你是不是也常有這種感覺:每天打開信箱,收件匣裡躺著幾千甚至上萬封信——上級交辦、跨科室協調、公文轉知、教育訓練通知、系統自動信全部混在一起,重要的簽辦事項反而被淹沒?很多同仁試圖用傳統「資料夾」的邏輯去整理信箱,結果越整理越亂,甚至乾脆放棄。這篇文章是我自己整理信箱的心得,也想寫給同樣被信件淹沒的同仁參考。以下以 Gmail 為例,因為它的核心設計邏輯——「標籤(Label)」與「自動化篩選」——最能清楚示範這套方法;但同樣的分類邏輯與工作流程,其實完全可以套用在公務機關普遍使用的 Outlook 信箱上,只是操作介面與功能名稱略有不同,文末會另外整理對照方式。只要掌握幾個關鍵設定,就能把收件匣打造成一個清爽、對應業務流程的工作面板,徹底擺脫郵件焦慮。
GTD 全名是 Getting Things Done(中文常譯為「搞定」或「盡管去做」),是顧問 David Allen 提出的一套時間與任務管理方法,核心主張是:大腦是拿來思考的,不是拿來記事情的。當我們試圖在腦中同時記住「這份簽呈還要補件」「那位同仁在等我回覆」「下週有個會要準備資料」,大腦會不斷用背景資源反覆提醒自己,這種未完成事項造成的心理負荷,心理學上稱為「柴嘉尼效應」,是讓人覺得疲憊、焦慮、無法專心的主要原因之一。
今天參加了台灣地理資訊學會年會的學術研討會,上午聆聽兩場專題演講,下午則參加國土測繪中心主辦的「國家底圖分組成果發表會」。從國家層級的防衛韌性戰略,到 AI 具身智慧的產業應用,再到地理資訊機構在 AI 時代的角色轉型,這一整天的議程串起了一條清晰的主線:台灣的地理資訊體系,正在從「畫地圖」走向「懂地圖、用地圖來做決策」。以下整理今天的完整紀錄與心得。
第二場演講由資策會軟體技術研究院蒙以亨院長主講,探討從傳統 GIS、智慧交通,一路發展至「智慧空間」與「具身智慧」(Embodied AI / Physical AI)的技術演進與實際應用。
從圖資分析到具身智慧的演進
講者分享了自身參與空間資訊技術的幾個階段:最早利用遙測資料與數學模型進行森林生長分類的靜態分析;接著進入動態圖層時代,將機器學習、車輛大數據與街道影像疊加於地圖上;然後發展至自駕車所需的 3D 高精地圖。如今技術已邁入「具身智慧」新時代,AI 不再只存在於軟體中,而是「附身」於實體載具上,在智慧空間中具備「看見、理解並採取行動」的能力。
智慧空間的四大發展趨勢
建構 3D 數位基礎平台:政府應支持建立如日本愛知縣用於模擬防災的 3D 數位雙生(Digital Twin)架構,這是無人載具與自駕車發展的基礎。
確保實體 AI 的自主與安全移動:讓機器人或無人機在智慧製造、智慧交通場域中自主且安全地移動與解決問題。
跨域協作與城市韌性:透過空間資訊跨單位整合,提升城市面對淹水等極端狀況的韌性。
智慧交通、道路與海域的實務應用
講者團隊利用在台灣收集的 4,000 萬個物件數據訓練專屬 AI 模型,應用於台中市公車與大型卡車的盲區偵測(BSD)及前方防撞預警(FCW),以適應台灣獨特的機車與氣候環境。與交通部合作推動智慧道路計畫,將路口 CCTV 資料傳送至雲端與交控中心,目標實現車路協作。在高雄市則建置千餘支 CCTV,透過 AI 視覺模型進行水情與交通分析,並延伸至港口船隻管理與海岸海漂物偵測。
創新商機:AI 賦能的自駕輪椅
面對高齡化社會與照護人力短缺的痛點(一位照護師常需推 6-8 台輪椅),講者團隊將具身智慧應用於「自駕輪椅」,使用者只需語音下達指令(例如「我要到二樓診間看病」),輪椅便能動態規劃路線,甚至在電梯故障時自動尋找替代方案。團隊的商業模式並非直接販售輪椅硬體,而是提供「AI 模組(大腦)」,只要裝載於一般載具上,就能讓傳統設備升級為具備空間感知與自主移動能力的實體 AI,這也是台灣資通訊產業在 AI 時代的一大機會。
・・・
03國家底圖分組成果發表會
下午場國土測繪中心主辦,本文紀錄其中三場
3-1 從地理資料基礎設施到地理知識基礎設施
主講人台灣開放資訊聯盟 鄧東波副長
本場探討國家測繪機構在 AI 時代的角色轉型與挑戰,題目為「從地理資料基礎設施到地理知識基礎設施:國家測繪機構在 AI 時代的角色轉型與挑戰」。
傳統噪音測量多為二維平面單點測量,缺乏時空解析度;過去的 3D 模型(如傳統 CityGML)多將整樓層視為單一物件,導致噪音分佈估算過於平滑,無法反映真實生活中銳利的噪音變化。團隊利用體素化技術,結合數位高程模型(DEM)、路網、建築物模型以及物聯網(IoT)動態車流數據,精細考量樓高、面向、距離、遮蔽物以及建築物間聲音的震動與反射。這種開源方案的準確度媲美動輒數十萬元的歐洲商用軟體,誤差值僅在兩、三分貝內,未來可運用於城市規劃、隔音牆設計、種樹效益評估,或熱能與防救災模擬。
回顧今天的議程,其實可以看到一條清楚的軸線:從馬次長談的「全社會韌性」戰略高度,到蒙院長談的「具身智慧」技術落地,再到下午三場國家底圖成果發表中反覆出現的「資料要能被 AI 理解、被機器行動所用」,整個地理資訊產業正在經歷一場從「圖資」到「知識」再到「行動」的轉型。無論是共同圖像系統、地理空間知識基礎設施(GKI),還是體素化模擬與 VR 災防訓練,最終指向的都是同一件事:讓地理資料真正成為決策與行動的基礎,而不只是一張好看的地圖。
原理示意──假設 V 型谷單邊邊坡崩塌、土體以「平面滑動」形態滑向對岸堆積,壩頂便由崩塌源側(高)向對岸側(低)傾斜;緊鄰對岸的交界處即為相對低點,也就是水位上升後最先外溢的溢流口。典型的 V 型谷單邊崩塌堰塞案例:右側邊坡崩塌、堆積土石阻斷溪谷,上游迴水成湖(影像日期 2026/06/22)。資料來源:林業及自然保育署。