Taipei Lens —
基於本體論之災防 AI 決策應用
台大智活
AI技術組組長 周遠同
2026.01.09
1
台灣大學智慧生活科技整合與創新研究中心
災防 AI 轉型的關鍵拼圖 – AI 決策邏輯
2025.7 行政院專諮會 – 災防 AI 轉型工作坊
AI 轉型 = 數位轉型 + AI 模型 + 決策邏輯
→ 應變決策之 AI 轉型尚未發展成熟，使得數據和單點式 AI 預測無法與決策連結
八大 AI 應用情境類型
缺乏決策邏輯：PG&E 挨民怨的預防性決策
Palantir Ontology 驅動的智慧決策：從數據整合到精準應變
Ontology：將數據轉化為可行動的決策建議
Ontology
調派廠商 A 一台車，三名人力，包含兩位鏈鋸手，處理案件 43 號
Ontology 應用於台北市路樹案件的調度挑戰
來源：台北市工務局公園處
2024 凱米颱風期間，一小時路樹相關案件可達 70 件
7.
我們的定位：賦能而非取代的「AI 決策中介層」
並非要取代現有的數據以及 AI 預測模型，而是在此之上，將數據與 AI 模型與決策邏輯連接起來，讓既有數位基礎設施發揮其決策價值。
導入效益：打造持續進化的決策資產
快速高品質的決策支援
強化經驗傳承與累積
賦能人員決策訓練與情境演練
導入外界研發 AI 量能於決策
Ontology
AI 決策平台
從數據儀表板，升級為可行動、可傳承、可擴展的智慧中樞
10
搜尋台大智活
創新從 開始
使用者探索研究 .
使用者評估研究 .
互動設計 .
服務設計 .
商業策略 .
商業模式 .
Technology
Service
&�Interaction
Design
Business
Model
User
Experience
為何 Ontology 優於傳統客製化系統？
從「IT驅動」的開發瓶頸，邁向「業務驅動」的敏捷決策
災防 AI 轉型的關鍵拼圖 – AI 決策邏輯
2025.7 行政院專諮會 – 災防 AI 轉型工作坊
AI 轉型 = 數位轉型 + AI 模型 + 決策邏輯
→ 應變決策之 AI 轉型尚未發展成熟，使得數據和單點式 AI 預測無法與決策連結
Ontology：將數據轉化為可行動的決策資產
資深幕僚/指揮官
業務邏輯
動力層
(Kinetic layer)
將「老師傅的經驗」與 SOP 轉化為可自動執行的業務邏輯
將系統具備行動（例如執行AI模型）的能力，而不僅僅是靜態關係
讓系統理解真實世界，建立特定領域中的通用語言
案件Ａ文山區木柵路的樹倒下，影響兩車道通行並存在安全風險。案件已等待超過6小時，需儘速處理以避免潛在傷害發生。
最建議 B 廠商，擁有10名人力、4台輕型機具以及1台重型機具，完全滿足案件需求，距離19.8 分鐘可抵達。
決策行動建議