人工智能賦予數據生命，讓過去各種盤點和調查所搜集到的龐大資料，找到重新被利用的機會，透過數據驅動決策，就能夠對癥下藥，利用AI提升社會福祉，究竟AI可以幫助解決哪些社會問題呢?

[[277164]]

臺洪災害致停電風險預警系統

臺灣省位于臺風路徑的要沖，時常釀成大范圍停電，謝宗震博士說明，AI可以在臺風來臨之前，幫助預測可能造成停電的區域，利用中央氣象局的臺風路徑預測、過往累計雨量分布圖、臺電的電機機組建設資料、電線桿分布坐標、臺風致災歷史數據以及全臺灣村里特征等，就可以建立停電風險預測模型，協助臺電公司在臺風來臨之前，提早進行災害管理及資源分配，讓停電的風險降到最低。

農地重金屬污染偵測

過去環保署透過人力調查方式，定期派專業技師至各地農地進行重金屬檢驗，是個耗時耗力的調查工作，利用AI可以幫全臺灣農地進行快篩，立即找出有問題的農地，謝宗震博士說明，AI系統利用農委會的土壤采樣及調查分析報告中的13萬筆農地資料，發現全臺灣共有993筆農地具有重金屬超標問題，驅動政府重視農地污染問題，并盡速展開受污染農地的整治工作。

打造節能降耗的智能工廠

工廠生產需要非常多的資源，處理制造污染更是營運成本的負擔，智能工廠的產在線布滿傳感器，紀錄工廠操作的歷史軌跡，所收集到的數據利用AI建模方式，找出最佳生產方式，既可以滿足品管要求，又可以做到節能，達成降低成本、潔凈生產的目標。

少兒再受虐預警系統

利用少兒受虐案件基本數據、家庭數據、家庭功能評估、關系人狀態等數據，建立再受度受虐風險預警模型，將風險以分數高低呈現，協助社公判斷案件處理的次序，提升調查個案的準確度，并選擇最適合的處理方式。根據統計，每年平均有2萬位的家暴受虐兒童，每位社工平均要處理60案，而其中有30%是屬于家暴回頭客，目前預警系統可以達到約65%的準確度，代表每年可以多救3000~4000位兒童遠離再次家暴，并且幫助社工降低工作負擔，讓有限的資源得以應用在最需要的地方。

火災風險預測

2016年謝宗震博士團隊，利用消防局火災發生數據、社會局家庭狀況紀錄、建照單位的建筑物相關紀錄等，幫高雄市建構了火災風險地圖，并在來年完成了鳳山區的火災熱區圖，可以精密到每一棟建筑物未來5年內發生火災的機率，消防局可以精準的針對特別危險的建筑物進行火災預防居家訪視倡導，實施半年后發現火災發生機率真的下降。

謝宗震博士認為，AI 的核心目標是人，是一種早知道的策略，早知道要不要放臺風假、早知道哪些家庭會有人受傷，用最有效率的方式，解決問題痛點，而其中的關鍵就是落實數據驅動的變革管理，有正確的數據，才能讓AI發揮真正的價值。