iiiD-Lab之研究與設計主題

本實驗室聚焦於人本人工智慧（Human-Centered AI）與設計導向的跨領域研究，關注 AI 技術如何在真實世界中與人協作，並對健康、創新、組織與社會產生正向影響。
我們歡迎來自設計、工程、資訊、心理、社會科學、管理、醫療與相關跨域背景的學生，一起探索 AI 與人之間更有責任感、可理解、且具包容性的互動關係。

人本人工智慧設計（Human-Centered AI Design）

本研究方向聚焦於人本人工智慧（Human-Centered AI, HCAI）的設計理念與方法，探討當 AI 系統開始參與決策、協作與服務流程時，如何透過設計確保人類的理解、判斷、行動能力與責任能被妥善保留與支持。

相較於以效能、自動化或模型表現為中心的 AI 發展路徑，人本人工智慧設計強調：
AI 不只是取代人類決策的工具，而是應被設計為與人類共同構成混合智慧（Hybrid Intelligence）系統的一部分。在此架構中，人與 AI 各自發揮其優勢，透過互補與協作，而非單向自動化，來完成複雜任務與決策。

本研究方向特別重視 Human-in-the-Loop（人類介入迴圈） 的設計觀點，但不將其視為單純的「人工覆核」機制，而是關注：

人在什麼情境下應該介入 AI 的判斷與行動
AI 系統如何回應人類的介入、修正與回饋
介入機制如何支持人類的理解、學習與決策品質

在此基礎上，我們將 AI 視為具備行動能力的 AI agents（包含單一與多代理系統），並關注 人–AI 之間的 agency（行動主體性）如何被分配與協調。研究不僅關心 AI 能做什麼，更關心人是否仍保有實質的行動權與決策主導權。

本研究亦進一步探討 ownership（所有權／責任歸屬） 在人本 AI 系統中的設計問題，包括：

決策結果的責任如何在多人與多個 AI agents 之間被理解與分擔
使用者是否能對 AI 系統的行為產生心理與實務上的「所有權感」
系統如何支持責任可追溯性（accountability）與適當信任

在人本人工智慧設計中，這些概念並非抽象倫理原則，而是需要被具體轉化為互動設計、系統架構與操作流程的設計問題。

研究方法上，本方向結合設計導向研究（design-driven research）、實證研究與系統原型開發，透過使用者研究、情境分析與真實場域測試，探索 human-in-the-loop、hybrid intelligence、agency 與 ownership 等概念，如何在實際系統中被實作、調整與驗證。

人本人工智慧設計不只是技術議題，而是一個同時關乎互動設計、系統工程、倫理責任與社會影響的跨領域研究方向，也是本實驗室後續 AI agents、多代理協作與數位健康研究 的核心基礎。

AI Agent 介入的溝通、協作與創新共創（AI-Agent-Enabled Communication and Collaborative Innovation）

本研究方向探討 AI agents（包含以LLMs-Based Coversational Agents） 如何介入人與人之間的溝通、協作與創新共創歷程，並在團隊、組織與跨專業合作情境中，扮演具備行動能力與角色分工的參與者。

不同於將 AI 視為單純工具或介面中介，本研究將 AI 視為具備角色、目標與互動策略的行動代理（agent），關注其如何與人類共同構成 人–人–AI 的協作系統，進而影響溝通流程、創意生成、共識建立與責任分配。

研究特別著重於 多代理（multi-agent）協作情境，探討在同一系統中，多個 AI agents 如何扮演不同角色（如協調者、建議者、反思者或資訊整理者），並與多位人類參與者共同工作。相關研究問題包括：

多代理如何分工與協作？
人類如何理解、信任並適當依賴不同 agents？
人與 AI 之間的責任與決策界線應如何被設計與協調？

研究重點包含但不限於：

AI agents（單一或多代理）在溝通與協作情境中的互動設計
人–AI–人（human–AI–human）與人–AI–AI–人（human–AI–AI–human）的協作模式
多代理系統中的角色分工、協調機制與決策支援設計
AI agents 如何支持（或干擾）團隊合作、創意共創與集體決策
結合設計思考、系統思維與創新管理，設計支持協作與共創的 AI agent 系統與平台

本研究方向關注 AI agents 在真實世界情境中的可用性、可理解性與社會影響，例如在創意團隊、醫療團隊、教育場域、跨部門合作與創新組織中的實際應用，而不僅止於技術層面的代理架構。

AI 驅動的數位健康（AI-Driven Digital Health）

本研究方向探討人工智慧，特別是以大型語言模型（LLM）為基礎的 AI agents，如何被設計與部署於數位健康與醫療服務情境中，以支持個人健康管理、臨床照護協作與醫療服務溝通。

相較於僅以技術效能為導向的健康 AI，本研究強調人本、情境化與責任導向的設計視角，關注 AI 系統在真實健康場域中，如何被使用、理解、信任與適當依賴。我們將 AI 視為參與健康照護流程的協作代理（agent），而非取代醫療專業判斷的自動化工具。

研究重點包括：

以 LLM 為基礎的健康聊天機器人與 AI agents 在健康管理與病患支持中的設計
AI agents 在醫病溝通、健康諮詢與行為改變支持中的角色與互動設計
單一與多代理（multi-agent）系統在健康照護流程中的協作模式
健康資料的理解、詮釋、視覺化與回饋設計，以支持決策與自我照護
AI 在健康情境中的倫理、責任、信任與風險界線設計

本研究方向特別重視 AI 系統在實際健康與醫療場域中的可用性、可理解性與社會影響，研究情境涵蓋行動健康（mHealth）、遠距醫療（telemedicine）、慢性病管理、心理健康支持與臨床照護協作等。

我們關心的不只是「AI 能不能做」，而是「AI 應該如何被設計，才能在健康照護中發揮正向影響，而不增加使用者與專業人員的負擔與風險」。

進入iiiD-lab網頁做更多了解。

‍

如何成為iiiD-Lab學生？

為了讓有興趣的學生能清楚了解指導與合作方式，以下說明本人可直接指導之學生類型，以及透過合作指導參與本實驗室研究的可能途徑。

博士生指導說明

本人可直接指導之博士生為：

跨院博士學位學程（iPhD）任一組別之學生。

iPhD 為跨院、跨領域設計之博士學程，適合從事人本人工智慧、設計研究、AI agent、多代理協作與數位健康等研究方向。學生可依自身研究興趣與方法取向，選擇最合適自己背景的組別報考 (不一定要報考「智慧製造與數位決策組」)。非常非常建議報考前，來信了解。

若你來自其他學系或學程，且已有主要指導教授，則可：

透過原指導教授與本實驗室合作，進行共同指導或研究合作。

碩士生指導說明

本人可直接指導之碩士生為：

AIMS Fellows Executive Master Program 之學生。

若你來自其他學系或學程（例如設計、工程、資訊、管理、人文社會等），則須：

以所屬學系或學程之教師擔任主要指導教授，
再由該指導教授與本實驗室進行合作，採取共同指導或研究合作的方式參與 iiiD-Lab 的研究。

此合作模式特別適合希望進行跨領域設計研究或人本 AI 研究，但需符合原學系學位制度的學生。

大學部學生（專題／研究導向）

對於大學部學生，本人特別歡迎以設計研究（design research）為主要導向、並可搭配成果導向設計專案的學生參與本實驗室研究。相較於以作品產出為主的設計專題，我更重視學生是否具備研究動機、問題意識，以及對理論與方法的學習意願。

具備以下條件之一或多項者尤為適合：

曾參與研究計畫、專題研究，或具備研究型學習經驗
已有初步研究成果（例如研究報告、論文草稿、或學術投稿經驗），或對研究寫作與發表有高度興趣
能將設計實作視為研究的一部分，而非僅以成果展示為目標

特別適合對以下研究方向具有高度動機的學生：

人本人工智慧（Human-Centered AI）
AI agents 與人–AI 協作
數位健康、包容性設計、服務與系統設計
設計研究方法與跨領域研究訓練

若你不確定自己是否適合直接參與本實驗室研究，或應採取合作指導的方式，非常歡迎在申請專題或修課前來信討論。我通常會協助學生一起釐清研究興趣、制度路徑，以及最合適的參與與合作方式。

‍

撰寫推薦信之原則說明

為確保推薦信內容能真實反映學生的研究能力與學術表現，並維持推薦信的品質與公信力，以下為本人協助撰寫推薦信的基本原則與條件：

符合下列任一條件者，原則上可提出推薦信申請：

iiiD-Lab 研究室學生
曾在 iiiD-Lab 進行研究，且與本人有實質研究指導與互動經驗。
iiiD-Lab 研究助理
曾擔任 iiiD-Lab 研究助理，並完成至少一項完整研究計畫或研究成果（例如研究報告、論文撰寫、學術投稿或可具體說明之研究貢獻）。
修課表現優異之學生
曾修習本人開設之課程，且於課程中展現優異的學習表現、研究潛力與主動投入（不僅限於成績，亦包含課堂參與、作業品質與研究深度）。

補充說明

推薦信內容將以研究能力、學術潛力與專業表現為主要評估基礎。
若與本人互動僅限於短期活動、講座或缺乏實質合作經驗，將較難提供具體且具說服力的推薦內容。
是否撰寫推薦信，仍將視時間安排、申請內容與推薦信用途進行整體評估。