勿坐上封城与解封的翘翘板
（图／本报系资料照）
东京奥运明令观众止步，南韩首尔再度封城，去年以来多数国家已经有三到四波新冠疫情，意味着封城─解封反复发生，对于处于解封前夕的我们有警示作用，台湾不要步其后尘，高兴3天，又升级警戒。
大家都想赶紧解封，却又担心疫情复燃。目前台湾双北与桃园新冠感染较严重，而中南东部县市确诊案例较少，有民代抱怨是陪着北部「坐牢」。地方的异质性使得中央流行疫情指挥中心很难一声令下全体解封，这牵涉到一个问题：「封城」的地理范围必须全国一致吗？
我国并未采用「封城」字眼，而是订定4个防疫标准警戒层级，其间管制强度差距颇大，而新近创出所谓「微解封」，将于7月13日起放松若干管制措施。说穿了，指挥中心对封锁期的长度与管制的强度正在小心试探。
归结来说，问题在于如何选到最适合的管制强度、最适的封锁范围，以及最适的封锁期间。多数国家的防疫经验是失败的，我们的困难在于几乎没有学习的对象。美国个别的州已经解封，英国首相强森也赌下去了，准备7月19日全国解封，他们依恃的是高疫苗接种覆盖率，而我们完全不具备这个条件。
寻找我国的最适政策要在健康危害（死亡人数）、经济伤害、调整成本（行政部门及民间适应不同的管制措施）之间取得平衡。三者之间的关系并非线性，在时间轴上有领先与滞后现象，这是因为生意紧急关门很容易，重新开张并不简单。若政策反复，适应成本就变大，也在健康和经济面两头落空。
要在这样的复杂非线性动态系统中找到最佳解是一个运筹学（或称作业研究）的题目。一般程序是先建立出数学模型，再由电脑求解，找出最佳解。模型的好处是可随状况而调整参数数值，例如，在英国最早的新冠病毒复制数Ro值是2.5，到了英国变种病毒就变成4.0，最新的delta病毒又调高到6.4。医疗量能也可输入成为限制因子，经济效应当成目标因子，如此可有多种组合做情境模拟，计算出决策变数的因果。
二次大战以来，运筹学发展越趋成熟，近年衍生出人工智慧与大数据等新工具，学问与工具都已俱在，问题是会不会用，想不想用。但很多政治人物还停留在加减乘除的简单算数，还紧抱意识形态做决策。去年以来很多国家防疫失败往往是因领导失误造成，例如去年的美国总统川普、义大利民粹主义挂帅下的「五星运动」联合政府。