機場裡的行李箱，大多數時候只是行李箱。衣服、盥洗用品、充電線、伴手禮，對旅客來說是旅行的殘骸，對邊境人員來說則是一批又一批必須快速看過、判斷、放行或攔下的物件。
有些東西很適合躲在這種日常裡。一片乾燥鯊魚鰭可以塞在衣物底下，幾隻乾燥海馬可以混進小包裝，海參乾製後形狀不一，放在行李或郵包裡，不會像「野生動物」那樣立刻跳出來。牠們不叫，也不流血。到了邊境，牠們往往已經不是一隻動物，而是一件乾燥、沉默、看起來像食品或藥材的東西。
這就是海洋野生動物犯罪難辦的地方。我們比較熟悉的走私常有強烈畫面：象牙、犀牛角、穿山甲鱗片，或被塞進箱子的活體。海洋這一塊安靜得多。鯊魚、海馬、海參、珊瑚、海龜、魚鰾、貝類，可以在漁業、食品、藥材、觀賞水族與跨境貿易之間流動，合法、非法、未申報、錯誤標示，有時纏在一起。對執法人員來說，第一個問題往往不是「如何定罪」，那是後面的事；更前面的問題是，怎麼先看見？
2026 年 6 月，《Frontiers in Ocean Sustainability》登了一篇澳洲團隊的研究，題目很直接：用 AI 自動偵測鯊魚鰭、海馬與海參。團隊使用 3D X-ray CT，也就是類似機場與郵包查驗的立體 X 光影像，先建立海洋野生動物樣本的影像資料，再訓練演算法在行李影像中把可疑物件標出來。論文自己把這定位成補充人工檢查的工具，而不是取代邊境人員。
所以重點不是「AI 會抓走私犯」，沒這麼厲害啦。比較準的說法是：AI 可能幫邊境人員在大量行李和郵包裡，先挑出值得再看一眼的那一件。
研究材料不算多，但很有意思。團隊用了 68 個乾燥樣本，包含 18 個鯊魚鰭、30 個海馬、20 個海參，總共產生 298 次 3D 掃描。來源有博物館收藏、過去查緝取得的樣本，也有部分是從亞洲雜貨店買來的乾魚翅或海參。為了不讓模型只學會「乾淨桌面上的樣本」，研究者把樣本放進各種情境裡掃描：被衣物包住、和玩具擺在一起、被金屬或其他物品遮擋，也用 Threat Image Projection 把 3D 物件插進原本沒有走私物的行李影像。他們要教的不是一隻漂亮的海馬，而是一隻「被藏起來的海馬」。
結果看起來不差，整體偵測率約 92%。分開看，鯊魚鰭 95%、海馬 96%、海參 86%。海參偏低並不意外，乾燥後外形變化大，不像海馬那樣容易有固定輪廓。誤報率整體約 13%，其中鯊魚鰭 2%、海馬 9%、海參 1%。
但這些數字要小心解讀。92% 不是 100%，誤報也不是零，而且這是一個研究場景，不是實務場景。它能做的，是把行李標出來，提醒人員「這裡可能有東西」。真正的查緝仍要人打開行李，比對申報文件，確認是否受 CITES 或本國法規管制，必要時再做 DNA、形態學或其他物種鑑定。
從法庭科學的角度看，這篇研究有意思的地方，不在於 AI 取代鑑定人，而在於它把證據鏈的起點往前推了一步。過去很多野生動物鑑識工作，是在東西被查到之後才開始：這片鱗、這截骨、這包粉末、這塊肉，到底來自哪一種動物？是否受保護？來源合不合法？但在邊境現場，更前面的問題是它有沒有被看見。一件可疑物如果沒被攔下，後面的 DNA 鑑定、形態學比對、文件查核、證物監管鏈，全都不會開始。AI 在這裡最多把箱子標出來，能不能成案，還是要靠人打開箱子、確認物種、查文件、保存證物鏈。影像上的框線不是證據的終點，只是案件開始的位置。
三種東西的難處也不太一樣。鯊魚鰭常脫離身體被單獨交易，沒有頭、沒有皮膚、沒有完整魚體，物種辨識更難。海馬乾燥後形狀還算明顯，但可能被小包裝分散。海參最麻煩，乾燥後大小、密度、外形差很多，還可能被寫成一般食品。這些東西不是全都不能交易，也不是看到就必然違法，問題在於列管物種、來源、數量、許可與申報狀態需要被查。
真正的問題，會在這種工具進入實務之後才開始。不是每個機場或郵包中心都有 3D CT，許多地方仍靠 2D X 光或人工檢查，設備差異會直接決定模型能不能用；論文自己也講明，3D 掃描成本高，不是所有查驗路線都取得到。
資料也還太少。68 個樣本是起點不是終點，走私者不會照研究者設計的方式打包，物種、加工狀態、包裝方式、遮蔽物與其他物品重疊，都可能影響偵測。研究團隊自己也承認，小樣本加上大量以 TIP 生成的影像，可能限制模型在真實場景的泛化能力。
還有一個不該忽略的訊息：EurekAlert 的新聞稿揭露，部分作者受雇於 Rapiscan Systems，而該公司正是研究所用 3D X-ray machine 的製造商。這不代表研究不能用，但正式引用時應該知道，這是一項和設備廠商有關的技術研究，不宜寫成完全中立、已大規模驗證的公共系統。
所以我不太想把這篇寫成「AI 正在拯救海洋」。海洋野生動物犯罪牽涉市場需求、漁業壓力、地方生計、跨境物流、餐飲與藥材文化、文件造假、物種辨識困難，以及執法資源不足。AI 可以讓某些東西比較容易被看見，但不會自動解決後面那整條鏈。
台灣目前也難找到能直接拿來寫的公開案例，但這不代表它和我們無關。台灣是海島，也在全球海鮮、水產、旅運與跨境貨物的流動之中。真要談這類工具，第一步恐怕不是買 AI，而是先問我們有沒有夠清楚的查獲物資料、影像保存流程、物種鑑定能量與送驗機制。沒有這些，AI 只會變成另一個漂亮但懸空的設備採購故事。
法庭科學的工作，有時候不是立刻回答，而是先讓某件東西停下來。讓行李別直接通過，讓乾貨別只被當成乾貨，讓一片鯊魚鰭、一隻海馬、一條海參重新被問：你從哪裡來？為什麼會在這裡？你可以合法出現在這裡嗎？AI 能做的，大概就是把這個停頓提前一點。接下來，還是得由海關人員走過去，把箱子打開。
主要參考資料
- Frontiers in Ocean Sustainability, 2026-06-08, “Marine wildlife trafficking: use of AI algorithms for the autodetection of shark fins, seahorses and sea cucumbers.”
- EurekAlert / Frontiers, 2026-06-07, “Finding Nemo: AI tech could spot smuggled seahorses in suitcases.”