勿坐上封城與解封的翹翹板

東京奧運明令觀眾止步，南韓首爾再度封城，去年以來多數國家已經有三到四波新冠疫情，意味著封城─解封反覆發生，對於處於解封前夕的我們有警示作用，台灣不要步其後塵，高興3天，又升級警戒。

大家都想趕緊解封，卻又擔心疫情復燃。目前台灣雙北與桃園新冠感染較嚴重，而中南東部縣市確診案例較少，有民代抱怨是陪著北部「坐牢」。地方的異質性使得中央流行疫情指揮中心很難一聲令下全體解封，這牽涉到一個問題：「封城」的地理範圍必須全國一致嗎？

我國並未採用「封城」字眼，而是訂定4個防疫標準警戒層級，其間管制強度差距頗大，而新近創出所謂「微解封」，將於7月13日起放鬆若干管制措施。說穿了，指揮中心對封鎖期的長度與管制的強度正在小心試探。

歸結來說，問題在於如何選到最適合的管制強度、最適的封鎖範圍，以及最適的封鎖期間。多數國家的防疫經驗是失敗的，我們的困難在於幾乎沒有學習的對象。美國個別的州已經解封，英國首相強森也賭下去了，準備7月19日全國解封，他們依恃的是高疫苗接種覆蓋率，而我們完全不具備這個條件。

尋找我國的最適政策要在健康危害（死亡人數）、經濟傷害、調整成本（行政部門及民間適應不同的管制措施）之間取得平衡。三者之間的關係並非線性，在時間軸上有領先與滯後現象，這是因為生意緊急關門很容易，重新開張並不簡單。若政策反覆，適應成本就變大，也在健康和經濟面兩頭落空。

要在這樣的複雜非線性動態系統中找到最佳解是一個運籌學（或稱作業研究）的題目。一般程序是先建立出數學模型，再由電腦求解，找出最佳解。模型的好處是可隨狀況而調整參數數值，例如，在英國最早的新冠病毒複製數Ro值是2.5，到了英國變種病毒就變成4.0，最新的delta病毒又調高到6.4。醫療量能也可輸入成為限制因子，經濟效應當成目標因子，如此可有多種組合做情境模擬，計算出決策變數的因果。

二次大戰以來，運籌學發展越趨成熟，近年衍生出人工智慧與大數據等新工具，學問與工具都已俱在，問題是會不會用，想不想用。但很多政治人物還停留在加減乘除的簡單算數，還緊抱意識形態做決策。去年以來很多國家防疫失敗往往是因領導失誤造成，例如去年的美國總統川普、義大利民粹主義掛帥下的「五星運動」聯合政府。

殷鑑在前，工具在手，寄望政治人物多用科學，少用民粹。（作者為台灣社會責任公益減害研究發展協會執行長）