AI 素養與隱私體驗

AI 素養與隱私體驗

[讀者回函]為「人」而非「系統」設計:台灣 AI 防災的公民參與新解方(下)

Designing for "People" Not "Systems": New Solutions for Citizen Participation in Taiwan's AI Disaster Prevention (Part 2)

GAINSHIN's avatar
GAINSHIN
Nov 04, 2025
∙ Paid

上一篇,我們留下一個懸念:一套看似完美的歐洲公民防災劇本,為何在台灣可能行不通?

在揭曉那個殘酷的答案前,讓我們先做一個思想實驗。想像一下,一場超級颱風正朝台灣直撲而來,如果我們擁有一個理想的 AI 防災系統,它會是什麼樣子?


AI 的超能力(理想版)

這不是科幻片。這是在歐洲已經部分實現的場景。AI 在這場戰役中,或至少可以扮演了四個關鍵角色:

1. 角色一:先知 在災難發生前,AI 就已經開始工作。歐洲中期天氣預報中心 (ECMWF) 開發的 AI 預報系統 (AIFS),已經可以比傳統物理模型提前 12 小時預測颱風路徑,而且運算速度快 10 倍,能耗卻降低了 1000 倍。它甚至不只預測「天氣」,而是預測這場風暴將對哪些基礎設施造成「具體衝擊」。

2. 角色二:事實查核機 當恐慌開始在社群媒體上蔓延時——「某某水庫要洩洪了!」、「XX 橋斷了!」——AI 立即啟動。它透過自然語言處理,掃描海量貼文的情緒波動,一旦偵測到負面情緒異常飆升,就可能標記為潛在的謠言。

義大利國家地球物理與火山研究所的 Twitter 機器人,能在地震後 2-3 分鐘內自動發布初步定位和震級,比人類專家快上 10 幾分鐘。這種「官方秒回」的效率,直接扼殺了假消息傳播的黃金時間。更有專門的 NatHazFake 計畫,正在開發能同時分析圖片與文字的 AI 模型,讓你用一個 Chrome 插件就能即時查核訊息真偽。

3. 角色三:超級聯繫人 Facebook 的「危機回應系統」是一個很好的例子。災難發生時,AI 會自動抓取公開的求助與救援資訊,透過「社群互助」功能,將需要幫助的人與能提供幫助的人,用演算法精準地媒合在一起。

但說實話,這在台灣早已不是新聞。甚至,我們做得更徹底。

在台灣,真正的「超級聯繫人」,不是任何一個單一平台,而是由 Line、Threads、Facebook 社團所構成的、去中心化的數位生命線。在歷次災難中,我們都看到同樣的劇本上演:

  • 比官方更快的自主媒合:丹娜絲颱風後,台南、嘉義的災民需要棲身之所,芥菜種會等社福團體需要志工,貨櫃商想捐贈貨櫃屋——這一切的供需,都不是靠政府的統一調度,而是在 Facebook 社團和 Line 群組裡「自主媒合」完成的。

  • 比廣播更精準的在地情報:花蓮堰塞湖災害時,在地的志工和居民,就是透過 Line 群組和 Google 表單,回報最即時的水位、路況,協調最緊急的物資需求。這些來自第一線的情報,往往比官方的廣播更準確、更即時。

這套由公民自發串連的「善意網絡」,才是台灣防災最核心的 UX。它證明了台灣的公民不但不被動,反而早已構築了一套超高效的、去中心化的災難行動系統。

4. 角色四:萬能翻譯官 AI 甚至能打破語言隔閡。最新的 AI 模型,可以在沒有網路的情況下,為不同國籍的搜救隊與本地災民提供即時語音翻譯,確保溝通無礙。

這幅景象,就是我們夢寐以求的智慧防災:AI 扮演著先知、事實查核機、超級聯繫人、萬能翻譯官。它精準、高效、且充滿人性。

好了,夢該醒了。

在我們談論電力這個終極物理限制之前,還有一個更棘手的設計倫理問題:當善意沒有防護時,它也可能成為惡意最好的沃土。


公民善意參與的節外生枝:當求救文變成詐騙集團的 KPI

我們剛剛才盛讚了台灣由 Line、Facebook、Threads 構成的、去中心化的公民救援網絡。但這份草根、高效的另一面,卻是一個令人不安的現實:我們的善意,正暴露在毫無防備的風險之中。

花蓮堰塞湖、丹娜絲颱風後,許多心急如焚的災民在社群上公開了自己的地址、手機、家人的健康狀況。結果呢?救援結束後,「物資詐騙」和「電話騷擾」的案例層出不窮。那些救命的資訊,轉眼就成了詐騙集團的 KPI。更常見的,是那些在志工群組裡廣泛流傳的「全公開 Excel 表格」,裡面滿是災民的敏感個資。

這不是公民的錯。這是我們用來行善的「工具」的錯。

對比之下,德國的 NINA App、歐盟的 I-REACT App,從設計之初就內建了「個資保護」的 DNA。它們允許用戶匿名上傳災情、對地理位置進行模糊化處理,並嚴格遵守 GDPR 規範,確保救命的資訊,只會流向經過驗證的救援單位,而不是在網路上裸奔。

這給了我們一個深刻的提醒:一個成熟的防災系統,必須在 AIPET 框架的兩個核心維度上做到無懈可擊:「隱私增強」(Privacy) 與「信任建立」(Trust)。如果一個救援系統,不能從一開始就保護使用者的隱私,那它所有的效率和功能,都建立在流沙之上,根本無法建立起使用者長期的信任。

這個挑戰,甚至比能源危機更根本。因為它關乎我們即將建立的,究竟是一個互相守望的社群,還是一個互相猜忌的社會。

好了,帶著這個沉重的倫理問題,讓我們來看看下一個更複雜的管理問題:就算我們有無限的電力、完美的隱私保護,我們又該複製誰的劇本?


誰的作業有可借鑑性?英國的「效率」vs. 德國的「整合」

User's avatar

Continue reading this post for free, courtesy of GAINSHIN.

Or purchase a paid subscription.
© 2026 PrivacyUX consulting Ltd. · Privacy ∙ Terms ∙ Collection notice
Start your SubstackGet the app
Substack is the home for great culture