AI警報殺到港人信唔信

警報系統的舊帳未清

緊急警示系統的覆蓋率與認知度一直未見公開檢討，這筆舊帳未清，AI若接入同一渠道，會先繼承這份信任赤字。

防騙與災害警報是兩回事：前者可以事後查證，後者要求即時行動。市民對AI的接受程度，未必能從防騙場景轉移到疏散指令。

AI警報要落地，關鍵是與現有分流機制對接，並公開誤報率。否則，只會重演「狼來了」。沒有這些數字，市民難以判斷何時應該相信機器。

文字對話可按用戶語言、位置、家庭狀況調整指示，比單向廣播更適合長者與少數族裔。這種一對一的互動，能減少誤解，但前提是市民願意坐下來打字，而非立即逃離。

弱點是模型可能生成過時或錯誤路線資訊，需要人工覆核環節。在緊急情況下，人手覆核可能拖慢回應，但不覆核又可能害死人。這個兩難，正是AI警報的瓶頸：不是模型不夠強，而是出錯的代價太高，而市民對機器的容忍度很低。

人類在緊急通訊上表現欠佳，聊天機械人可補位，但前提是市民認真對待。若AI警報要成功，政府須先公開演練結果與誤報率，並與現有分流機制對接，否則市民只會繼續關閉通知。

外國曾發生警報溝通失誤的案例，事後檢討均指向民眾對同類通知的信任受損。AI警報一旦出錯，市民更難判斷問題出在模型、資料還是發布流程，解釋成本遠高於人手誤發。

若AI接入同一渠道而誤報一次，市民不會區分是機械人還是人手出錯，只會記得「又響錯」。要挽回，公開誤報率與更正時限是最低要求，並須保留純人手發布的最終否決權。

反面意見：公開誤報率可能令市民對所有警報更冷漠，數字本身亦易被誤讀。另一不確定處是，AI警報的錯誤往往無法即時歸因，前線人員未必有能力在數分鐘內判斷是否誤報，否決權隨時形同虛設。

AI警報若要按位置分區推送，營運商網絡的廣播延遲必須先有公開基準，否則無法評估「幾秒內送達」是否成立。缺乏這組數字，任何試點都難以說服市民與立法會。

試點場景可先選非緊急查詢，用來驗證AI回覆的準確度與語言覆蓋。市民已習慣由機器判斷風險，這份習慣可轉化為警報場景的參考。

私隱是另一道閘。若AI按實時位置推送，資料保留期限與第三方存取權限均無明文。另一不確定處是，長者與少數族裔的實際使用率從未見公開數據，單靠對話界面未必能觸及最需要警報的一群。

AI警報的瓶頸不在模型能力，而在市民會否當真。香港已有過往的廣播經驗，也累積了機器判斷的習慣，條件並非從零開始。但若只升級系統而不處理誤報紀錄、時延數據與私隱指引，市民照樣會關閉通知，屆時再準確的模型也送不到人手上。

判斷很直接：先公開誤報率與端到端時延，再談AI接入。做不到這兩點，任何試點都只是把舊帳轉移到新系統。反面看，過度強調公開數據也可能拖慢部署，在真正的緊急事故中付出代價。這個取捨，政府至今未見公開交代。