AI 會畫地圖、找資料、跑分析，但它真的懂一個地方嗎？

2026年11月2日，東華大學臺灣文化學系郭俊麟老師應邀到真理大學觀光事業學系演講。演講前，他與觀光系林孟龍老師在淡水的一間咖啡館隨談，聊起近來常被提到的 GeoAI。他建議，談一個新概念時，先畫出一張概念圖，把它的層次說清楚。

第一個層次是感知型的 GeoAI。研究者把衛星影像等遙測資料交給 AI，讓它偵測地物、找出空間中的模式，進而預測地表變遷。郭老師指出，這是 GeoAI 最早、也已發展成熟的應用。

第二個層次是操作代理型。隨著 AI agent 出現，AI 不只回答問題，還能畫圖、找資料、規劃流程、執行分析，過去要自己設計演算法或寫小工具才能完成的繁瑣工作，如今可以交給它代勞。郭老師舉例，他聽中研院的一場演講時，把講者說明早期地圖座標轉換的畫面截下來交給 AI。國土測繪中心並未公開那套工具，AI 卻很快就做出了相同的轉換。他說，過去是 AI for GIS，現在則是教 AI 使用 GIS，讓它替人找出空間分析的結果。

第三個層次是他特別補充、也較少人談的：讓 AI 理解地方。同樣是河流與道路，在淡水和在花蓮意義不同；同樣是人口數字，背後可能是不同的族群與文化。他以花蓮馬太鞍部落為例，災害發生時族人往教會避難，而不是官方設置的避難所，因為教會與部落的連結深厚。如果能讓 AI 讀懂地方誌、理解地方的文化關係，GeoAI 就能更進一步。他也以生活情境說明：當 AI 知道你偏好手沖咖啡、想找能久坐又能插電的店，又熟悉某個地方有哪些選擇，它就能直接推薦、甚至代為預約。Google 透過地圖、商家與評論，早已在整合這些空間資訊，業界跑得很前面，學術的角色是把概念講清楚。他認為防災是檢驗 GeoAI 最適合的議題：災害充滿不確定性又攸關人命，前線人手不足、資訊不流通，後勤與通報都需要支援，而且容不得報錯地點。

從 GeoAI 回到人本身，林老師說，每次看學長的作品，都能感受到他做得投入又有趣，那份熱情也會感染別人；他自己近來發現 Claude 很適合寫論文，投入之中也找到樂趣。郭老師回應，「有趣」其實是比較出來的，和執行學校計畫、處理行政相比，這些事有趣多了。他認為 AI 放大的是一個人原本的專業與熱情；對完全沒接觸過的領域，AI 給了答案，人也未必看得懂。就像不熟悉投資理財的人問 AI，能理解的有限，有投資經驗的人卻能得到許多具體建議。

郭老師也坦言，自己並非一開始就什麼都懂。拜訪各行各業的實習單位，讓他走出原本熟悉的圈子。他曾到台中一間在地工作室，他們談城市文化資產保存與老街復興時展現的細膩與敏感度，和傳統教學很不一樣；眷村的工作室、公務體系的思考方式，也各有特色。就像喜歡地理的人和資訊工程師各有共同特質，接觸不同的人，也讓他更懂得發現學生的特質。他說系上學生多半不是愛念書的類型，許多老師從小是學霸，很難想像這樣的學生，而他的功課是引導學生去做自己想做的事。

從讓 AI 理解地方，到讓 AI 放大熱情，郭老師的觀點有同一個前提：AI 能走多遠，取決於人對地方、對專業投入多深。