高雄市警察局在推動 AI 過濾避讓救護車違規系統的過程中，首度揭露了研發背後的技術挑戰。開發團隊直言，要讓演算法在混亂的十字路口精準判斷誰是救人的好漢、誰是趁亂闖紅燈的投機者，其難度遠超乎想像。這不僅是一場演算法的競賽，更是一場數據標註師與複雜現實環境的肉搏戰。
在人工智慧領域，辨識人臉屬於相對明確的幾何比對，但辨識在極短時間內發生的讓道行為卻是極高難度的挑戰。視覺上的雙胞胎陷阱是首要障礙，在高雄強烈的烈日下，反射光線會模糊車身細節，導致許多物流公司的白色廂型車在逆光或低解析度下，與救護車的外觀極其相似。此外，即便救護車有明顯爆閃燈，若路口有強烈霓虹燈招牌或大型車輛的方向燈干擾，AI 仍容易產生視覺幻覺而導致判斷錯誤。
除了靜態特徵，AI 必須從動態意圖中解讀行為。人臉辨識僅需比對五官位置，但讓道則是一種動態交互行為。AI 必須分析連續數秒內多個物件的相對速度，判斷機車斜向切出究竟是為了避開後方逼近的救護車，還是單純想超車。此外，高雄各路口的非結構性環境也增加了複雜度，在中正路大路口學會的避讓模式，一旦切換到路幅狹窄的新興區巷弄，原本的邏輯可能就會失效。
高品質的訓練樣本稀缺更是大數據時代的長尾困境。雖然救護車出勤頻率高，但要正好發生在科技執法路口，且錄影畫面清晰、無遮蔽並包含民眾避讓行為的案例，在一千件中可能僅有一件。為了讓系統進化，基層警力甚至得變身標註師，手動標註上萬張照片來告訴機器這是避讓或是亂開。這種耗費人力的人工特徵工程，成了智慧治理背後最沈重的隱形成本。
情境判斷目前仍是 AI 最難跨越的橫溝。這項技術的瓶頸本質在於如何將人類的同理心與臨場反應翻譯成電腦邏輯。AI 雖然能代勞八成的過濾工作，但剩下的二成灰色地帶仍需仰賴有經驗的員警進行人工複核。高雄警方的努力不只是為了減少罰單爭議，更是在為全球智慧城市建立一套更懂人性的演算法，讓科技在輔助執法的同時，依然能保有人性的溫度。
發佈留言