對，就是有一些目標性。
我們如果有這樣的經驗，在規劃臺灣杉 5 號用途可能會更具體。
沒有，就是用臺灣的。但是其實 2025 年規劃有臺灣杉 5 號，也是 GPU，我其實跟國網中心主任在談一個事情，過去臺灣杉 2 號在買的時候，並沒有需求，並不知道要做什麼，當時我還記得漢銘一直問你，當時我一直講說為什麼買一個帝寶的毛胚屋，我寧可小一點，上面的服務可以做好一點，上面要查一些法規很像是因為採購法的關係。
我們只是希望有一些人在訓練 super large 的 model，然後 push 國網有那樣的能量，技術上可以串接手頭上的 GPU 來作服務，然後對民眾說明的時候，我們就說透過數位部⋯⋯我一開始是希望透過部長掌握的數位政府司，知道政府對民間有哪一些溝通上的需求，利用這個 model 來作一些服務。
當然，很多人會問你這個做出來以後，怎麼樣營運，其實有了以後要做服務，這才是真正貴的地方，但是在第一年跨部會署科發基金，並沒有到後面的操作。
這樣的串接，未來就可以跟金融界輸入自己要的一些規定、平常用的對話資料，然後在這個 prototype 下再做 adaptation，中小企業也可以做類似的事情，我們想說串接這樣的經驗，其實還是希望盡量 open 出去。
我們希望數位部扮演的角色是，因為數位部知道對民眾的服務有哪一些需求，因此請數位部幫忙找各部會對話機器人服務、蒐集法規，我們也可以讓這個原型的 prototype 去做一些 domain 的 adaptation，就會產生所謂的垂直應用。
我們如果有 1,000 個帳號開放給 g0v 這些社群來使用，然後我們那些資料就可以再做一次 Reinforcement learning，然後到 12 月就可以做一些公開的 demo，接下來第三階段就是要把一些道德倫理什麼東西都要放上去。
我跟部長說明一下，這分幾個階段，第一個，我們希望在 6 月有一個這種核心的 model 出來，今天來跟您請教也是希望怎麼樣擴大社群參與，他們把這些核心的程式放到 GitHub 上的時候，下面的應用社群就可以進來用，比方在 6 月核心程式出來，然後 8 月創造出⋯⋯我講很快，因為我知道您都沒有問題。
反正我們有李宏毅的 speech to text 跟 text to speech 這些事情⋯⋯
都是。
其實吳政委的想法，世界各地的孔子學院慢慢撤出，臺灣怎麼樣去填補那一塊的需求，像中英翻譯、文字編修，因為現在用它來寫推薦信，非常好用。
就是要稍微篩選一下，因為這個功能我們定位成未來政府對民眾溝通的數位助手，還希望做到英翻中、中翻英文字編輯的。
就看。
基本上就是繁體中文。
對。資料上有網頁資料，維基百科的資料等等各式各樣的資料，有中文的。
是用臺灣的資料。
對。我們偏好是要更大，像 GPT 3，也就是 175 個 billion 的 size。
沒有。
不同的。
其實跟聯發科合作的，他們當時也是只有用 6 片的 GPU，中研院、國教院、聯發科⋯⋯Size 也是小的。
對，那些既有的。
對，然後所有的資料都是用臺灣的語料庫。當然你要去講接下來做完要怎麼做應用，我們的想法是邀請數位部，因為想說可以將整個政府對民眾的服務、數位助手、數位助理就用 Chat Bot 的形式。
現在我的構想是，國網本身也 operate 半個臺灣杉 2 號，所以整個構想就除了學研界—像李宏毅老師就做了 Reinforcement Learning、所謂 AI 李白的蔡宗翰—那幾個開始在用，計算資源是希望來自於國網，我們的企圖是整個 GPT 3，但是要放臺灣的語料庫。
是半個。
對。
他說是 2 號。因為華碩是台智雲，臺灣杉 2 號有一半是切給台智雲用。
華碩也是。
就是 BLOOM。
MediaTek 的模型只有 1 billion parameters，然後這個 ChatGPT 是 175 billion parameters，所以那個範圍是差很多的。
太好了。（笑）基本構想是這樣子，臺灣的學研界沒有練過這麼大的模型，本身有其意義，國網的 GPU 目前沒有跨很多可以串接。
他說他是代替李次來，我們原本是這樣的構想，您也知道政委對外講說年底要有。
其實 2 月 13 日跟主委報告的時候，那時本來找李次，他剛好去立法院，後來呂署長有來。
