居住問題向來是備受討論的議題，隨著經濟的發展，人口結構不斷變化，許多老舊危樓的安全問題也逐步浮現。不同於國外在可負擔建築上多半考量租金成本，台灣的房屋自有率高達85%，據統計，台灣至今年為止屋齡超過30年的房屋有486萬戶，這意味著這些房子將面臨翻修更新等問題。

房價、屋齡與所得，居住環境可能面臨的風險？

正如同開了20年的汽車，即使還能上路，但故障的風險十分高；住了10年、20年的房子也有風險。2022年初，世界經濟論壇提到環境風險是最大的衝擊點，而升息議題等經濟問題也是另一大隱憂，當我們維持生活都有困難時，建築物又該如何維持安全性跟健康性？

尚虹建築師事務所主持建築師王寅武提到，居住成本的問題不只是租屋或買房的問題，更重要的是未來的經濟水平是否能負擔房屋的維修維護或翻新事宜？尤其在近年來觀察到，可負擔的建築已逐漸變成社會重大議題，老廢建築物可能需要維護整建與翻新，而我們的財務是否可以負擔得起？另一方面，當前熱門的淨零議題也是值得關注的趨勢，而國外的淨零則是要大幅翻修新建築物的外殼，這筆錢又該從何而來？

王寅武關注居住環境需求議題已有多年，除了建築本業，同時也持續培訓建築人才並著墨環境管理、淨零路徑圖、永續管理等議題。王寅武已經連續兩年透過人工智慧科技基金會（AIF）、數位發展部、資策會及台灣智慧雲端服務（TWS）所共同推動的「AI Starts」轉型計畫，提出居住環境需求的議題，希望能找到願意針對該議題提出AI 轉型解決方案的新創合作團隊，從所得發展、年齡結構、家庭結構做分析，利用AI技術讓我們可以發現未來居住環境可面臨的風險。

高房價時代的公民討論

台灣創博識創辦人吳定謙說，所謂可負擔的建築包含了實際居住在建築裡的人口結構變化，以及建築樣貌，幫助建築業提前掌握未來的建築需求型態。這個專案題目較像是探索研究，透過資料的收集與分析，最終得到「營造工程指數」是居住成本關聯性的核心。人工智慧科技基金會技術長張嘉哲認為，這個專案最大的困難在於如何將觀察到的社會現象，化成函數形式的提問，定義出目標值Y與輸入的相關特徵X，讓程式能夠計算。

吳定謙坦言，專案過程中經濟學家的專業領域知識是個重要的關鍵，透過AI的分析，可以發現消費者物價指數、營造工程指數、人口結構變動，甚至是房貸利率等經濟數字間都有連動關係。例如可支配所得與消費者物價指數兩者有正向連動；以及營造工程指數的成本上升與房子的維護成本上升也有正相關。另外，也有呈現負相關的數值，例如房貸利率跟營建工程指數卻是相反關係。

從建模的過程中可以發現，房貸利率、人口結構、屋齡、消費者物價指數以及維護成本這幾個經濟指數，彼此間的黏度很高，關聯係數非常大，也就是說彼此之間是能預測的。透過這樣的洞察也希望喚醒一些省思並且開啟公民的對話討論，關於居住空間的對話不再只是無法負擔的房價，更能進一步瞭解什麼叫做可負擔的建築，我們想要的是什麼樣建築型態，又該被賦予哪些功能性需求？

人工智慧科技基金會執行長溫怡玲表示，目前台灣所提到的人工智慧應用多數解決的都是定義明確的問題，而這個專案題目較像是個嘗試或冒險。「我們所關注的是如果大家都負擔不起，有沒有辦法找出預測的方法？」而這個問題也是基金會應該關注的SDGS議題，更因為無法預期出來的成果會是什麼，可能最後的結果會發現一個初探的洞察。

最大的困難來自於信任

「專案過程中遇到的困難都來自信任。」吳定謙說，所謂的信任包含了對於資料的定義，例如工程師的消費者物價指數定義與建築師的定義就不一樣，和經濟學家的定義也不同，當三方都認為自己是對的時候，就需要彼此討論溝通，從中更能了解到，經濟學家背後的數字脈絡與意義。