+@davecode - Re: [討論] 中研院繁中LLM被爆直接拿對岸的來 ---未來將使用 AI 來...---未來將使用 AI 來處理［文案生成、文學創作、問答系統、客服系統、語言翻譯、文字編修、華語教學等］
這些訓練資料集台灣只能花錢自己建立維護。不能繞過去只想用中國或其他國家訓練資料集。
#AI基礎建設
#資訊基礎建設

+@davecode - Ref 中研院用簡轉中的資料集訓練完他們認為適用台灣的基礎模型，然後再派它去考中...中研院用簡轉中的資料集訓練完他們認為適用台灣的基礎模型，然後再派它去考中國的考試，計算分數。
---這可不妙

--
ref
激情過去後，大眾的注意力雖然轉向，做事的人仍繼續前行。國科會建起可信任模型TAIDE、台大資工系博士生林彥廷陸續釋出奠基於LLama和Mixtral的不同模型；業界也是如此，台智雲有福爾摩沙模型，聯發科推出以風為名的BreeZe和BreeXe，亞太智能機器有開講（CaiGunn）模型、群創也在努力推進。
_
不管是學術、政府，還是企業端，都在各自努力打造在地LLM，背後有著什麼原因？究竟是因應文化入侵危機？還是看到真實新商機？敝組的陳老大陳品融和我一起認真檢視這個問題。

GPT-4、Gemin和Claude不斷更新，還變得更好用、更便宜，市場上眾神占據山頭，台灣企業的挑戰，會不會只是重新發明輪子的失敗嘗試？至於政府，過去幾年不同產業的「國家隊」遇上很多質疑，國科會推動TAIDE會不會淪為與民爭利？就算從在地化角度出發，台灣現有資料和算力環境，模型的繁體中文能力，究竟能提升多少？
_
我們找上受訪者和專家，聽他們的說法：到底為什麼要自己做LLM不可？

就文化層面來說，台大語言所教授謝書凱從語言學角度出發，談語言之於文化的重要意義；台灣人工智慧實驗室創辦人杜奕瑾以軍備競賽比喻，強調開發在地基礎「主權式模型」的重要性。看到現有模型的繁中能力不足，讓前Google台灣董事總經理簡立峰焦急無比地說，國家應該正視問題，如果拿不出資料，意味著台灣本來就沒有要保護的東西，「還是要努力把那20分往上拉，這個是一個國家恥辱！」
_

就實際商機而言，業者們的出發點也各有不同。台智雲總經理吳漢章解釋，雖然都是拿開源模型來訓練，但客戶不可能仰賴通用模型，這就是著力點所在；聯發科創新基地負責人許大山雖然散發出濃厚學者氣息，但他也提到，在無法使用某些雲端模型的應用場景中，就凸顯出能夠提供語言和知識相關服務在地模型的重要性。

學界和政府推出模型的定位，和業界又有差異。TAIDE計畫負責人李育杰強調，TAIDE不是政府打造一把很厲害的武器去競爭，而是資助開源模型協助產業。模型開發迭代速度驚人、借用新創算力的林彥廷則說，自己不是追求表現最好、資源最多，發展方向以學界影響力為重。

採訪過程中，也聽到很多一線工作者和使用者的金句，像是Lawsnote的資深工程師戴函昱表示，繁中訓練語料不足的LLM，就像外國人在講中文，即便加入繁體中文微調，若資料規模不夠「沖淡」簡體中文，「都還像是潛藏一個簡中的人格在裡面，你不知道它什麼時候會跳出來。」亞太智能機器創辦人吳柏翰也說，雖然可以用檢索增強生成（RAG）處理，但在和使用者對答幾次後，還是難逃被破解的命運，「開始跟你聊大陸的東西，模型已經內化了。」

---靈魂不是本土的，說什麼就不對味。

到底要不要造自己的LLM？這個問題可以抬高到國家主權的高度，也能日常無比，就像是「影片」和「視頻」用語的選擇。AI大師吳恩達誠懇地說，他相信人們不會完全相信大語言模型所說的一切。然而，當有夠多的人和ChatGPT對話、使用LLM-based的服務時，「這種向人們展示資訊的微小變化（subtle change），確實會影響人們的思維方式。」
_

台版GPT到底重不重要？每個人都有自己的獨特想法，吳恩達所說的話，很適合替在地LLM的篇章作結：
「我聽過『馬鈴薯』和『土豆』的辯論。我認為更重要的是文化價值觀，而不只是被稱為『土豆』的東西。而且，若有人覺得『馬鈴薯』對他們來說很重要的話，那麼，保留它就是值得的。」

---自已的生活的記憶，日常運作思維，來自台灣人的。不是其它國家的。

AI軍備競賽來了！連「母湯」也懂，台版GPT爭國際話語權 | 遠見雜誌

測過TAIDE，真的很欣賞