:::
專題演講
專題演講紀要-打造水產試驗所數據整理AI助理
- 作者：陳佳香、嚴國維/海洋漁業組
為落實智慧農業政策並強化科研數據效能，本所海洋漁業組於 115 年 4 月 10 日邀請財團法人農業工程研究中心洪若彬副研究員，以「打造水產試驗所數據整理 AI 助理」為題進行專題演講。洪副研究員專精於衛星影像處理與空間資訊分析，長期結合遙測技術與無人機應用，協助農業決策管理。本次演講旨在引導同仁將 AI 技術轉化為智慧資產，促使 AI 由「工具」邁向「夥伴」，開拓水產研究與業務推動的新視野。
一、AI 發展脈絡：從生成式 AI 到 AI Agent
講者首先說明 AI 發展的三個重要階段：
講者以淺顯比喻說明三者差異。生成式 AI 如同「具備專業知識但偶有偏誤的員工」，RAG 如同「查閱資料後精準作答的員工」，而 AI Agent 則是「能自主調動工具並完成任務的助理」。其行動範圍與權限皆由使用者設定，具備持續優化能力，能透過回饋修正流程而無需重新訓練模型，具有極高的應用彈性。
三、水產研究資料的 AI 應用潛力
針對本所長期累積的養殖紀錄、環境監測與實驗數據，AI Agent 可發揮以下效益：
洪副研究員說明建構 AI 助理的基本步驟，包括：資料清理確保格式一致、建立 RAG 架構知識庫、定義 AI 的角色、配置工具權限，以及持續的優化修正。講者特別強調，「資料標準化」是成功關鍵，若基礎品質不佳，AI 亦難以產出可靠結果。
五、組織導入 AI 之策略思考
在推動 AI 導入方面，講者建議初期應設置單一管理窗口負責系統維運，並依不同使用者設定權限，以兼顧安全與效率。組織應推動資料格式標準化（如建置專業術語對照表），優化 AI 對長期研究紀錄的檢索力。管理窗口需透過自然語言與 AI 溝通，即時修正陳舊資訊（如將農委會更名為農業部），確保 AI 代理人能基於正確資訊提供支援。
研究單位應秉持「善用既有資源」的原則，優先對接農業部資訊司推動之「MaiAgent：AI 助理開發平台」。該平台作為數位轉型後盾，核心優勢在於能快速串接產銷 API （Application Programming Interface，數據對接介面）與法規知識庫，且符合數發部資安規範；由政府統一把關資料安全，能有效降低自行開發的技術門檻、資安風險與維運成本。
在實務應用上，這種「喝牛奶不需要自己養牛」的思維，讓非技術背景的研究人員亦能跨越程式開發的鴻溝，將長期累積之養殖、漁撈或遙測等生硬數據，輕鬆轉化為視覺化圖表或具分析價值的決策支援資訊。透過此官方平台，不僅能加速研究成果產出、順利達成 KPI 考核，更能透過開發成果的分享與對接，共同打造一個互利共榮且具數據主權的農業 AI 應用生態圈。
結 語
本次演講成功結合 AI 技術與水產研究實務，引領同仁見證 AI 從「輔助工具」進化為「智慧夥伴」的過程。未來，高品質的資料基礎與精準的溝通機制將是核心。誠如講者所言：「不是人看得懂，電腦就看得懂」，唯有落實資料標準化，方能確保 AI 提供精準的支援。本所將持續優化資料管理機制，讓 AI 成為水產科研與管理不可或缺的堅實支柱。
本組陳均龍研究員（右）代表致贈推廣品予講者洪若彬副研究員（左）
一、AI 發展脈絡：從生成式 AI 到 AI Agent
講者首先說明 AI 發展的三個重要階段：
- 生成式 AI (Generative AI)：如 ChatGPT，透過大量資料訓練進行內容生成，但其本質為機率預測，可能產生「幻覺」（虛構資訊）而產出錯誤資訊。
- RAG (檢索增強生成)：如NotebookLM，透過「先檢索資料庫再回應」的模式，使 AI 能依據研究報告或實驗數據提供精確答案，而非僅依賴原始訓練知識。
- AI Agent (人工智慧代理人)：如CrewAI具備「感知、思考與行動」能力，可依授權自動調用查詢或繪圖等工具，成為具備實作能力的智慧助理。
講者以淺顯比喻說明三者差異。生成式 AI 如同「具備專業知識但偶有偏誤的員工」，RAG 如同「查閱資料後精準作答的員工」，而 AI Agent 則是「能自主調動工具並完成任務的助理」。其行動範圍與權限皆由使用者設定，具備持續優化能力，能透過回饋修正流程而無需重新訓練模型，具有極高的應用彈性。
三、水產研究資料的 AI 應用潛力
針對本所長期累積的養殖紀錄、環境監測與實驗數據，AI Agent 可發揮以下效益：
- 資料整理與標準化：協助辨識並排除異常數據，提升資料品質。
- 自動分析與視覺化：自動統計資料並生成圖表，節省人工處理時間。
- 知識查詢系統：將內部文件建置為知識庫，供研究人員即時查詢。
- 決策輔助：整合分析結果，提供具科學實證的管理建議。
洪副研究員說明建構 AI 助理的基本步驟，包括：資料清理確保格式一致、建立 RAG 架構知識庫、定義 AI 的角色、配置工具權限，以及持續的優化修正。講者特別強調，「資料標準化」是成功關鍵，若基礎品質不佳，AI 亦難以產出可靠結果。
五、組織導入 AI 之策略思考
在推動 AI 導入方面，講者建議初期應設置單一管理窗口負責系統維運，並依不同使用者設定權限，以兼顧安全與效率。組織應推動資料格式標準化（如建置專業術語對照表），優化 AI 對長期研究紀錄的檢索力。管理窗口需透過自然語言與 AI 溝通，即時修正陳舊資訊（如將農委會更名為農業部），確保 AI 代理人能基於正確資訊提供支援。
研究單位應秉持「善用既有資源」的原則，優先對接農業部資訊司推動之「MaiAgent：AI 助理開發平台」。該平台作為數位轉型後盾，核心優勢在於能快速串接產銷 API （Application Programming Interface，數據對接介面）與法規知識庫，且符合數發部資安規範；由政府統一把關資料安全，能有效降低自行開發的技術門檻、資安風險與維運成本。
在實務應用上，這種「喝牛奶不需要自己養牛」的思維，讓非技術背景的研究人員亦能跨越程式開發的鴻溝，將長期累積之養殖、漁撈或遙測等生硬數據，輕鬆轉化為視覺化圖表或具分析價值的決策支援資訊。透過此官方平台，不僅能加速研究成果產出、順利達成 KPI 考核，更能透過開發成果的分享與對接，共同打造一個互利共榮且具數據主權的農業 AI 應用生態圈。
結 語
本次演講成功結合 AI 技術與水產研究實務，引領同仁見證 AI 從「輔助工具」進化為「智慧夥伴」的過程。未來，高品質的資料基礎與精準的溝通機制將是核心。誠如講者所言：「不是人看得懂，電腦就看得懂」，唯有落實資料標準化，方能確保 AI 提供精準的支援。本所將持續優化資料管理機制，讓 AI 成為水產科研與管理不可或缺的堅實支柱。
本組陳均龍研究員（右）代表致贈推廣品予講者洪若彬副研究員（左）
- 相關圖片
-
