2025年11月26日 香港大埔宏福苑的五級大火成為國際關注的新聞。
身為香港人當然更加擔心，和關心。
我用Google Gemini 3 ，這一個暫時來說最強勁的人工智能平台，整理這一場事件的前因效果，以及相關的資訊，有多大效率？是否準確？我用四個方向去測試，分別是1. 列出大埔宏福苑火災的時間線，2. 推斷起火原因，3. 估計政府之後會採取的行動, 和 4. 驗證一下火災引起的爭議等。希望藉着今次這一個實際個案，讓大家以後可以應用AI掌握時事資訊，更加容易分析，不需要擔心海量訊息不懂得如何分辨。今次有整個測試實錄，效果非常滿意。
我使用的是完全免費的版本，需要用Opera瀏覽器透過VPN連接，香港如果有機構已經使用Google Workspace就可以免費使用。
涵蓋了宏福苑火災的四大核心領域，Gemini 3 透過優化後的專業提示詞（Optimized AI Prompt），成功生成了結構嚴謹且資訊詳盡的專業分析報告。
- 資訊的詳盡與及時性 (Timeliness and Detail)
Gemini 3 的時間線整理能力，精準地涵蓋了從事件發生（11月26日 星期三，下午二時五十一分）到指定截稿時間（11月29日 星期六，中午十二時）之間的所有重⼤關鍵事件。
- 資訊更新至最新進展： 報告成功納入了截⽌11⽉28⽇下午六時的最新災情確認，例如造成至少128⼈死亡、79⼈受傷及約200人失聯的慘痛數字。
- 關鍵行動即時收錄： 報告清晰列出了警方在11月27日早上拘捕了工程公司的3名負責人，涉嫌誤殺。
- 關鍵數字總結： 報告不僅是時間的羅列，更總結了如火警級別（5級）、火警時長（超過43小時）、以及1,250多名消防人員的投入等關鍵數據。
2. 結構化的起火原因深度分析
Gemini 3 扮演資深⽕災調查員的⾓色，將起火原因分析進行了專業的結構化分類，避免了單一面向的推測：
- 雙重分類視角： 分析清晰劃分為兩⼤類：「官方及主流媒體報道懷疑原因」（如客廳電器故障、窗台雜物引發「煙囪效應」）和「網絡KOL/工程專家推斷原因」（如外牆批盪的易燃性、垂直防火間隔失效）。
- 精確描述與限制： 每個懷疑原因的描述被嚴格控制在100字以內，確保分析的簡潔精準和客觀專業。
3. 系統性的政府行動與歷史借鑑
AI 擔任「⾹港重⼤災害應變機制與歷史⾏動分析師」的⾓色，成功根據嘉利大廈大火及各類天災的歷史經驗，推導出政府的系統性應對措施。
- 三階段應變系統： 行動被精確分類為救援階段 (Rescue)、善後階段 (Rehabilitation)、以及復原/檢討階段 (Recovery/Review)。
- 跨部門行動細節： 報告細緻列出了不同部門的職責與目標，例如警務處動用災難遇害者辨認小組 (DVIU)、社會福利署提供緊急經濟援助、以及政府整體會設立獨立調查委員會等。
4. 專業的爭議驗證與國際對比
在爭議分析部分，Gemini 3 不僅列出爭議，更進行了事實驗證：
- 核心爭議點聚焦： 鎖定三大爭議：天價大維修招標涉貪、竹製棚架/易燃物料（如發泡膠板）問題，以及警報系統失靈。
- 歷史案例驗證： 報告強制性地引入了英國格倫費爾塔火災 (Grenfell Tower Fire) 和上海膠州路教師公寓火災作為對比案例，證明宏福苑火災的爭議並非單一事件，而是涉及高層建築維修監管的系統性漏洞。
- 結論明確： 針對每個爭議點，分析師都給予了清晰的「總體結論」（Overall Conclusion），例如「天價大維修爭議具備高度合理性，已提升至刑事調查層面」。
總括而言，Google Gemini 3 透過這次實戰分析，證明了其在處理複雜、近期發生的公共安全事件時，能夠高效地整合多方資訊，並提供具備學術嚴謹性和高度實用性的結構化分析報告。
今次這一個練習，我會製作成為兩條片，一條就是清楚列出Google Gemini 3 在今次分析上，能夠做到什麼後果。另一條短片就是以上資料的內容，我會放在知少少扮代表的一個選單上。
首先要聲明，所有資料都是由人工智能平台生成，資料是否絕對正確，需要大家再用其他資料來源對比，這裏只作參考。去到爭議部份，都是以人工智能平台整理過去同類個案，而獲得的分析，以及比較現在官方列出的資料，而作出評估，絕對不是合規資格專家的專業意見。
