意藍助力災防中心
以AI Search For KM實現即時災情掌握與應對
近年來， AI 技術的持續創新突破，推動了政府和企業內的數位變革，如何導入並善用AI以提升服務的效率和品質，成為各單位組織的重要課題。
國家災害防救科技中心（National Science & Technology Center for Disaster Reduction，以下簡稱災防中心或NCDR）為政府於2003年設立的專業機構，多年來專注於災害風險管理和防救科技的研究；為了能在災害發生時更即時地掌握災情、強化危機事件處理能力，災防中心與意藍資訊合作，導入意藍「AI Search For KM」系統，運用生成式AI與自然語言模型建構「災害防救知識問答平台」，大幅提升災情資訊處理效率，並以數據支持決策判斷，為智慧城市發展奠定穩固基礎。
本期 AI 知識庫亮點
災防中心背景與需求介紹
國家災害防救科技中心成立於2003年，主要任務在於提升台灣在面對各種自然災害時的應變能力與減災效果、確保民眾生命財產安全。面對台灣頻繁發生的地震、颱風、土石流等天然災害，災防中心不僅需在災前做好準備，也必須在災害發生後迅速掌握最新狀況，整合、分析各類災情資訊以協助政府及相關單位作出精確的應對決策，並提供必要的預警或通報。
隨著大量災情資訊不斷累積，災防中心在知識管理升級方面的需求日益增強；另一方面，數位化時代下社群媒體和網路社群亦成為災情資訊快速傳播的主要來源，這些公開管道中的資訊量龐大且更新頻繁，如何高效蒐集、結構化、分析並運用這些來自各地的災情回饋，也是災防中心需面對的重要課題之一。
以AI Search for KM 建構「災害防救知識問答平台」
- 資料蒐整與預處理：蒐集歷年來既有的災害事件情資研判報告、即時觀測數據（如雨量、河川水位等），以及各大公開媒體、Facebook粉絲團、Dcard、巴哈姆特、Mobile01及Ptt等公開討論區的地區版等資料，經過清整、結構化與預處理，將結構化與非結構化資料均轉換為模型可理解的格式。
- 語意分析與標記：透過語意分析技術，讓AI自動判別每一篇災情文章內容中提及的地理資訊、災害事件以及災情程度等，將這些重要詞彙辨識出來並自動標記，以利後續的索引和檢索。
- 大語言模型選擇：評估各個大語言模型在災害防救領域問答的真實性、回覆速度、正確性、可讀性、理解上下文與統整能力等效果，選擇最適用的自然語言模型。
- 建立資料向量索引、設定參數：提高檢索與問答時的效率及準確性，確保AI模型對災害知識有精準的搜尋能力與答覆效果。
透過AI Search for KM 所提供的知識平台，災防中心便能夠針對歷年災害事件、抑或即時災情進行問答，系統會逐步拆解使用者所輸入的問題，再透過大語言模型（Large Language Model, LLM）及檢索增強生成技術（Retrieval-Augmented Generation, RAG）生成完整回覆。
以颱風相關的問題為例，使用者可對系統以口語文字方式提問，如「哪個地方災情最嚴重」、「哪些鄉鎮的河川水位超過一級警戒」等等，AI Search for KM便會即時調用內部知識庫及外部即時數據，找出與使用者提問最相關的多個參考內容，從中綜合歸納出答覆。AI Search for KM具備簡便、容易使用的介面，能快速統整內部及外部、文字及數值的各類數據，在分秒必爭的防災與救災時刻，提升作業效率。
▲ 問答情境1 – 分析災情嚴重區域
▲ 問答情境2 – 調用即時數據，掌握全面性災情
透過與意藍合作導入AI Search for KM系統，災防中心能夠更高效地整合歷史與即時災害數據，在災害發生前後做出精確的災情管理判斷，及時釐清災情狀況並調度人力與資源，落實循證決策、全面提升災害應變能力；未來意藍也將持續與災防中心攜手，逐步實踐智慧城市願景。
