演算法揪出潛在黑心廠商　人工智慧也能成為食安守護神

【記者賴昀岫／台北報導】電腦不只會「挑土豆」，還是鎮守食安的一道防線！13年來我國年輸入的產品數量翻倍，去年突破76萬餘筆，但檢驗人力仍相當吃緊。目前除有行政院增補33名人力外，衛福部也從2020年起，開始導入人工智慧技術BPI，透過決策樹、隨機森林、彈性網路等7種機器演算學習法，輔助邊境抽驗決策。

台灣是科技島也是美食王國，近年相關食品、產品逐年增加，從民國100年起至113年底，已從每年40萬餘批增加至76萬餘批，在人力、經費有限及產品多元化的情況下，又需兼顧通關時效，食藥署於2020年間起開始導入BPI人工智慧技術，輔助邊境抽驗決策。

去年蘇丹紅掀起食安風暴，食藥署副署長林金富強調，這是從國外輸入而非國內業者違法添加，「要把風險降到最低就把邊境守好，絕對是食藥署責任」，後續也有相關檢討，包含邊境查驗人力從原先的71人，再增補33人，也增加相關預算，「再來就要靠BPI」。

食藥署北區管理中心主任鄭維智表示，邊境查驗管制蘇丹色素有三大法寶，第一是「國外製造廠源頭管理」，辣椒粉（乾）檢附不含蘇丹色素的檢驗報告，並停止違規國外製造廠輸入查驗；第二「問題產品阻絕境外」，精準抽驗高風險產品、邊境檢出，銷毀產品、不合格產品來源國同產品監視查驗1年；第三，「國內蓄意違規業者一網打盡」，不合格產品進口商及其關係企業納入邊境查驗預警名單，相關產品不分國別監視查驗6個月。

林金富說，邊境導入的大數據分析技術，建置「邊境預測智能系統（Border Prediction Intelligent System, BPI）」，挖掘潛在食安風險，輔助邊境不合格產品命中的精準度，將問題產品阻絕於境外；以生鮮冷藏冷凍水果為例，導入前後的平均不合格率由3.0%提升至3.8%，顯示精準抽驗的成效。

林金富指出，業者申報輸入食品及相關產品時，會先透過食藥署負責掌理全國輸入食品資訊的「邊境查驗自動化管理資訊系統（Import Food Information System, IFI）」核判，如判定為一般或加強抽批機率的產品，則由BPI人工智慧AI預測智能模型進行風險預測，相較過去人工隨機取樣更為精準。

食藥署北區管理中心視察何佳樺說，BPI是蒐集國內外開放資料及食品雲相關系統資料，藉由7種機器學習演算，運算100多個特徵因子，包含產品報驗資料、歷史違規紀錄、國內外食品安全警訊等資訊建立預測模型，利用大數據即時運算風險機率，並以7種演算法集成「投票」，超過一半就會抽驗。

接著，由IFI依據產品風險項目及邊境查驗人員的經驗綜整判斷檢驗項目，以進行後續的取樣檢驗，倘檢驗結果為不合格的產品，業者應辦理退運或銷毀，以阻擋不合格產品於境外，同時針對該產品也會提高其抽驗機率，最高至100%逐批查驗。

鄭維智說，以每年報驗批數達3萬餘批，查驗機率為2%至10%的一般抽批查驗生鮮冷藏冷凍水果分析，於導入BPI前後的抽驗結果，其平均檢驗率下降2.4%，約可減少檢驗費用400餘萬元，不合格命中率由3.0%提升至3.8%，提升約三成，也就是更精準地找出不合格品項。

國立台灣大學資訊工程學系暨資訊網路與多媒體研究所教授陳縕儂說，BPI的任務是查驗產品資訊是否合格，對應過去輸入的查驗資料、演算法等，藉此預測合格與否，例如來自特定國家的產品不合格率特別高，就決定抽驗，不同演算法也會有不同的加權方式。

BPI執行内容會選擇定特徵因子進行資料演算，來源包括國際輿情及國內外開放資料、國內食品雲系統等，Al則有7種機器學習演算法，包括邏輯斯回歸、決策樹CART、決策樹C5.0、樸素貝氏、隨機森林、彈性網路、梯度提升機等；陳縕儂形容，決策樹就像是模擬人類的決策行為；隨機森林則是將隨機取樣結合決策樹。

⭐️ 即刻下載《知新聞》App！免費！