作者DrTech (竹科管理處網軍研發人員)
看板Soft_Job
標題Re: [新聞]剖析中研院大型語言模型事件的衝擊
時間Sun Oct 15 02:33:59 2023
先說結論：
發展本土化，繁體中文LLM模型，然後期待這個模型能讓大家使用，根本是錯誤方向。不知道這些專家學者，是在騙經費，還是還沒想清楚產業到底缺什麼。
---
如果今天你使用Google搜尋，搜到"台灣是中國的"，或任何有政治偏見的相關文章。
你會不會覺得Google很爛？
所以我們台灣應該要發展一個"繁體，本土"的搜尋引擎取代google？
即使真的做出來了，台灣版google搜尋：
一個只能搜少量英文，繁體，台灣本土資訊的搜尋系統，可被搜尋到的內容還無法一直更新，
有多少商業價值？
這種搜尋引擎，別期待能做什麼產業的應用。
可成為大家可沿用的基礎系統，
這類搜尋引擎本身沒有什麼實用性。
這時重點反而要放在，我們能不能把這搜尋引擎變成工具，內部可以換成自己想要的資料來賺錢。裡面資料有偏見，不通用，根本沒差。
我有了工具，自己改就好。
(ElasticSearch就是走這條路)
同樣的道理也適用於台灣的 LLM/AI的發展。
現在新聞看到的內容，政府相關單位發展AI的模式都很好笑：
因為模型有偏見，所以我們要產出一個本土化知識，繁體中文，專屬於台灣的LLM。之後可能還會包裝，這模型兼顧國際化，英文能力也還可以。
實際上這種丟棄大量英文與簡體中文知識的模型，能力與後續潛力是絕對不如LLaMA2
(或其他不分地域語料的模型)的發展方式的。
如果OpenAI ChatGPT 丟棄大量全球知識，只能輸出台灣本土知識，你還會用嗎？
過分強調本土化，繁體化的模型根本沒意義。
最後台灣產官學只會輸出一堆，號稱本土化，產業化，繁體中文大模型。
結果每個模型能力，都不如免費的ChatGPT網頁版，或都不如LLaMA2用多語言fine-tune的模型。因為只用繁體知識，本土知識，訓練資料量，與跨語言知識量，推理能力，差太多了。
Demo當然沒問題，問訓練資料內有的就好。
但稍微問偏一點的，通用能力完全不如任何全域不分國界的開源模型。
計畫結束了，也永遠不會更新模型新知識。這類LLMs的發展，就如只能搜台灣知識的搜尋引擎，實用性被嚴重限制。
所以，在台灣做任何LLM研發，本土化知識，繁體中文輸出的LLM根本不是重點。
產出任何LLM意義都不大。
真正的重點，應該是要發展自主的LLM工具，
讓各界能夠任意修改LLM能力。
能不能讓台灣各企業，能換上自己公司的專有資料產生專屬的LLM，在各行各業都能取代部分人力，這才是重要的。
台灣真正需要的，
不是只能搜繁體中文知識都搜尋引擎。
不是只能看台灣知識的短影片APP。
不是只能輸出台灣本土知識與繁體中文的LLM。
而是發展適合中小企業可訓練LLM的簡易工具。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.72.188.61 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1697308441.A.C83.html
1F：→ BoXeX: 學術研究本來就是做玩具 10/15 02:40
2F：→ BoXeX: 以現在AI發展速度 你要商用還不如多等個幾年 10/15 02:40
3F：→ BoXeX: 等技術都成熟了再拿來用 10/15 02:40
4F：→ BoXeX: 除非你公司跟google微軟一樣有錢 可以成為技術的領頭羊 10/15 02:44
5F：→ BoXeX: 不然你在那邊開發半天 可能比不上未來人家call一行API 10/15 02:45
6F：推 DrizztMon: 關鍵字 騙經費 10/15 07:50
7F：推 Lhmstu: 比較有經費 10/15 09:43
8F：噓 askaleroux: 這麼說不就等 OpenAI Meta就好 10/15 10:51
9F：推 una283: 本來中研院只是一個小組在做中文斷句研究 10/15 11:10
10F：→ una283: 結果一下子被openAI超車只能跑去做明清文書做市場區隔 10/15 11:11
11F：→ una283: 但選舉的時候總是要拿出點成績交待誰叫數發部太廢 10/15 11:12
12F：→ una283: 就這麼被推上火線 10/15 11:12
13F：推 neo5277: 雖然是實在話但是這樣台灣價值不構不會有經費 10/15 15:20
14F：推 lukelove: 台灣價值留給專門的公司做就好了 其他公司做了也拿不到 10/15 16:54
15F：→ lukelove: 錢 10/15 16:54
16F：推 francej: 說穿了就是騙研究經費啊 不過人家有靠山 到最後只要 10/15 17:00
17F：→ francej: 生出個幾篇paper交差了事就好了 10/15 17:01
18F：→ francej: 當國產搜尋引擎都搞不起來了 現在生成式AI運算成本更高 10/15 17:02
19F：→ francej: 自己土炮的系統到最後一定是不了了之 10/15 17:03
20F：→ tsrn46336686: 政府自己都不重視建立資料庫了，憑啥覺得 Google 或 10/18 05:08
21F：→ tsrn46336686: Meta 會想來做 10/18 05:08
22F：推 Mchord: 騙經費 10/19 00:59
23F：噓 hizuki: 怎麼叫本土？金馬非臺算本土嗎？日本時代是好棒棒還是殖民 10/19 10:38
24F：推 oachan: 領域知識或是本土知識還是很重要的，在OpenAI等國外的LLM 10/21 10:13
25F：→ oachan: 大宗還是英文知識。需要引用到相關知識大宗還是得靠RAG手 10/21 10:13
26F：→ oachan: 法，但是這方法還是有局限性。但想復現LLM訓練，台灣的資 10/21 10:13
27F：→ oachan: 料量級跟算力也很難匹即。 10/21 10:13
29F：→ adamlin120: 同意發展企業LLM（訓練）解決方案 10/23 01:57