災平台從模糊想法整理成比較具體的產品定義。到了 Day 20,我想回答一個實際的問題:定義做完之後,設計師能不...