我之前寫過自己在做一個 分析營養成分的Bot ，用最簡單的方式追蹤每日、每週、每月的營養攝取狀況。做著做著，我發現一個問題：如果這個 Bot 要進一步給予建議，會踩到 誰該給建議的界線 。剛好最近食安新聞不斷，我想起自己多年前放棄的食品溯源專案，於是把原本分析營養成分的 Bot，延伸成一個自己動手做的食品溯源程式。這篇文章想分享的是這個延伸過程裡遇到的三個矛盾：營養分析的黑盒子問題、自己做溯源程式時撞到的資料難題，以及消費者實際採購行為與溯源理想之間的落差。 營養分析的黑盒子 目前市面上以AI分析營養成分的應用，有一塊我一直覺得模糊的區域：使用者無從得知分析依據為何。另外還有一個更根本的問題，使用者吃東西為什麼要先拍照才能吃？拍照分析一餐，本身就是打斷用餐過程，也不符合大部分人吃飯的日常邏輯。唯一真正說得通的應用場景，是把這個功能放進眼鏡裡，讓使用者所見即可分析，不需要額外動作。 即使先不談拍照這件事，營養分析Bot本身也有精準度的問題。脂肪與鈉含量是最難估算的兩項，AI會給出數字，但使用者不知道這個數字的計算依據，實際使用中也會遇到辨識失敗的案例，還需要「教會 AI 學習與記憶」歷次辨識的結果。 動手做自己的食品溯源程式 做到現在，大概能理解當初這類食品溯源計畫為什麼沒有做出大家都想用的成品。核心困難是各方資料庫格式不一致，在沒有 AI 協助的年代,清洗資料、做正規化本身就是一個工程量很大的任務。現在有AI協助，清洗與統一格式的速度快很多，但還是存有資料流失的風險。 台灣食藥署有提供開放資料下載，實際使用後我發現幾個資料本身的漏洞,而這些漏洞不是食藥署一個單位能單獨解決的： 進口商紀錄無延續管制：曾有食安風險新聞的進口商，依然可以繼續進口食品； 廠商自主登錄無強制力：部分食品不會主動登錄食藥署平台，登錄與否全靠廠商自願，沒有強制規範； 品牌名稱相近造成混淆：統一生機、統一生醫、義美生醫、義美生技等大廠的名稱相近，AI在判斷資料時，很難判斷該合併還是分開處理，還需要去工商登記查詢。 相對地，國內較大品牌像聯華、光泉、義美，通常會自建食品溯源網站，並在自家包裝上印刷條碼，消費者掃描條碼就能連結到來源與檢驗結果。這類大品牌的資料完整度高，我做溯源程式時，對於大品牌並建有溯源平台的資料則以品牌自建平台的資料為主，不會再抓下來。 使用行為的矛盾 整個使用流程是拍照或掃描、上...
我是YingChu Chen，我研究 AI 政策與國際網路治理。這裡是我追蹤全球數位政策及自己使用AI工具的筆記。