
職安助手
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。
02. 提案代表人
03. 提案代表人的 g0v Slack 帳號名稱與成員識別碼
06. 專案於 g0v slack 的頻道名稱
07. 提案團隊簡介及與主題的相關性
提案與發起人:許恆修,喬泰科技 AI 研究員,過去幾年中,著重於台灣場域系統與 AI 整合,具有豐富的軟體開發和人工智慧實務經驗。本專案中,將負責專案規劃、系統面規劃、模型開發指導。個人部落格: https://medium.com/@r23456999 。
職業安全衛生顧問:鍾季桓,專業技師(職業衛生技師)且具有4年的職業安全衛生運作、教學及管理經驗。本專案中,將負責統籌職安資料集收集、並提供專家真人回饋,持續與社群進行互動。
技術顧問:賴毓敏博士,台灣先進智慧公司 - AI 科學家。本專案中,將提供專業數學指導與技術回饋,幫助團隊提高模型開發與評估方式。
09. 專案符合本次計畫哪些主題:(請勾選至少一項)
繁體中文文本採集,用於語言模型訓練資料
Benchmark 台灣觀點的評測
10. 參與梯次
11. 承上題,若為再次提案,請說明修改的提案內容
12. 專案摘要(300字以內)
13. 專案動機
#前情提要
在當今快速發展的工業社會中,職業安全衛生(OSH)的重要性日益凸顯。然而,傳統的OSH管理方法在處理繁複的安全標準、多變的工作環境風險以及多元文化溝通上面臨諸多挑戰。特別是在台灣,工作場所的安全溝通常受限於語言和文化差異,增加了職場事故和健康風險。此外,安全教育和訓練的效果往往因資料更新不及時、內容難以理解而大打折扣。
#提出解方
基於這些問題,我們提出了一個創新的解決方案:開發一款基於大型語言模型(LLM)的「智慧型職業安全衛生助手」。這一專案的動機在於利用先進的語言處理技術,提升職安資訊的準確性、可讀性和可及性。通過精確解析職安文本,這款工具能夠為職安人員提供實時的專業建議,並將複雜的法規和指南轉化為易於理解的語言,旨在提升所有員工的安全認知和參與度。
透過此專案的實施,我們期望能夠有效降低職場事故,提升員工的安全健康水平,並為台灣的職業安全衛生領域帶來長遠且積極的影響。
14. 專案設計概念以及與主題的相符性
我們計劃採集豐富的繁體中文職安相關文本,包括法規、標準作業程序、安全參考手冊等,以建立專業的職安語料庫。資料庫建立:收集並整理繁體中文職安相關文本,建立專業語料庫。
15. 專案技術可行性
本專案將採用成熟的大型語言模型技術作為基礎,結合繁體中文文本處理。我們將利用現有的LLM框架,如OpenAI的GPT系列,進行必要的調整和微調(finetuning),以適應專業的職安領域。
專案的技術路線包括:
- LLM框架選擇:選擇適合的LLM框架作為基礎。
- 語料庫建立與微調:建立專業的職安語料庫,並進行模型的微調。
16. 專案可應用之情境說明
安全教育與訓練 透過專案開發的大型語言模型,職業安全衛生助手能夠將複雜的安全規範和操作指南轉化為易於理解的語言,提供互動式的安全教育訓練。這不僅有助於新員工快速熟悉職場安全規範,也方便現有員工定期更新與考核其安全知識。
職安手冊與文件撰寫 職業安全衛生助手可以協助職全人員撰寫和更新職安手冊和相關文件。透過自然語言處理技術,它能夠根據最新的安全標準和法規,自動生成或建議修改文本內容,使之更加準確和更佳時效。
即時安全諮詢 提供即時的職業安全諮詢,員工可透過語音或文字與助手互動,獲取有關特定工作場所風險、安全措施和緊急應變或急救程序的資訊。這種即時應答回饋對於提升員工的安全意識、例行安全管理活動和處理突發狀況非常有用。
17. 專案預期效益與社會貢獻
透過實施本專案,預期能夠有效提升工作場所的安全溝通和管理效率,從作業現場的源頭端減少職業災害與異常事故,並促進台灣職業安全衛生領域的創新發展。
18. 專案現況說明
- 本團隊提案尚未參與其他競賽、獎助金計畫等。
- 現有一版職安資料集,並有職安專家協助給予修正
- 職安助手截圖
19. 團隊過去是否有做過相關主題的計畫?
20. 開源內容及其授權方式
- 資料集:公開至 HuggingFace Hub , Apache 2.0 License
- 模型:公開至 HuggingFace Hub
- 開發程式碼: 整理公開至 Github 中,MIT
- 討論文件:整理公開至 Github 中, CC-BY
- 圖像:整理公開至 Github 中, CC
21. 專案期中與期末規劃
期中規劃(獲選60天後)
- 目標:建立職安資料集與展示網頁
- 驗收標準:完成一個展示網頁,能夠讓使用者於網頁進行對答,並且提供好壞評選
期末規劃(獲選120天後)
- 目標:採用 RLHF 機制修正模型並建立評分標準
- 驗收標準:將提供一套簡單的評分標準,這套標準將幫助大家了解模型有多有用。就像學校的作業予以評分,使用者可以輕鬆判斷所提供的資訊對於提高職業安全的幫助程度。
22. 專案預算規劃
項目:資料收集轉譯
- **項目說明:**網路爬蟲、真人資料採購等,將紙本文件轉譯成 Instruction-dataset 格式
- **數量:**1
- **價位:**根據提供商定價。依照不同提供者價位不同。轉譯依照排版業計價。
- **預算:**NT$95,000.00
項目:模型開發
- **項目說明:**雲端硬體資源運算費用(包含雲端平台、現有 API 費用),平台建議、資料清洗等
- **數量:**1
- **價位:**根據 API 雲端服務商定價(不限於 Replicate, OpenAI, GCP 等)
- **預算:**NT$325,000.00
項目:專家社群回饋
- **項目說明:**團隊實地見面費用(交通費、住宿費等),專家回饋獎勵獎金。
- **數量:**1
- **價位:**根據專家報價制定
- **預算:**NT$80,000.00
總價
- **預算:**NT$500,000.00
23. 專案於計畫結束後之長期規劃
本案為開發大型語言模型供職業安全衛生領域的工作者使用,除了初期的供作教育訓練、職安手冊的撰寫、即時安全諮詢之外,預期將依照工作者實務上的需求逐一提供客製化的服務,讓未來的工作者在職安助手的協助下,能快速、正確的解決遇到的各種職場安全健康管理議題。
透過語言模型與資料的累積,未來進行多元化的應用,包括職場的安全健康風險評估預測及例行管理,在符合法律的前提下促進職場安全健康的發展。