臺大環工所教授馬鴻文團隊研究成果刊登國際期刊　多模態 AI 助力循環經濟轉型

隨著全球資源消耗與環境壓力持續升高，如何在經濟發展與永續環境之間取得平衡，已成為各國政府、產業與學界的共同挑戰。近年，「循環經濟」被視為重要的解方，但要在龐雜的政策、產業數據與資源流動中找到最佳策略，並非易事。

由臺大環境工程學研究所教授馬鴻文所帶領的跨領域研究團隊，近期在國際權威期刊《Resources, Conservation & Recycling》發表研究成果，成功將多模態人工智慧(Multimodal GPT)應用於循環經濟轉型的系統分析與情境模擬，為永續發展研究開啟新的可能。

此研究以 2013 至 2022 年臺灣的物質流資料與政策法規為基礎，首次將多模態GPT (Generative Pre-trained Transformer)引入分析流程。多模態 GPT 能同時理解文字、數據與圖像，並具備生成與推理能力，使研究團隊能快速整合龐雜的政策內容、產業統計與物質流分析結果，建立可依需求調整政策參數的情境模擬模型。

團隊結合物質流分析(Material Flow Analysis, MFA)與系統動力學(System Dynamics, SD)模型，並透過 GPT 的生成與推理功能，打造從政策情境設定、數據計算，到成果視覺化的一體化分析流程。這項方法不僅縮短分析時間，也讓不同背景的決策者、企業與大眾，能更直觀地理解政策變化對資源循環與環境的長期影響。

在「情境 9」（人口穩定與資源效率提升）的模擬中，結果顯示臺灣的循環經濟潛力可望大幅提升：全國循環材料利用率將從 2022 年的 22% 提升至 2030 年的 29%，資源生產力則由每公斤新臺幣 65 元增至 88 元。這代表不僅能更有效利用資源，還能提升單位資源的經濟價值，展現出精準政策在環境與經濟２方面的雙重效益。

此研究示範人工智慧如何成為循環經濟政策設計的強力輔助工具，降低跨領域協作門檻，並提升政策規劃的科學性與透明度。研究成果不僅彰顯臺大在環境永續與人工智慧融合領域的領先地位，也展現臺灣面對全球資源挑戰時的創新解決方案。

未來，研究團隊將持續探索多模態 GPT 在氣候變遷、廢棄物管理及循環產業政策規劃等領域的應用潛力，推動科技與永續發展的深度結合。

研究成果全文：https://www.sciencedirect.com/science/article/abs/pii/S0921344925002654