普悠瑪列車翻覆事件讓人震驚及不捨，雖然此次事件的肇事原因尚未釐清，但也讓人更為擔心軌道的巡檢問題。
根據銘傳大學都市規劃與防災學系馬士元副教授的說明，台鐵巡檢員人力不足，台鐵的許多軌道都很老舊，近十年，養護設備增加，但巡檢人力反而減少，勢必影響公共安全。一個簡單的解法，就是增加巡檢員人力，這原本是前交通部長賀陳旦的規劃，但後來因故計畫中止。
在不增加人力的前提下，技術的提升就是唯一的解法了，依我之見，人工智慧正是此問題的解方。
此話怎說？人工智慧擅長分析數以萬計的微弱訊號來做出判斷，與人類必須要有明顯且直接的訊號才能做明確判斷的能力完全不同。在醫療應用中，我們讓人工智慧以此能力依據X光片或心電圖來做出比醫師還準確的判讀；在製造業中，我們讓人工智慧以此能力依據機器的振動、聲音、溫度及反應等等來做出比資深師傅更準確的故障提前預測。例如在機件真的故障停工前至少幾個小時甚至幾天前就預知，可以提早更換及送修，避免該機件真的在線上停工，造成無可預期的損失，此技術通常稱為預測性維護或預防性維護。
事實上，這類的技術在國外早已用在軌道的養護，無人台車每日在非服務時段於軌道上自動運行，以各種感測裝置取得資料，再以人工智慧模型來做判讀，一發現有異常，立刻通知維修工班來進行保養維護。這種技術相對成熟，已有現成的系統，我們其實可以用更少的人力來做到軌道巡檢。當然巡檢還包括目視的部分，而目視檢測也是今日人工智慧最成熟的應用之一，因此應該也有高度自動化的可行性。
另一方面，在白天服務時段，也可以利用列車經過時，車輪、車體、軌道的振道、角度、聲音等資訊，以人工智慧做即時的量測診斷，不用等到半夜停機，而是將每班列車當作是感測器的觸發事件，每班列車經過就做一次診斷。當軌道狀況一有不佳，立即通知行車中心。此技術是原本人力巡檢員做不到的。另一個附加的好處是，此類設備可以同時擔任列車狀況的外部診斷角色，當列車上的自我診斷系統出問題時，外部裝置仍可以運作，監控列車的外部表現（速度、過彎角度、晃動等等），以達到全時的風險控制。
筆者對於軌道運輸一竅不通，但有將人工智慧運用在各領域的經驗，深知我們必須放下門戶之見，放下人工智慧什麼可做及什麼不能做的成見，真正以實驗及數據來證明，才有機會讓人工智慧可以真的幫上忙。換句話說，若要讓人工智慧在軌道運輸安全上有所發揮，我想不會是單純一個招標案可以解決，軌道運輸專家及人工智慧專家的攜手合作將會是關鍵。悲傷的事件已然發生，我們只能望向未來，樂見此次事件將對台鐵帶來的正面影響。
（原文連結：用AI讓軌道運輸更安全）
（責任編輯：程遠茜）
