哪些政策在PTT被推爆？後疫情時代做這3件事
轉型AI政府正當時

台灣政府在這次新冠肺炎「戰疫」中，展現了高效執行力與資訊科技整合力，攜手民間開發通訊軟體聊天機器人、口罩預購、追蹤警告電子圍籬等系統，讓防疫有效、便民有感，更成為世界楷模。

當人民對數位施政正有感，邁入復甦階段，公部門或許可思考加速引用資料科學，掌握防疫累積下來的珍貴數據資產，以及過往眾多已「資訊化」的業務數據，優化疫後復甦措施，真正轉型進化為「智慧」政府。

AI預測需求、優化配置，紓困救濟更精準

國內紓困政策，因資源配置公平性與普及性引發熱議；其實全球各國推動臨時性救助政策時，都遭受考驗。政府不妨思考導入人工智慧，完備視覺化供需圖、分配與預測、績效監控三面向，確保決策成效。

面向一：視覺化供需圖

以失業救濟為例，如能整合地理資訊、各地方政府勞工局或社福單位的數據，做出視覺化分析，即可快速以時間軸觀察出失業率在過往幾週的變化；並地圖上以不同層次看出救濟金發放熱點，對比地區人口與產業結構，了解落差。再考慮是否須因地制宜調整發放標準，如新住民較多的地區，被滿足條件是否需要增列等等。

面向二：分配與預測

美國發生紓困中小企業薪資貸款，2週內即耗盡的窘況；即有資料科學家呼籲可加入AI預測模型，利用各地區產業、人口組成特性、失業狀態，估算各州需要的紓困資金配給。同步納入社群媒體監測分析，了解關鍵前導指標，預測下一步失業的區域及產業。

過去，SAS即曾協助印尼政府從推特討論串發現，當辣椒購買量降低後，失業率就開始上升。重新檢視疫情前後幾個月的數據，納入演算，各地方政府或可發展出更好的預測措施。

面向三：績效監控

確認資金配給後，可思考納入更多經濟振興相關因子，譬如求職社群網絡資料或經濟指標；在視覺化分析平台上整合產業變化，觀察企業是否因接受紓困救濟而穩定產能，或開始釋出就業名額，以追蹤成效；甚至可用文字分析了解職能需求，以利地方政府就業媒合與輔導。

分析社群貼文和輿情，發掘隱藏危機

洞察民之所欲，得知施政滿意度與執行覆蓋率，是未來智慧化政府跟民眾互動不可或缺的部分。尤其本次疫情，防疫政策由上而下決策執行，更需要快速回饋，以滾動修正。（延伸閱讀｜「全美最佳醫院」如何用AI超前部署？｜SAS專欄）

過去公部門了解輿情，多仰賴問卷或媒體揭露，但前者存在樣本偏誤，後者也有時間差，民怨已造成。目前自然語言處理技術，已經能統計對事件的關注聲量，甚至情緒狀態分析；政府如能導入AI自然語言處理，即可能較客觀察覺真實的民眾心聲。

疫情發生後，SAS台灣團隊抓取PTT社群文章分析（註），發現疫情後相關推噓文數直線攀升；而特定事件包含「嚴格開罰」「宣布口罩外交」及「連續零確診」等，都是「開心」（正向情緒）值偏高的議題，尤其「戴資穎返台婉拒接機」「繞境活動延期」及「外媒稱讚台灣」等開心值，更高達85%以上。

反之「確診地圖公布與否」「第二批包機」及「中國外交部發言」等事件，開心值則低於20%。

「透過情緒分析模型，從前後文及語意擷取事實，並理解其中的情感」，這個做法雖然難度偏高，但不只是關注討論聲量大的事件，而但能量化認知，得知民眾觀感。

除了社群或媒體資料分析，市民專線等語音資料也能透過自然語言處理技術，納入資料源，統合成更精準的輿論判斷。

這樣的輿情解讀甚至可收預警之效，例如發現高風險的群聚地區、新的感染特徵等，協助政府在漫天資訊中發掘潛藏危機。

智能邊防控管，讓台灣持續成國際典範

回頭探討邊境開放問題，雖然6月國內逐步鬆綁防疫措施，然礙於國際疫情依然嚴峻，邊境控管短期內仍須嚴正以待。為使邊防更智能，減少人力資源與相關單位壓力，保加利亞的做法或許也不失為一範例。

位於東歐巴爾幹半島的保加利亞，是歐洲最後幾個感染新冠肺炎的國家之一。為強化邊境管理，該國政府委請SAS分析大量高感染風險人員，如邊境警察、區域健康視察員、內政部門、執業醫生與醫院、醫療實驗室及市政單位等人員個人資料與醫療相關數據，建立追蹤儀表板；以自動分析工具，了解感染特徵變化，模擬受傳染影響的情境。

邊防單位也利用分析結果，嚴格控管高感染風險人員的出入境，預防並監控國內與國外疫情。

亞洲與歐美、非洲處於不同的傳播強度、感染症狀與復甦階段，國內外數據與情資也持續累積，這些數據都是可供AI發展各預測模型的珍貴燃料。

公部門正可加速導入資料科學，打造更堅實的公衛及振興應用，讓走在復甦浪頭的台灣，持續立下各類典範，展現「Taiwan can help」的實力。

【註】分析資料源為PTT nCoV2019專版、八卦版自2020年2月16日至4月29日文章