工具與執行能力之間的落差
Royal Roads University學者Robin Cox分析指出，AI可幫助天氣預測、洪水風險建模及基礎設施規劃，但擁有更好的模型不等於自動作出更好的決定。文章援引2023年加拿大專業人士調查，指出許多人缺乏應用氣候適應工具的準備；加拿大國家適應戰略目標是到2027年讓70%的相關專業人士具備相應能力。
模型不能替社區決定取捨
例如沿海社區面對洪水，是否加固海岸、恢復溼地、限制開發或考慮搬遷，牽涉居民生計、原住民權利、生態與決策權限，不能只比較算法分數。作者以溫哥華洪水模型等應用爲背景，強調數據偏差、知識缺口、透明度及問責同樣重要。
培訓應落實到行業制度
作者建議工程、規劃、會計、景觀建築等領域把系統思考、協作、證據評估與AI素養納入專業標準及持續培訓。每個人不必成爲AI專家，但需要知道何時不能直接接受模型建議。這是學者提出的政策方向，不是新出臺的執業要求。
來源：The Conversation Canada 原報道。大魚新聞整理原創中文摘要，保留原刊發日期；動態信息以最新官方公告爲準。
原文工作場景示意配圖。Unsplash，經The Conversation刊登，未單列攝影者。
11月9日安塔利亞COP31會場外。Khalil Hamra / AP。
2017年5月多倫多羣島水位上漲資料照，並非當前洪災。Nathan Denette / The Canadian Press。
原文計算機工作示意配圖。Unsplash，經The Conversation刊登，未單列攝影者。
