台灣政治選舉資訊 LLM:透明化政治歷程提高公民參與

提案人 zaokevin1993
第二梯(2024/02/21 - 2024/03/17)

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。

02. 提案代表人

Kevin

03. 提案代表人的 g0v Slack 帳號名稱與成員識別碼

Zao Kevin (U06Q08Z39B6)

06. 專案於 g0v slack 的頻道名稱

#TaiwanPolEdu-Engage

07. 提案團隊簡介及與主題的相關性

AI Researcher / Engineer

Zao Kevin

  • 專長:資料工程、生成式 AI 產品開發 (RAG & Agent)、網頁追蹤及爬蟲、NLP 模型微調、LLM 微調與評估

Project Manager

Jane Chen

  • 背景:具有資訊管理碩士學位,擅長專案規劃與執行。
  • 相關經驗:曾負責多個跨領域技術專案,具備豐富的領導與協調經驗。

資料科學家

David Liao

  • 背景:數據分析博士,專精於自然語言處理與機器學習。
  • 相關經驗:在政治資料分析領域有5年經驗,曾參與國際研究項目。

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
繁體中文特用型語言模型,以法律、醫療、教育為主但不限

10. 參與梯次

第二梯(2024/02/21 - 2024/03/17)

12. 專案摘要(300字以內)

本計畫旨在建立一個包含台灣政治人物介紹、政黨資訊、選舉制度的開源資料庫,結合大型語言模型微調及推薦技術與 RAG 應用架構結合,提供即時問答與互動學習功能。透過此平台,用戶能深入瞭解政治背景、政策方向及選舉歷程,同時提供即時資訊更新與互動查詢服務,促進年輕人的政治參與和民主素養的提升。

13. 專案動機

面對台灣年輕世代的政治冷感與參與度低落,此專案旨在透過教育與技術的結合,提高其對政治的興趣與認識,並鼓勵積極參與公共事務。

14. 專案設計概念以及與主題的相符性

專案將建立一個集資訊收集、整理、展示於一體的平台,使用者可透過互動查詢獲取政治人物、政策、事件等資訊。結合 AI 技術,提供客製化學習路徑和即時問答,增加參與感和知識吸收。這與高度透明度、重用性及長期影響力的目標一致。

15. 專案技術可行性

預計運用 NLP 及 LLM 技術進行資料分析、問答系統建立,並利用機器學習方法不斷優化系統回應。這些技術已被廣泛應用於類似領域,證明了其可行性和有效性。

16. 專案可應用之情境說明

用戶可以在平台上查詢特定政治人物的政治立場、歷史記錄、相關新聞與政策方向,也可以進行即時互動,如提問政策細節,或對特定選舉與議題進行深入了解。

17. 專案預期效益與社會貢獻

增加年輕人的政治知識,提高選舉參與率和公民意識,促進社會民主進程和政治透明度。

18. 專案現況說明

目前已經開始進行資料集盤點與蒐整,介面功能及機制正在團隊討論中。待資源預算到位即可啟動訓練與部署。

19. 團隊過去是否有做過相關主題的計畫?

團隊成員過去開發量能:

曾輔助新創、金融集團、醫院等單位進行 LLM 微調,及為其開發 RAG 應用。

  • 2023 年為國內知名金控集團內部開發 研究報告摘要RAG平台
  • 2024 年為國內某私人醫院開發 醫病問答 RAG 機器人
  • 2024 年為國內某新創開發動物疼痛程度辨識模型

20. 開源內容及其授權方式

專案將以 MIT、Apache 2.0 或類似許可證開源,旨在促進社區共享與合作,並支持後續的改進與擴展。

21. 專案期中與期末規劃

  • 期中(60天):完成基礎資料庫建立、初步 AI 模型開發和平台界面原型。
  • 期末(120天):完整平台開發、資料庫豐富化、系統測試及優化,並進行用戶反饋收集。

22. 專案預算規劃

  • 資料收集與處理:50,000元
  • AI 模型開發與訓練:300,000元
  • 平台開發與維護:100,000元
  • 行政與管理費用:50,000元

23. 專案於計畫結束後之長期規劃

建立持續更新機制,加強社區合作,並定期評估及更新 AI 模型,以應對政治環境變化和技術進步。