2024 繁體中文 AI 開源實踐計畫

【g0v 零時小學校】繁體中文 AI 開源實踐計畫

TAi

hypothesquerelle

TAi is to open a new door to our life. How is it going to happen? IDKXDD

第三梯(視情況舉辦)

大量閱讀台灣研究的健康促進小幫手

zhirentsai

摘要:目前各種開源LLM(大語言模型)釋出,正好幫助台灣的研究單位進行本土開源研究,本研究將使用開源的LLM的網路蒐集健康促進資料及langChain技術在GPT-4及Gemini的指導下進行較高可信度的數據過濾機制來完成可以服務於台灣民眾的很會聊健康議題的聊天機器人。

第一梯(2024/02/18 前)

TCC 智慧網頁爬蟲:為繁體中文資料打造的開源框架

Kyle

智慧網頁爬蟲專案旨在開發一套自動化的網頁爬蟲框架,專為繁體中文資料設計。這套框架將促進高品質繁體中文資料的蒐集與整理,提升資料透明度,並支持各行各業自行蒐集與分析數據,增強資料重用性和長期影響力。

第二梯(2024/02/21 - 2024/03/17)

臨床心理師的AI報告幫手

littlebow123

撰寫心理衡鑑(評估)報告是臨床心理師的日常。心理衡鑑報告是協助診斷,以及做為心理治療的基礎。然而,心理衡鑑報告是臨床心理師彙整多項心理測驗結果再用文字表達,此常耗費數小時。若是新進專業者,其撰寫經驗較少,報告品質較不穩定。此外,健保制度下使評估量大增,迫使臨床心理師在有限時間內面臨精簡撰寫內容或壓縮治療時間中,二擇一。本計畫希望借助生成式AI的資料庫與基礎,再加入資深臨床心理師的臨床評估報告作為新語料,建構以撰寫臨床評估報告為導向的生成式AI。一來穩定新進臨床心理師的醫療報告品質,二來讓專業人員不用陷入二擇一的困境,改善人員身心健康,增進相關醫療品質。

第一梯(2024/02/18 前)

Carbon Dataset 減碳資料集

scsonic

自2024年起,碳稅的實施成為台灣企業不可避免的挑戰。為了降低碳稅成本並提升產品競爭力,就變成了一個大難題。 因此,我們提出建立一個減碳資料集,專注於世界各地相關的減碳協定,例如再生能源憑證(RECs)、健康建築標準(WELL)、美國LEED綠建築認證,以及碳中和認證(如ISO 14000、PAS 2050)等。這將構建一個問與答的資料庫,使企業能夠迅速透過查詢獲取必要的信息,並深入了解其中的內容。透過調整相應的設備,企業將能夠獲得相應的認證,使台灣產業能夠快速適應世界潮流。

第一梯(2024/02/18 前)

Zen-GPT

Chiwei Che

本提案在於善用台灣本土興盛與豐富的佛教中華禪經典文物,包括已存的數位保存歷代大師的開示與對話,以及正在與未來在各地方道場的資料收集,將他們用在訓練,用改革性的微調工程或算法,產生並持續提供一個賦予佛系特色的台灣禪師級的開源語言大模型,並開發多重前端應用給大衆,包括問答,協助閲讀經文,提供地方口語的解釋。這些應用將使用在手機與智慧音箱,並以開源的方式達到普及目的。

第二梯(2024/02/21 - 2024/03/17)

運用AI進行幼兒生命教育故事之創作

蕭秀蓮

這本書是將弟子規利用AI的技術生成品德故事,並以每四句內文利用AI繪圖的技術生成圖畫來著色創作

第一梯(2024/02/18 前)

職安助手

r23456999

隨著工業化與科技的快速發展,職業安全衛生(OSH)對於保障員工健康和安全變得至關重要。本提案旨在開發一套基於大型語言模型(LLM)的「智慧型職業安全衛生助手」,致力於協助職業安全人員提升工作場所的安全性與效率。

第一梯(2024/02/18 前)

LLMezify-大型語言模型科普公開課計畫

孵大學 X-University

資料是大型語言模型的核心,提升高品質正體中文資料量才能讓 AI 講好台灣在地的內容。孵大學透過舉辦系列《如何準備 AI 訓練用正體中文語言資料集》的開源課程,促進不熟悉生成式AI與應用的「公民、非營利組織、非政府組織」,以「參與製作、釋放」高品質的正體中文資料集。課程影片、講義將製作成免費開源的線上課程,課程中的對話內容,將經嚴謹整理、校稿為開放資料集成為訓練資料,並以RAG服務串接LINE機器人,提供不同管道的自由學習之用。 / 本計畫書 GDoc 連結: http://tinyurl.com/4tyf4u5h /

第二梯(2024/02/21 - 2024/03/17)

專利檢索

51y102c1110834007

專利檢索輔助工具

第二梯(2024/02/21 - 2024/03/17)

CosCOP-藥妝廣告警察

ss96083

隨網路購物發展興盛,為了提高曝光度,許多商家會使用不當的宣傳用詞,導致近年來政府開罰的違規的商品數量逐年上升。對此提出一套基於自然語言理解的解決方案,使企業可以自我審查避免觸法、協助政府機關進行違規檢測以及協助民眾進行媒體識讀。

第一梯(2024/02/18 前)

法律公開數據整理以及法律模型

jamie200665

本計畫旨在開發一款專注於繁體中文的法律大模型,通過整理與分析台灣的公開法律資料,進行專門針對法律語境的模型微調,從而提供更精確、有效的法律語言處理服務。

第二梯(2024/02/21 - 2024/03/17)

LegaL-Mind:智慧法律諮詢系統

110753128

一個基於法律相關問題的對話系統,包含以下項目: 1. 基於司法院的公開文件訓練的大型語言模型 2. 法律相關的評比任務 3. 可運用於搜尋相關案件的系統

第一梯(2024/02/18 前)

台灣語言模型競技場 Taiwan Chatbot Arena

adamlin120

讓群眾盲測私有以及開源語言模型

第一梯(2024/02/18 前)

medical everywhere

黃昇鴻

開源繁體中文醫療資料集(不限衛生保健、安寧、日常醫療問答)、開源繁體中文醫療大型語言模型以及開源人類標註醫療語言模型的資料集(human feedback dataset)、開源基於人類標註醫療語言模型的資料集(human feedback dataset)訓練出的獎勵模型(reward model)。

第一梯(2024/02/18 前)

藥學.要學:專案基礎工程建設

進良Thomas

本案目標在創建台灣醫療產業的藥劑共通LLM語言:收集在台灣醫療產業中的各種文件轉換成大語言模型(LLM)訓練用的藥學資料集。並且開源用此資料集微調過大語言模型(LLM)。 產品:藥學資料集‑台灣醫療產業的藥劑共通語言 驗證:以此資料集微調開源LLM後, 與OpenAI GPT4.0以及選取一個指標繁體中文LLM一併作benchmark比較驗證資料集品質,並提供台灣醫療產業或台灣技術團隊可進一步微調特化使用的開源LLM。

第二梯(2024/02/21 - 2024/03/17)

Francesca

douenergy

Francesca 的靈感來自於知名影集絕命律師 (Better Call Saul) 中主角 Jimmy 的女助手 Francesca。 她是 Jimmy 律師事務所的第一個助手,在面試的過程中,Jimmy 問了 Francesca 在她前一份監理站的工作中,是否曾經對來換發駕照的老人不耐煩過? Francesca 回答中展現的耐心,成功為她贏來了這份工作。 LLM 的巨大潛力,是過去兩年最讓人興奮的 AI 應用,但一如圖靈獎得主 Alan Kay 的名言 “ People who are really serious about software should make their own hardware ” , 我們相信要發揮 LLM 最大的潛力需要高品質的資料集 “ People who are really serious about LLM should curate their own dataset ”。 收集資料集是複雜且需要耐心的工作,期待我們如 Francesca 一樣決不對資料不耐煩 😊

第一梯(2024/02/18 前)

LLM²

douenergy

本專案的想法來自於,將英美 "法學碩士"(LL.M)與 "大型語言模型"(Large Language Model)這兩種完全不同領域的概念結合,反映了一種跨學科的創新思維。 我們相信預測 LLM 會怎麼影響法律的最好方法就是創造一個 LLM

第一梯(2024/02/18 前)

TW-Bench 給大語言模型的台灣考題

AGIB

本專案主旨為創建一套屬於臺灣人的 Benchmark,圍繞以下三大核心展開計劃: 【建立符合臺灣在地化現狀的基準】 能否真實反映臺灣在地化現狀是評測基準的關鍵考驗。我們提出一種能夠涵蓋多方面向及觀點的方法來構建此測試資料集,計劃邀請各領域專家參與討論,進一步完善這套方法論。 【建立多元且可持續更新測試資料集的機制】 透過開放公眾參與的策略,結合實體工作坊活動與網站平台,邀請來自不同背景的民眾及專家共同貢獻,從生活化的常識到專業領域的測試資料。 【建立透明且公正的評測制度】 由公眾參與開放式審議資料集,民主化測試資料集建置的過程,也會定期以CC0授權的方式釋出明題與暗題,確保開放的基準能夠被持續改進。

第一梯(2024/02/18 前)

IndiWise 台灣原住民文化資料採集與運用示範計畫-以萬山部落(‘Oponoho)和茶山部落(chayama)為例

showlin1111

本計畫範圍:本計畫擬建立台灣原住民族之文化資料集,但由於台灣原住民族族群多元,至少分為16個族群,以及分別居住在30個山地鄉及25個平地鄉鎮區,735個部落 ;佔地幅員甚廣,但大都位於偏鄉,由於長久以來的區域資源失衡,導致城鄉差距及偏見持續擴大。故本計畫為消弭文化資源落差,以及建立主體論述正確且內容精實的資料集可供AI訓練使用。本案為探索性計畫,以萬山部落和茶山部落為實踐範圍,以田野調查及次級資料蒐集等方法採集原鄉文化,包含自然(環境/地理/氣候等)及人文資源(語言/歌謠/神話/古蹟/飲食/工藝/人物/家族史等),並製造成AI使用之資料集,將資料集最佳化並開源使用,以提供全球AI對齊在地文化,符合原鄉文化之應用情境。 有豐富圖片的完整報告書請點我:http://tinyurl.com/2p8db5c7

第二梯(2024/02/21 - 2024/03/17)

台灣AI教學共創實驗室

林穎俊

本計畫將延續2023年12月 TW AI Assembly 關於教育主題的討論成果,預計將以 AI Assembly 的流程以及開發的工具方法,透過教師訪談拆解教師的日常工作拆解到更細緻的任務及針對技術可行性研究,然後辦理實體工作坊邀集台灣老師一同將生成式AI整合到教學之中以找出透過生成式AI節省工作時間、擴散思考、提升學習動機、增進創意甚至促進協作與交流的具體實踐,並將成果數位化及分析以建立 AI 教學指引(正確使用方式)、建教育場景應用範例庫、訓練資料、測試資料及多種模型測試結果等。

第一梯(2024/02/18 前)

建置定期更新的立委發言觀測儀表板與政治時事資料集

chien

國會的運作效率與關注重點,對國家整體的發展至關重要。長久以來,「立法院究竟在吵什麼」一直是媒體與公民關注的焦點,許多國會監督團體會以出席率、質詢率等數據評估立委表現,但鮮少有報導能夠綜觀立委的所有發言與行動,為民眾提供特定黨團或立委完整的質化分析。 2024選前,非營利媒體《報導者》蒐集四年來所有立委發言,建立貼近台灣社會脈動的資料集,以機器學習方式建置政治語言模型,深入分析各黨團、立委的關注焦點,讓選民以更低門檻觀察立委發言品質。 本計畫希望在此基礎之上,結合AI技術與資深國會記者的專業,建置完整、定期更新、符合當代台灣政治時事脈絡的語言模型及資料集,並公開模型與資料集,推進國會相關應用與研究。同時開發出可定期更新的立委發言儀表板,選民在每個會期都能透過儀表板,觀察特定黨團與立委的關注重點,從而監督國會運作,促進國會效率與民主制度的健全發展。

第二梯(2024/02/21 - 2024/03/17)

智能家教與智能教練

斑鳩鳴

提供一個網頁平台連結各類學習與教育影音平台(e.g. 酷客雲、均一)或運動課程平台,利用LLM對於所選擇的課程提供1對1的家教或教練諮詢.

第二梯(2024/02/21 - 2024/03/17)

排灣語自然語言處理 AI 基礎建設

PeterWolf

在大型語言模型的 AI 時代背景下,臺灣的中文語料量級遠低於簡體中文語料量的問題,已觸發諸多國產 LLM 專案的啟動。諸如 TAIDE、MTK、NTU 及 CKIP …等團隊皆取得或大或小的進展。 相較於繁體中文語料,臺灣南島語族的語料資源更是少得可憐,以致於前述專案都停在國語、台語(閩南語) 或客語的階段。 本專案將利用 Articut 的語言學演算法,利用其「只需要極少極少語料」之特色,挑選一個較多人使用的南島語語言 -- 以排灣語為例 -- 做為實作「排灣語自然語言處理 AI 基礎建設」的目標。

第二梯(2024/02/21 - 2024/03/17)

客語斷詞暨自動詞性標記系統

Irene Liao

此專案以四縣客語為初步標的,透過語言學知識為斷詞系統建立詞彙庫和語法規則,希望以非大數據或統計的方式做出可廣泛應用的斷詞系統,為沒有大量語料的台灣本土語言提供一個可行的方向。

第二梯(2024/02/21 - 2024/03/17)

台語自動分詞與詞性標記系統

trueming.l

本專案計劃針對臺灣台語語料設計一個可和現代 NLP/NLU 工具做串接,甚至可和 LLM 做語意計算串接的自動分詞與標記系統。專案內容包括以下兩個目標: - 臺灣台語自動分詞系統 - 臺灣台語詞性標記模組

第二梯(2024/02/21 - 2024/03/17)

飲食照護大小事諮詢小幫手

王健安

在慢性病流行之現代社會中,飲食對人體健康佔有非常重要的影響,特別在疾病預防及高齡族群需求規模大;然而當大眾對食物中各種成分、營養及其對人體影響相關知識模稜兩可,現行市面的食物偵測衛教照護系統,難以達到個人化的回應以及跨科別專業建議,因此本專案期望結合不同大型語言模型各自擅長之結構,搭配已經被定義好的中文詞彙,重新建構新的大型語言模型,並以食物、營養與飲食策略為基底,期望建立一個方便性高, 與臨床實際回覆的相似的食物大小事諮詢小幫手。

第二梯(2024/02/21 - 2024/03/17)

台灣繁中教育LLM:全年齡層教材整合與虛擬老師系統

Brian

利用高品質開源教材建立大型語言模型,打造智能學習助手,提供老師批改作業與出題支援,並給予學生即時問答的虛擬老師,以提高教學效率和學習成效。

第二梯(2024/02/21 - 2024/03/17)

台灣AI教學共創實驗室

林穎俊

目前台灣繁體中文資料集中,教育相關資料屬於稀缺資料。特別是能反映出「台灣教育現場應用場景」,以及「台灣專有的教育內容」的相關資料,更是付之闕如。原因在於這兩類資料無法單純由翻譯國外資料集或採用國內既有題庫生成,而是必須透過教育現場老師的專業與經驗,以及擁有 AI 技術的工程人員協作,才能產出。本計畫將結合兩方的知識和經驗,來產出「台灣教育現場應用場景」,以及「台灣專有的教育內容」的測試資料。並建立擴充資料的機制。 本計畫將延續2023年12月 TW AI Assembly 關於教育主題的討論成果,選定應用場景以及「台灣專有的教育內容」,並由技術顧問協助提供多模型評測平台,提供資料實用性的建議意見,以及資料集開源與上架平台。

第二梯(2024/02/21 - 2024/03/17)

台灣政治選舉資訊 LLM:透明化政治歷程提高公民參與

zaokevin1993

透過整合台灣政治歷史、政黨資訊與選舉系統的開源資料庫,建立一個以人工智慧為核心的互動平台,提升年輕人的政治參與意識和選舉知識。

第二梯(2024/02/21 - 2024/03/17)