淺談智慧化與水務應用

記得有一次我參加智慧水管理研討會，對於台北科技大學林鎮洋教授的一段話，印象非常深刻，他說：「現在做什麼事情，都要冠上智慧這兩個字，如智慧城市、智慧交通、智慧防汛、智慧防災、智慧灌溉等，好像以前的人做的都不智慧。」語畢，與會者皆會心一笑。是啊！好像前人做的事情都不算智慧，現在人做的事才叫做智慧？我想當然不是這樣，但到底怎樣才算是「智慧」呢？

智慧的三個層次

我認為智慧可以分成三個層次：依序是「標準化」、「自動化」及「線上化」。

• 標準化
  一般我們遇到問題的時候，會依據自已專業知識、擁有的技能，找出問題根源，分析發生原因找出解決的方法，在這過程中可能也會應用一些工具來輔助。當問題重覆地發生，我們除了依過往所累積的經驗判斷和處理外，也會嘗試將相近的問題歸類，歸納出一套邏輯，希望面對同樣問題發生的時候，可以更有效率地來處理，我們逐漸會有一個制式的思考模式，而形成一個「標準作業程序」。這是「智慧」的第一個層次，將處理問題的方法做「標準化」
• 自動化 
  有了標準化程序後，在面對問題發生時不會手足無措、手忙腳亂，反而可以從容應對。可是如果問題一再發生，或是需要重覆處理同一件事情的時候，我們就會思考，是不是有什麼「工具」可以讓工作的處理「自動化」，而電腦的軟體或是程式，就幫助我們實現了這個夢想。隨著日新月異的資訊科技發展，更讓自動化處理變得簡單又有效率。除了有許多市售軟體可以協助自動化處理外，也可以依照需求，撰寫程式「客製化」所需要的工具，許多重覆性、繁瑣的工作處理，就可以自動地執行，這是「智慧」的第二個層次，將處理問題的過程「自動化」。
• 線上化 
  將定期性的工作自動化處理之後，人們更希望可以隨時隨地知道問題處理的情形，或是即時掌握相關的資訊。這時候，就會需要進一步將資料或是自動化的工具做到「線上化(on line)」，才能掌握即時訊息。例如：許多現場觀測的數據資料，可以透過無線網路將數據傳回系統平台，藉由系統平台內已經建置好的「自動化」程式處理分析後，得到即時有用的「資訊」，依照這些即時資訊，我們立馬就可以做出回應。此外，我們也可以將自動化的工具丟到「雲端(Cloud)」，直接在雲端上處理，最近火紅的物聯網就是在做這些事情
  
  我們可以知道，其實我們從以前到現在都在進行「智慧」的工作，科技始終來自於人性，現在我們只是進一步將其自動化，或是應用目前的資訊科技，將許多的工具線上化，以達到需求。

更精準的科學性分析 智慧化的最後一哩路

前面談到將過往處理問題累積起來的經驗做「標準化」與「自動化」，雖然是一個很好的處理方式，不過這個處理或是解決問題的方法，可能只是一個經驗法則，不一定有科學化的理論分析為基礎。

要做科學性的分析一定要有數據資料。早期，許多的觀測資料大都以人工記錄，並以紙本保存，這些紙本資料若未妥善保存或傳承，很容易跟著前人一起走入歷史。但是，現在的資訊科技，不論是文字、數字、照片或影像，都可以電子化妥善的保存，有了這些數據資料，更能精準進一步進行不同層面與領域的分析。

當數據量累積一定程度，就叫做「大數據分析」。但數據量過於龐大，也可能造成我們不知道要用那一種分析方法，或是可以很直覺看出分析結果。這個時候，就會應用一些統計理論或是演算模式，找出隱藏在這些數據背後的意義，這是智慧的最後一哩路。

做到這，應該可以算是完成所謂的「智慧化」。而當人們做不出來的時候，就會倚賴電腦，並且一直餵資料給它，希望電腦也可以像人類一樣聰明地「學習」，最後擁有跟人類一樣的智慧，因為是人造的，所以叫「人工智慧」。

智慧化未來發展

在瞭解智慧化後，未來會往哪些方向發展呢？可以往三個面向來思考：「區域聯網校正」、「跨域加值服務」，以及「動態分析預測」。

近來，在各個不同的產業領域、政府計畫推動的時候，都會聽到大家在談「大數據分析」。好像大數據分析可以解決一切問題，但其實我們都忽略了一個很嚴肅的問題：到底多少筆的數據量才能叫做大數據？

• 區域聯網校正 
  以水務工程來說，如果我們想要得到足夠的數據量，監測點位得要夠多、監測時間要夠長。但我們往往沒有那個時間去等待並累積足夠的數據量，且如果要做到廣域布建，則時間、人力與經費成本都會是一個很大的挑戰與限制，這時，「區域聯網校正」的概念就可以派上用場。
  
  為了突破廣域布建時經費成本的限制，可以開發較低成本的感測元件，也許精度不是這麼高，也不夠穩定，但若成本夠低，大量的布建則較為可行。而在布建的區域範圍內，再以精度較高的設備建置幾站「標準站」做為校正之用。所有的數據上傳雲端或伺服器之後，經演算分析找出變化趨勢並做校正，再回饋精度較低的感測元件，這樣就可以在有限的經費下，仍然可以掌握區域內一定準確性的觀測結果。
  
  
• 跨域加值服務 
  水利署在前瞻計畫中建置雲端物聯網平台，並將前瞻的幾個相關計畫中的觀測數據資料上傳至這個平台，涵蓋的項目範圍很廣，包括常見的河川水位、流量、地下水抽水量等。在收了這麼多的資料之後要如何加以應用，使未來的計畫和策略推動達到更佳的規劃，甚至做到風險管理。
  
  近期，不管是公私部門都辦了許多黑客松競賽，目的就是希望透過跨領域的專業，由主辦單位提供數據資料，不限定分析應用的範圍，由參賽團隊自行設計發想，希望能夠創造出更有價值的應用，並推廣運用至不同產業領域。例如：將連續長時間家戶用水監測資料提供給保全業者，做為居家安養照護的重要即時資訊；或是區域的淹水感測器觀測到的水位變化，提供給圖資軟體開發業者做為路徑規劃導航時的判斷依據。
  
  隔行如隔山」，當我們不具備有不同專業領域的知識時，在看待同樣的數據資料時可能會有南轅北轍，截然不同的想法。將A產業的資料拿給B產業看，也許可以激發出不同的火花，將舊的觀念在不同領域有新的應用，也是一種創新。
  
  未來，政府走的是「開放資料(open data)」，任何人都可以取得政府開放的資料，擁有資料不會稱王，如何分析數據資料，協助提升政府部門行政效能、提供民眾有感的服務，才是重要的關鍵。
  
  
•  動態分析預測 
  我們做的標準化或是自動化，很多都是基於歷史資料的分析，透過即時的觀測資料掌握現況。但是，從管理的角度來看，更想要未卜先知，預期未來會如何發展並做好因應。
  
  這時候就可以應用許多人工智慧方法，透過機器學習，由過去的歷史資料建立演算分析模型，再由這個模型結合即時的觀測資料，預測未來的事件，同時也能夠不斷的累計觀測資料持續學習，優化整個演算分析模型，使其預測更為精準、快速，並做到即時觀測、動態管理。特別是在許多資源管理的議題上，例如：地下水資源、供水調度等，如果能夠預測未來的水情做好事前準備工作，超前部署，我想是政府部門很重視的管理績效指標。