iVOD / 149857

Field Value
IVOD_ID 149857
IVOD_URL https://ivod.ly.gov.tw/Play/Clip/1M/149857
日期 2024-03-14
會議資料.會議代碼 委員會-11-1-22-3
會議資料.會議代碼:str 第11屆第1會期教育及文化委員會第3次全體委員會議
會議資料.屆 11
會議資料.會期 1
會議資料.會次 3
會議資料.種類 委員會
會議資料.委員會代碼[0] 22
會議資料.委員會代碼:str[0] 教育及文化委員會
會議資料.標題 第11屆第1會期教育及文化委員會第3次全體委員會議
影片種類 Clip
開始時間 2024-03-14T10:13:08+08:00
結束時間 2024-03-14T10:25:59+08:00
影片長度 00:12:51
支援功能[0] ai-transcript
支援功能[1] gazette
video_url https://ivod-lyvod.cdn.hinet.net/vod_1/_definst_/mp4:1MClips/38af2da376d23135adcee0a8db40a81a836c7b9700c54b84f8ba9b0039caa7a653aeae6a5651927f5ea18f28b6918d91.mp4/playlist.m3u8
委員名稱 張雅琳
委員發言時間 10:13:08 - 10:25:59
會議時間 2024-03-14T09:00:00+08:00
會議名稱 立法院第11屆第1會期教育及文化委員會第3次全體委員會議(事由:邀請國家科學及技術委員會主任委員吳政忠列席報告業務概況,並備質詢。【3月11日及14日二天一次會】)
gazette.lineno 376
gazette.blocks[0][0] 張委員雅琳:(10時13分)我們有請主委。
gazette.blocks[1][0] 主席:有請吳主委。
gazette.blocks[2][0] 吳主任委員政忠:張委員,早!
gazette.blocks[3][0] 張委員雅琳:主委,你好!其實國科會這幾年在做的事情都是在帶動整個臺灣的產業競爭力,來做我們更多的產業提升,讓我們可以保持世界競爭力,我在這邊非常地感謝,其實我自己是非常關注國科會的一些相關研究,最主要就是我自己的小孩是非常非常喜歡這個領域,所以今天的問題我大概就問一下有關於核心技術,還有ChatGPT,以及我小孩非常關注的一個叫做兒少科普的部分,還有太空中心的發展。
gazette.blocks[3][1] 我們接下來先來講國家的關鍵技術,在去年的時候我們有公告22項國家的核心關鍵技術,這個領域大概含括了國防、農業、半導體、太空以及資通安全,因為臺灣的IC產業其實製造技術是領先全球,臺灣的市占率也達到了59%,14奈米以下的在全球的市占率更是高達70%,所以我是非常認同我們要去保護我們國家的核心競爭力,那我也想請教,因為新聞有講今年3月或4月的時候還會有第二波核心關鍵技術的管制清單出來,所以我想要知道大概在什麼時候會出來?這些相關的審議會已經召開了嗎?會含括哪些領域?
gazette.blocks[4][0] 吳主任委員政忠:是的,我們去年12月5日公布以後有說3個月會做滾動修正……
gazette.blocks[5][0] 張委員雅琳:對,沒錯。
gazette.blocks[6][0] 吳主任委員政忠:事實上,部會已經盤查,就是針對我們公布的五個大領域,目前部會應該是沒有新的修正,但是我們也在看,它有那個技術以後,還要去找一些執行的計畫和執行的人……
gazette.blocks[7][0] 張委員雅琳:所以預計什麼時候會公布呢?因為現在聽起來是有個進度,所以公布的進度大概什麼時候?
gazette.blocks[8][0] 吳主任委員政忠:目前是沒有新的提出來……
gazette.blocks[9][0] 張委員雅琳:對。
gazette.blocks[10][0] 吳主任委員政忠:那我們有一個top-down的,就是我們有在看,有一些技術也必須要再進來,譬如一些生醫、生技的技術。
gazette.blocks[11][0] 張委員雅琳:對,我瞭解,那我想要知道這個進度,因為3月已經過了一半,所以大概是在4月嗎?4月會提供給大家,讓大家知道有哪些是核心關鍵技術嗎?
gazette.blocks[12][0] 吳主任委員政忠:我們那個技術出來以後,我們還有一個核心關鍵技術的辦公室要再去看跟外面一些相對應的……
gazette.blocks[13][0] 張委員雅琳:所以聽起來是時程會再延後嗎?
gazette.blocks[14][0] 吳主任委員政忠:沒有,3月,沒有延後……
gazette.blocks[15][0] 張委員雅琳:OK,所以公布的時間是什麼時候?
gazette.blocks[16][0] 蔡副處長妙慈:跟委員報告一下,第一批的部分,剛剛我們主委有提到,當時在講3個月要滾動檢討修正的……
gazette.blocks[17][0] 張委員雅琳:沒錯。
gazette.blocks[18][0] 蔡副處長妙慈:是針對這22項,我們公布了之後,部會又再整體跟各界去溝通,看有沒有需要再進一步去做滾動檢討的……
gazette.blocks[19][0] 張委員雅琳:所以你的意思是這22項我們沒有要新增是嗎?
gazette.blocks[20][0] 蔡副處長妙慈:目前沒有要去做調整的部分,那時候講3個月指的是這件事情。第二波的部分,因為依照規定我們每年至少要開一次國家審議會……
gazette.blocks[21][0] 張委員雅琳:沒錯。
gazette.blocks[22][0] 蔡副處長妙慈:所以現在各部會就是在持續地盤點,看看還有哪些需要的技術再納進來,大概跟委員報告。
gazette.blocks[23][0] 張委員雅琳:好,這個部分的話,我想我們可能也是要加速,因為畢竟是核心關鍵技術,再來,那個領域如果有些新增的話,可能也再提供給我們辦公室,好不好?
gazette.blocks[24][0] 吳主任委員政忠:好。
gazette.blocks[25][0] 張委員雅琳:好。第二個部分是想要講兒少科普的問題,因為STEM這個領域其實是未來的世代非常重要的一件事情,但是我們這個領域其實男性是比較多的,女性是比較少的,從這張表我們可以看到,大概只有四分之一的女性是在這個領域,我們其實有辦了很多的兒少科普活動,但是我看到我們的人數上,以國際女科學日來看,人數是越來越少。那我想要先請教,第一個問題是我們參與人次的計算、評估標準110年是用「觸及」,111年和112年都是用「觀看次數」,這個衡量標準是不一樣的,所以事後的review其實是很難去瞭解到底影響性是什麼,所以這個部分是不是未來可以用同一個評估基礎,讓我們比較瞭解,知道這個真實的狀況是什麼?
gazette.blocks[26][0] 吳主任委員政忠:謝謝,我倒沒有注意到這個有改變,我們把它一致化……
gazette.blocks[27][0] 張委員雅琳:對,把它一致化。
gazette.blocks[28][0] 吳主任委員政忠:這樣才會有一個曲線出來……
gazette.blocks[29][0] 張委員雅琳:沒錯、沒錯。
gazette.blocks[30][0] 吳主任委員政忠:的確沒錯,謝謝。
gazette.blocks[31][0] 張委員雅琳:謝謝。第二個部分,我看就算是我們就111年相比,我們的實際觀看人次也是下降的,就像剛剛吳委員關注的科普列車,我看了一下我們一整年,第一個是觀看人數逐年下降,第二個是我們其實花了大概七千多萬去做這些科普的活動,可是我們整體的人次大概只有到三萬多人,這樣子的預算分配,投資報酬率似乎有點低,可不可以說明一下?
gazette.blocks[32][0] 吳主任委員政忠:我跟委員報告,這個分類因為是單一個活動,應該是把整個女性兒少科普活動加起來,那個人次才會比較正確。
gazette.blocks[33][0] 張委員雅琳:那現在你們有人次嗎?這些女性與兒少科普活動你們現在有人次嗎?
gazette.blocks[34][0] 葉處長至誠:報告委員,對於每個專案,我們有統計的人數,所有的專案合起來,我們還沒有這樣子的數字。
gazette.blocks[35][0] 張委員雅琳:好,這些詳細的數字可不可以提到我們辦公室,讓我們去瞭解……
gazette.blocks[36][0] 葉處長至誠:好。
gazette.blocks[37][0] 張委員雅琳:我想要說的是這個觀看次數的話,可能現在沒有正確的數字,是比較有點失準,但是以臺灣科學日一年是有50萬人次,所以我覺得這個我們可以來看數字之後再做些詳細的討論。
gazette.blocks[37][1] 再來,我們現在雖然做的很多活動是針對女高中生,科學日是針對女高中生,但是我想要問的第一個問題是因為選組高中就已經做不同的選擇了,就已經選社會組或自然組了,如果我們想要爭取更多的STEM人才,我們是不是應該要再往下提,讓他到國中小就開始啟發這個興趣,我們才有可能未來鼓勵女性往這個方向去前進,我們可不可以做這樣子的規劃?
gazette.blocks[38][0] 吳主任委員政忠:謝謝,這個完全正確,我想我們朝這個方向來努力,應該是很小就要來。
gazette.blocks[39][0] 張委員雅琳:謝謝。再來,第二個問題延伸的是,在這些人次上我們有沒有針對小孩的意見回饋?也就是說,他看完這個展之後有沒有什麼樣的回饋?他覺得太深或太淺、他覺得要怎麼調整,我們有沒有蒐集相關的意見呢?
gazette.blocks[40][0] 葉處長至誠:報告委員,我們事實上都有在做問卷調查,例如場域開放、科普列車等等,還有辦一系列的……
gazette.blocks[41][0] 張委員雅琳:我指的是針對兒少。
gazette.blocks[42][0] 葉處長至誠:對,這些活動其實都是針對高中、國中、國小,所以也有涵蓋兒少方面。
gazette.blocks[43][0] 張委員雅琳:但聽起來是量化,有質化的研究去瞭解他們到底覺得這個內容怎麼樣嗎?我們才能做更精進的修正,因為我們的目標是他,是不是有相關的質化研究?
gazette.blocks[44][0] 葉處長至誠:有,因為在他們的問卷裡面都有一些回饋的意見。
gazette.blocks[45][0] 張委員雅琳:好,所以都有相對應的修正,是嗎?
gazette.blocks[46][0] 吳主任委員政忠:委員的這個提醒滿重要的,如果當事人是小朋友,他的回應會比較接近真實,這個我們來努力看看能不能找一些小朋友來看看他們的感覺。
gazette.blocks[47][0] 張委員雅琳:如果現在有做一些意見回饋的話,我也想要瞭解一下他們所提的意見,然後我們的修正計畫、應對計畫是什麼,這部分可不可以提資料到我們辦公室?因為既然已經有了。
gazette.blocks[48][0] 吳主任委員政忠:瞭解,可以。
gazette.blocks[49][0] 張委員雅琳:下一個問題是有關於ChatGPT,我就直接講幾個重點,我們的TAIDE計畫其實需要非常大量的資料,我們現在有足夠的資料去訓練這個大型的語言模組嗎?
gazette.blocks[50][0] 吳主任委員政忠:目前的時間滿趕的,只有一年,第一個7B的模型就是政府公部門的一些資料,包括中央社的一些新聞、whatever,也就是有版權的,我們就先訓練。
gazette.blocks[51][0] 張委員雅琳:瞭解。我想問一下,它有一個一致的標準嗎?因為政府的資料也是各自上傳自己的資料,可能標準是不一的,那這樣子好用嗎?
gazette.blocks[52][0] 吳主任委員政忠:我們是儘量去用,但如果它沒有電子格式化,當然就不能用了。
gazette.blocks[53][0] 張委員雅琳:對,我們現在的資料量……
gazette.blocks[54][0] 吳主任委員政忠:目前應該是有,7B的模型訓練出來是可以讓業界或政府單位當作一個初步的basic engine。
gazette.blocks[55][0] 張委員雅琳:之前有提到4月會釋出一個7B的可商用版本,第一個,這個時程有改變嗎?
gazette.blocks[56][0] 吳主任委員政忠:應該沒有變。
gazette.blocks[57][0] 張委員雅琳:第二個,因為ChatGPT也在做這件事情,我們如何跟ChatGPT競爭呢?我們如何吸引企業來使用?
gazette.blocks[58][0] 吳主任委員政忠:事實上企業一定會用我們的,因為我們是繁體中文,然後它的一些理解是臺灣的culture,企業base on這個東西再去發展,比如銀行業就會更貼近臺灣的一些生活。
gazette.blocks[59][0] 張委員雅琳:這部分我們會持續追蹤使用的狀況。再來是這個領域的最後一個問題,政府提倡百工百業用AI,對不對?我們在哪一個產業是比較有競爭力的?
gazette.blocks[60][0] 吳主任委員政忠:我們臺灣……
gazette.blocks[61][0] 張委員雅琳:我想可能在半導體或是醫療產業是相對有競爭力,那政府會怎麼樣來協助他們呢?有哪些協助的計畫?
gazette.blocks[62][0] 吳主任委員政忠:我想半導體產業本來就有競爭力,其他像是精準醫療、健康、機械、whatever,這些都是我們所謂5+2產業創新裡面的一些重點,我們會儘快來做,但事實上生成式AI不只是在製造業,對服務業也很重要。
gazette.blocks[63][0] 張委員雅琳:對,但這是我們最關鍵的幾個領域,到底我們會有什麼相關的計畫來協助?所以我們也可以再來討論一下有沒有相關的協助計畫來支持他們。
gazette.blocks[64][0] 吳主任委員政忠:可以。
gazette.blocks[65][0] 張委員雅琳:最後一個部分,去年Meta已經發表70B的版本,我們接下來也有規劃一個70B的……
gazette.blocks[66][0] 吳主任委員政忠:17。
gazette.blocks[67][0] 張委員雅琳:70吧?
gazette.blocks[68][0] 吳主任委員政忠:先13,然後再來……
gazette.blocks[69][0] 張委員雅琳:我們現在正在開發,對不對?正在開發參數量……
gazette.blocks[70][0] 吳主任委員政忠:不是,這是base on Meta的Llama 2,然後我們再進階拿來教繁體中文。
gazette.blocks[71][0] 張委員雅琳:瞭解,我理解了。
gazette.blocks[72][0] 吳主任委員政忠:那個必須要用非常非常大的超級電腦。
gazette.blocks[73][0] 張委員雅琳:我懂,接下來就是要講超級電腦,因為超級電腦在世界上大家的競爭非常快速,對不對?我們在2018年的時候是20名,可是我們到2023年已經掉到86名,相對我們鄰近的韓國在前50名就有3台,所以我想知道我們今年預計要完成16 PF,對不對?這是今年一定會完成嗎?
gazette.blocks[74][0] 吳主任委員政忠:我們主任說今年會完成。
gazette.blocks[75][0] 張委員雅琳:一定會完成,預計何時到300 PF呢?因為世界發展已經非常快了。
gazette.blocks[76][0] 吳主任委員政忠:我跟委員報告,以臺灣的size不可能去競爭那麼大的,但是我們運用頭腦跟外面的結合,事實上我們在晶創臺灣計畫裡面,應該是未來五年計畫會到200到300 PF。
gazette.blocks[77][0] 張委員雅琳:所以大概什麼時候會完成?
gazette.blocks[78][0] 張主任朝亮:我們目前的規劃是拉比較長期一點,因為這樣我們可以跟上每個世代最新的GPU,規劃是五年。
gazette.blocks[79][0] 張委員雅琳:因為超級電腦的運算力對於很多領域的發展都非常重要,所以這部分我們可能還是要加緊,我也想要多瞭解,之後我們可以再討論是不是需要投入更多的經費,好嗎?謝謝。
gazette.blocks[80][0] 吳主任委員政忠:好,謝謝。
gazette.blocks[81][0] 主席:謝謝張雅琳委員。
gazette.blocks[81][1] 在羅廷瑋委員質詢之前,我先宣告一下,等一下本席質詢完,我們休息5分鐘。
gazette.blocks[81][2] 請羅廷瑋委員。
gazette.agenda.page_end 334
gazette.agenda.meet_id 委員會-11-1-22-3
gazette.agenda.speakers[0] 林宜瑾
gazette.agenda.speakers[1] 萬美玲
gazette.agenda.speakers[2] 洪孟楷
gazette.agenda.speakers[3] 郭昱晴
gazette.agenda.speakers[4] 吳沛憶
gazette.agenda.speakers[5] 葉元之
gazette.agenda.speakers[6] 張雅琳
gazette.agenda.speakers[7] 羅廷瑋
gazette.agenda.speakers[8] 陳培瑜
gazette.agenda.speakers[9] 吳春城
gazette.agenda.speakers[10] 范雲
gazette.agenda.speakers[11] 吳思瑤
gazette.agenda.speakers[12] 林倩綺
gazette.agenda.speakers[13] 邱志偉
gazette.agenda.speakers[14] 柯志恩
gazette.agenda.speakers[15] 葛如鈞
gazette.agenda.speakers[16] 陳秀寳
gazette.agenda.speakers[17] 高金素梅
gazette.agenda.page_start 281
gazette.agenda.meetingDate[0] 2024-03-14
gazette.agenda.gazette_id 1131201
gazette.agenda.agenda_lcidc_ids[0] 1131201_00007
gazette.agenda.meet_name 立法院第11屆第1會期教育及文化委員會第3次全體委員會議紀錄
gazette.agenda.content 邀請國家科學及技術委員會主任委員吳政忠列席報告業務概況,並備質詢
gazette.agenda.agenda_id 1131201_00006
transcript.pyannote[0].speaker SPEAKER_00
transcript.pyannote[0].start 0.08159375
transcript.pyannote[0].end 0.58784375
transcript.pyannote[1].speaker SPEAKER_04
transcript.pyannote[1].start 15.25221875
transcript.pyannote[1].end 18.47534375
transcript.pyannote[2].speaker SPEAKER_02
transcript.pyannote[2].start 22.52534375
transcript.pyannote[2].end 23.92596875
transcript.pyannote[3].speaker SPEAKER_04
transcript.pyannote[3].start 24.71909375
transcript.pyannote[3].end 60.46034375
transcript.pyannote[4].speaker SPEAKER_00
transcript.pyannote[4].start 49.54221875
transcript.pyannote[4].end 50.06534375
transcript.pyannote[5].speaker SPEAKER_04
transcript.pyannote[5].start 61.18596875
transcript.pyannote[5].end 74.16284375
transcript.pyannote[6].speaker SPEAKER_04
transcript.pyannote[6].start 74.41596875
transcript.pyannote[6].end 78.24659375
transcript.pyannote[7].speaker SPEAKER_04
transcript.pyannote[7].start 78.70221875
transcript.pyannote[7].end 104.41971875
transcript.pyannote[8].speaker SPEAKER_00
transcript.pyannote[8].start 93.19784375
transcript.pyannote[8].end 93.82221875
transcript.pyannote[9].speaker SPEAKER_02
transcript.pyannote[9].start 104.55471875
transcript.pyannote[9].end 110.41034375
transcript.pyannote[10].speaker SPEAKER_02
transcript.pyannote[10].start 110.64659375
transcript.pyannote[10].end 112.33409375
transcript.pyannote[11].speaker SPEAKER_04
transcript.pyannote[11].start 112.09784375
transcript.pyannote[11].end 112.70534375
transcript.pyannote[12].speaker SPEAKER_02
transcript.pyannote[12].start 113.11034375
transcript.pyannote[12].end 127.72409375
transcript.pyannote[13].speaker SPEAKER_02
transcript.pyannote[13].start 128.65221875
transcript.pyannote[13].end 131.47034375
transcript.pyannote[14].speaker SPEAKER_04
transcript.pyannote[14].start 131.01471875
transcript.pyannote[14].end 135.90846875
transcript.pyannote[15].speaker SPEAKER_02
transcript.pyannote[15].start 134.20409375
transcript.pyannote[15].end 134.59221875
transcript.pyannote[16].speaker SPEAKER_02
transcript.pyannote[16].start 136.14471875
transcript.pyannote[16].end 137.74784375
transcript.pyannote[17].speaker SPEAKER_02
transcript.pyannote[17].start 138.86159375
transcript.pyannote[17].end 141.62909375
transcript.pyannote[18].speaker SPEAKER_04
transcript.pyannote[18].start 141.62909375
transcript.pyannote[18].end 141.94971875
transcript.pyannote[19].speaker SPEAKER_02
transcript.pyannote[19].start 141.94971875
transcript.pyannote[19].end 150.69096875
transcript.pyannote[20].speaker SPEAKER_04
transcript.pyannote[20].start 150.91034375
transcript.pyannote[20].end 153.71159375
transcript.pyannote[21].speaker SPEAKER_04
transcript.pyannote[21].start 153.96471875
transcript.pyannote[21].end 160.46159375
transcript.pyannote[22].speaker SPEAKER_02
transcript.pyannote[22].start 160.54596875
transcript.pyannote[22].end 171.31221875
transcript.pyannote[23].speaker SPEAKER_04
transcript.pyannote[23].start 165.52409375
transcript.pyannote[23].end 166.09784375
transcript.pyannote[24].speaker SPEAKER_04
transcript.pyannote[24].start 171.19409375
transcript.pyannote[24].end 173.35409375
transcript.pyannote[25].speaker SPEAKER_02
transcript.pyannote[25].start 173.43846875
transcript.pyannote[25].end 176.49284375
transcript.pyannote[26].speaker SPEAKER_04
transcript.pyannote[26].start 175.42971875
transcript.pyannote[26].end 176.08784375
transcript.pyannote[27].speaker SPEAKER_03
transcript.pyannote[27].start 176.08784375
transcript.pyannote[27].end 176.15534375
transcript.pyannote[28].speaker SPEAKER_04
transcript.pyannote[28].start 176.49284375
transcript.pyannote[28].end 176.57721875
transcript.pyannote[29].speaker SPEAKER_03
transcript.pyannote[29].start 176.57721875
transcript.pyannote[29].end 192.72659375
transcript.pyannote[30].speaker SPEAKER_02
transcript.pyannote[30].start 183.68159375
transcript.pyannote[30].end 184.22159375
transcript.pyannote[31].speaker SPEAKER_00
transcript.pyannote[31].start 184.22159375
transcript.pyannote[31].end 184.23846875
transcript.pyannote[32].speaker SPEAKER_04
transcript.pyannote[32].start 191.10659375
transcript.pyannote[32].end 192.69284375
transcript.pyannote[33].speaker SPEAKER_04
transcript.pyannote[33].start 192.72659375
transcript.pyannote[33].end 193.06409375
transcript.pyannote[34].speaker SPEAKER_03
transcript.pyannote[34].start 193.06409375
transcript.pyannote[34].end 193.09784375
transcript.pyannote[35].speaker SPEAKER_04
transcript.pyannote[35].start 193.09784375
transcript.pyannote[35].end 193.18221875
transcript.pyannote[36].speaker SPEAKER_03
transcript.pyannote[36].start 193.18221875
transcript.pyannote[36].end 193.48596875
transcript.pyannote[37].speaker SPEAKER_03
transcript.pyannote[37].start 193.99221875
transcript.pyannote[37].end 194.00909375
transcript.pyannote[38].speaker SPEAKER_04
transcript.pyannote[38].start 194.00909375
transcript.pyannote[38].end 195.54471875
transcript.pyannote[39].speaker SPEAKER_03
transcript.pyannote[39].start 194.02596875
transcript.pyannote[39].end 212.41971875
transcript.pyannote[40].speaker SPEAKER_04
transcript.pyannote[40].start 197.35034375
transcript.pyannote[40].end 197.58659375
transcript.pyannote[41].speaker SPEAKER_04
transcript.pyannote[41].start 204.18471875
transcript.pyannote[41].end 204.74159375
transcript.pyannote[42].speaker SPEAKER_04
transcript.pyannote[42].start 205.16346875
transcript.pyannote[42].end 205.51784375
transcript.pyannote[43].speaker SPEAKER_04
transcript.pyannote[43].start 212.41971875
transcript.pyannote[43].end 239.77409375
transcript.pyannote[44].speaker SPEAKER_00
transcript.pyannote[44].start 217.71846875
transcript.pyannote[44].end 217.75221875
transcript.pyannote[45].speaker SPEAKER_00
transcript.pyannote[45].start 222.49409375
transcript.pyannote[45].end 223.48971875
transcript.pyannote[46].speaker SPEAKER_04
transcript.pyannote[46].start 240.87096875
transcript.pyannote[46].end 254.35409375
transcript.pyannote[47].speaker SPEAKER_04
transcript.pyannote[47].start 254.69159375
transcript.pyannote[47].end 266.08221875
transcript.pyannote[48].speaker SPEAKER_04
transcript.pyannote[48].start 266.57159375
transcript.pyannote[48].end 269.65971875
transcript.pyannote[49].speaker SPEAKER_04
transcript.pyannote[49].start 269.96346875
transcript.pyannote[49].end 271.48221875
transcript.pyannote[50].speaker SPEAKER_04
transcript.pyannote[50].start 272.41034375
transcript.pyannote[50].end 273.72659375
transcript.pyannote[51].speaker SPEAKER_02
transcript.pyannote[51].start 273.30471875
transcript.pyannote[51].end 276.29159375
transcript.pyannote[52].speaker SPEAKER_02
transcript.pyannote[52].start 276.79784375
transcript.pyannote[52].end 279.41346875
transcript.pyannote[53].speaker SPEAKER_02
transcript.pyannote[53].start 279.76784375
transcript.pyannote[53].end 281.15159375
transcript.pyannote[54].speaker SPEAKER_02
transcript.pyannote[54].start 284.57721875
transcript.pyannote[54].end 290.34846875
transcript.pyannote[55].speaker SPEAKER_04
transcript.pyannote[55].start 286.66971875
transcript.pyannote[55].end 287.69909375
transcript.pyannote[56].speaker SPEAKER_04
transcript.pyannote[56].start 288.50909375
transcript.pyannote[56].end 289.31909375
transcript.pyannote[57].speaker SPEAKER_04
transcript.pyannote[57].start 289.89284375
transcript.pyannote[57].end 308.64096875
transcript.pyannote[58].speaker SPEAKER_04
transcript.pyannote[58].start 308.99534375
transcript.pyannote[58].end 314.91846875
transcript.pyannote[59].speaker SPEAKER_04
transcript.pyannote[59].start 315.54284375
transcript.pyannote[59].end 319.93034375
transcript.pyannote[60].speaker SPEAKER_02
transcript.pyannote[60].start 319.93034375
transcript.pyannote[60].end 332.55284375
transcript.pyannote[61].speaker SPEAKER_04
transcript.pyannote[61].start 320.35221875
transcript.pyannote[61].end 321.60096875
transcript.pyannote[62].speaker SPEAKER_04
transcript.pyannote[62].start 327.35534375
transcript.pyannote[62].end 327.50721875
transcript.pyannote[63].speaker SPEAKER_04
transcript.pyannote[63].start 327.52409375
transcript.pyannote[63].end 327.65909375
transcript.pyannote[64].speaker SPEAKER_02
transcript.pyannote[64].start 332.56971875
transcript.pyannote[64].end 334.69596875
transcript.pyannote[65].speaker SPEAKER_04
transcript.pyannote[65].start 332.65409375
transcript.pyannote[65].end 332.97471875
transcript.pyannote[66].speaker SPEAKER_04
transcript.pyannote[66].start 334.25721875
transcript.pyannote[66].end 336.28221875
transcript.pyannote[67].speaker SPEAKER_01
transcript.pyannote[67].start 335.50596875
transcript.pyannote[67].end 335.59034375
transcript.pyannote[68].speaker SPEAKER_02
transcript.pyannote[68].start 335.59034375
transcript.pyannote[68].end 336.34971875
transcript.pyannote[69].speaker SPEAKER_01
transcript.pyannote[69].start 336.34971875
transcript.pyannote[69].end 336.38346875
transcript.pyannote[70].speaker SPEAKER_02
transcript.pyannote[70].start 337.98659375
transcript.pyannote[70].end 338.00346875
transcript.pyannote[71].speaker SPEAKER_01
transcript.pyannote[71].start 338.00346875
transcript.pyannote[71].end 338.50971875
transcript.pyannote[72].speaker SPEAKER_04
transcript.pyannote[72].start 338.25659375
transcript.pyannote[72].end 340.53471875
transcript.pyannote[73].speaker SPEAKER_01
transcript.pyannote[73].start 339.92721875
transcript.pyannote[73].end 340.26471875
transcript.pyannote[74].speaker SPEAKER_01
transcript.pyannote[74].start 340.65284375
transcript.pyannote[74].end 348.43221875
transcript.pyannote[75].speaker SPEAKER_04
transcript.pyannote[75].start 344.78721875
transcript.pyannote[75].end 345.12471875
transcript.pyannote[76].speaker SPEAKER_04
transcript.pyannote[76].start 348.02721875
transcript.pyannote[76].end 365.74596875
transcript.pyannote[77].speaker SPEAKER_01
transcript.pyannote[77].start 350.89596875
transcript.pyannote[77].end 351.16596875
transcript.pyannote[78].speaker SPEAKER_01
transcript.pyannote[78].start 356.81909375
transcript.pyannote[78].end 356.97096875
transcript.pyannote[79].speaker SPEAKER_00
transcript.pyannote[79].start 356.97096875
transcript.pyannote[79].end 357.20721875
transcript.pyannote[80].speaker SPEAKER_00
transcript.pyannote[80].start 365.61096875
transcript.pyannote[80].end 366.18471875
transcript.pyannote[81].speaker SPEAKER_04
transcript.pyannote[81].start 366.01596875
transcript.pyannote[81].end 394.50096875
transcript.pyannote[82].speaker SPEAKER_02
transcript.pyannote[82].start 389.21909375
transcript.pyannote[82].end 389.69159375
transcript.pyannote[83].speaker SPEAKER_02
transcript.pyannote[83].start 394.50096875
transcript.pyannote[83].end 400.66034375
transcript.pyannote[84].speaker SPEAKER_04
transcript.pyannote[84].start 400.77846875
transcript.pyannote[84].end 416.01659375
transcript.pyannote[85].speaker SPEAKER_01
transcript.pyannote[85].start 416.60721875
transcript.pyannote[85].end 416.87721875
transcript.pyannote[86].speaker SPEAKER_01
transcript.pyannote[86].start 418.31159375
transcript.pyannote[86].end 426.68159375
transcript.pyannote[87].speaker SPEAKER_04
transcript.pyannote[87].start 425.46659375
transcript.pyannote[87].end 427.47471875
transcript.pyannote[88].speaker SPEAKER_01
transcript.pyannote[88].start 427.47471875
transcript.pyannote[88].end 428.08221875
transcript.pyannote[89].speaker SPEAKER_04
transcript.pyannote[89].start 428.08221875
transcript.pyannote[89].end 428.60534375
transcript.pyannote[90].speaker SPEAKER_01
transcript.pyannote[90].start 428.09909375
transcript.pyannote[90].end 434.62971875
transcript.pyannote[91].speaker SPEAKER_04
transcript.pyannote[91].start 432.90846875
transcript.pyannote[91].end 441.05909375
transcript.pyannote[92].speaker SPEAKER_04
transcript.pyannote[92].start 441.58221875
transcript.pyannote[92].end 443.21909375
transcript.pyannote[93].speaker SPEAKER_01
transcript.pyannote[93].start 441.63284375
transcript.pyannote[93].end 441.78471875
transcript.pyannote[94].speaker SPEAKER_01
transcript.pyannote[94].start 443.16846875
transcript.pyannote[94].end 446.47596875
transcript.pyannote[95].speaker SPEAKER_04
transcript.pyannote[95].start 446.86409375
transcript.pyannote[95].end 449.15909375
transcript.pyannote[96].speaker SPEAKER_01
transcript.pyannote[96].start 449.37846875
transcript.pyannote[96].end 449.41221875
transcript.pyannote[97].speaker SPEAKER_02
transcript.pyannote[97].start 449.41221875
transcript.pyannote[97].end 458.25471875
transcript.pyannote[98].speaker SPEAKER_04
transcript.pyannote[98].start 458.25471875
transcript.pyannote[98].end 458.77784375
transcript.pyannote[99].speaker SPEAKER_02
transcript.pyannote[99].start 458.77784375
transcript.pyannote[99].end 461.89971875
transcript.pyannote[100].speaker SPEAKER_04
transcript.pyannote[100].start 461.89971875
transcript.pyannote[100].end 462.28784375
transcript.pyannote[101].speaker SPEAKER_02
transcript.pyannote[101].start 462.25409375
transcript.pyannote[101].end 466.25346875
transcript.pyannote[102].speaker SPEAKER_02
transcript.pyannote[102].start 466.86096875
transcript.pyannote[102].end 467.94096875
transcript.pyannote[103].speaker SPEAKER_04
transcript.pyannote[103].start 466.89471875
transcript.pyannote[103].end 476.29409375
transcript.pyannote[104].speaker SPEAKER_02
transcript.pyannote[104].start 473.08784375
transcript.pyannote[104].end 474.26909375
transcript.pyannote[105].speaker SPEAKER_02
transcript.pyannote[105].start 476.19284375
transcript.pyannote[105].end 477.25596875
transcript.pyannote[106].speaker SPEAKER_04
transcript.pyannote[106].start 476.78346875
transcript.pyannote[106].end 479.65221875
transcript.pyannote[107].speaker SPEAKER_04
transcript.pyannote[107].start 480.04034375
transcript.pyannote[107].end 493.87784375
transcript.pyannote[108].speaker SPEAKER_00
transcript.pyannote[108].start 486.57096875
transcript.pyannote[108].end 486.60471875
transcript.pyannote[109].speaker SPEAKER_02
transcript.pyannote[109].start 486.60471875
transcript.pyannote[109].end 487.12784375
transcript.pyannote[110].speaker SPEAKER_02
transcript.pyannote[110].start 494.36721875
transcript.pyannote[110].end 503.05784375
transcript.pyannote[111].speaker SPEAKER_04
transcript.pyannote[111].start 498.82221875
transcript.pyannote[111].end 499.07534375
transcript.pyannote[112].speaker SPEAKER_02
transcript.pyannote[112].start 503.83409375
transcript.pyannote[112].end 511.61346875
transcript.pyannote[113].speaker SPEAKER_04
transcript.pyannote[113].start 509.43659375
transcript.pyannote[113].end 510.06096875
transcript.pyannote[114].speaker SPEAKER_04
transcript.pyannote[114].start 511.61346875
transcript.pyannote[114].end 522.29534375
transcript.pyannote[115].speaker SPEAKER_02
transcript.pyannote[115].start 522.46409375
transcript.pyannote[115].end 528.28596875
transcript.pyannote[116].speaker SPEAKER_04
transcript.pyannote[116].start 528.60659375
transcript.pyannote[116].end 529.92284375
transcript.pyannote[117].speaker SPEAKER_02
transcript.pyannote[117].start 529.43346875
transcript.pyannote[117].end 530.68221875
transcript.pyannote[118].speaker SPEAKER_02
transcript.pyannote[118].start 530.88471875
transcript.pyannote[118].end 539.79471875
transcript.pyannote[119].speaker SPEAKER_04
transcript.pyannote[119].start 530.91846875
transcript.pyannote[119].end 531.79596875
transcript.pyannote[120].speaker SPEAKER_04
transcript.pyannote[120].start 540.21659375
transcript.pyannote[120].end 552.92346875
transcript.pyannote[121].speaker SPEAKER_02
transcript.pyannote[121].start 545.46471875
transcript.pyannote[121].end 546.03846875
transcript.pyannote[122].speaker SPEAKER_00
transcript.pyannote[122].start 546.03846875
transcript.pyannote[122].end 546.24096875
transcript.pyannote[123].speaker SPEAKER_00
transcript.pyannote[123].start 548.36721875
transcript.pyannote[123].end 549.21096875
transcript.pyannote[124].speaker SPEAKER_00
transcript.pyannote[124].start 549.48096875
transcript.pyannote[124].end 549.51471875
transcript.pyannote[125].speaker SPEAKER_00
transcript.pyannote[125].start 549.53159375
transcript.pyannote[125].end 550.20659375
transcript.pyannote[126].speaker SPEAKER_00
transcript.pyannote[126].start 552.75471875
transcript.pyannote[126].end 553.24409375
transcript.pyannote[127].speaker SPEAKER_02
transcript.pyannote[127].start 553.12596875
transcript.pyannote[127].end 553.14284375
transcript.pyannote[128].speaker SPEAKER_04
transcript.pyannote[128].start 553.14284375
transcript.pyannote[128].end 557.46284375
transcript.pyannote[129].speaker SPEAKER_02
transcript.pyannote[129].start 553.24409375
transcript.pyannote[129].end 553.39596875
transcript.pyannote[130].speaker SPEAKER_02
transcript.pyannote[130].start 557.80034375
transcript.pyannote[130].end 570.97971875
transcript.pyannote[131].speaker SPEAKER_04
transcript.pyannote[131].start 570.97971875
transcript.pyannote[131].end 571.43534375
transcript.pyannote[132].speaker SPEAKER_02
transcript.pyannote[132].start 571.01346875
transcript.pyannote[132].end 573.46034375
transcript.pyannote[133].speaker SPEAKER_04
transcript.pyannote[133].start 573.66284375
transcript.pyannote[133].end 587.44971875
transcript.pyannote[134].speaker SPEAKER_02
transcript.pyannote[134].start 575.97471875
transcript.pyannote[134].end 576.78471875
transcript.pyannote[135].speaker SPEAKER_00
transcript.pyannote[135].start 576.78471875
transcript.pyannote[135].end 576.81846875
transcript.pyannote[136].speaker SPEAKER_02
transcript.pyannote[136].start 583.41659375
transcript.pyannote[136].end 583.93971875
transcript.pyannote[137].speaker SPEAKER_02
transcript.pyannote[137].start 588.79971875
transcript.pyannote[137].end 589.72784375
transcript.pyannote[138].speaker SPEAKER_04
transcript.pyannote[138].start 589.71096875
transcript.pyannote[138].end 590.11596875
transcript.pyannote[139].speaker SPEAKER_02
transcript.pyannote[139].start 590.92596875
transcript.pyannote[139].end 591.92159375
transcript.pyannote[140].speaker SPEAKER_04
transcript.pyannote[140].start 591.19596875
transcript.pyannote[140].end 598.55346875
transcript.pyannote[141].speaker SPEAKER_02
transcript.pyannote[141].start 595.46534375
transcript.pyannote[141].end 596.25846875
transcript.pyannote[142].speaker SPEAKER_04
transcript.pyannote[142].start 598.84034375
transcript.pyannote[142].end 600.13971875
transcript.pyannote[143].speaker SPEAKER_02
transcript.pyannote[143].start 598.97534375
transcript.pyannote[143].end 599.44784375
transcript.pyannote[144].speaker SPEAKER_02
transcript.pyannote[144].start 600.81471875
transcript.pyannote[144].end 604.10534375
transcript.pyannote[145].speaker SPEAKER_04
transcript.pyannote[145].start 603.83534375
transcript.pyannote[145].end 604.15596875
transcript.pyannote[146].speaker SPEAKER_02
transcript.pyannote[146].start 604.15596875
transcript.pyannote[146].end 605.86034375
transcript.pyannote[147].speaker SPEAKER_04
transcript.pyannote[147].start 604.17284375
transcript.pyannote[147].end 604.18971875
transcript.pyannote[148].speaker SPEAKER_02
transcript.pyannote[148].start 606.26534375
transcript.pyannote[148].end 607.22721875
transcript.pyannote[149].speaker SPEAKER_02
transcript.pyannote[149].start 607.29471875
transcript.pyannote[149].end 607.32846875
transcript.pyannote[150].speaker SPEAKER_04
transcript.pyannote[150].start 607.32846875
transcript.pyannote[150].end 607.51409375
transcript.pyannote[151].speaker SPEAKER_02
transcript.pyannote[151].start 607.51409375
transcript.pyannote[151].end 616.23846875
transcript.pyannote[152].speaker SPEAKER_04
transcript.pyannote[152].start 607.53096875
transcript.pyannote[152].end 607.73346875
transcript.pyannote[153].speaker SPEAKER_00
transcript.pyannote[153].start 614.48346875
transcript.pyannote[153].end 614.50034375
transcript.pyannote[154].speaker SPEAKER_04
transcript.pyannote[154].start 614.50034375
transcript.pyannote[154].end 615.14159375
transcript.pyannote[155].speaker SPEAKER_00
transcript.pyannote[155].start 615.14159375
transcript.pyannote[155].end 615.15846875
transcript.pyannote[156].speaker SPEAKER_04
transcript.pyannote[156].start 615.15846875
transcript.pyannote[156].end 615.20909375
transcript.pyannote[157].speaker SPEAKER_02
transcript.pyannote[157].start 616.39034375
transcript.pyannote[157].end 623.39346875
transcript.pyannote[158].speaker SPEAKER_04
transcript.pyannote[158].start 621.95909375
transcript.pyannote[158].end 622.48221875
transcript.pyannote[159].speaker SPEAKER_04
transcript.pyannote[159].start 623.39346875
transcript.pyannote[159].end 646.93409375
transcript.pyannote[160].speaker SPEAKER_02
transcript.pyannote[160].start 626.26221875
transcript.pyannote[160].end 626.76846875
transcript.pyannote[161].speaker SPEAKER_02
transcript.pyannote[161].start 631.00409375
transcript.pyannote[161].end 631.59471875
transcript.pyannote[162].speaker SPEAKER_00
transcript.pyannote[162].start 631.59471875
transcript.pyannote[162].end 631.64534375
transcript.pyannote[163].speaker SPEAKER_00
transcript.pyannote[163].start 635.18909375
transcript.pyannote[163].end 635.71221875
transcript.pyannote[164].speaker SPEAKER_00
transcript.pyannote[164].start 636.52221875
transcript.pyannote[164].end 637.18034375
transcript.pyannote[165].speaker SPEAKER_04
transcript.pyannote[165].start 647.77784375
transcript.pyannote[165].end 653.34659375
transcript.pyannote[166].speaker SPEAKER_00
transcript.pyannote[166].start 649.36409375
transcript.pyannote[166].end 649.38096875
transcript.pyannote[167].speaker SPEAKER_02
transcript.pyannote[167].start 649.38096875
transcript.pyannote[167].end 649.88721875
transcript.pyannote[168].speaker SPEAKER_02
transcript.pyannote[168].start 653.34659375
transcript.pyannote[168].end 654.57846875
transcript.pyannote[169].speaker SPEAKER_04
transcript.pyannote[169].start 654.30846875
transcript.pyannote[169].end 655.97909375
transcript.pyannote[170].speaker SPEAKER_02
transcript.pyannote[170].start 655.43909375
transcript.pyannote[170].end 657.21096875
transcript.pyannote[171].speaker SPEAKER_04
transcript.pyannote[171].start 656.77221875
transcript.pyannote[171].end 659.74221875
transcript.pyannote[172].speaker SPEAKER_02
transcript.pyannote[172].start 659.06721875
transcript.pyannote[172].end 667.28534375
transcript.pyannote[173].speaker SPEAKER_04
transcript.pyannote[173].start 664.24784375
transcript.pyannote[173].end 665.19284375
transcript.pyannote[174].speaker SPEAKER_04
transcript.pyannote[174].start 667.28534375
transcript.pyannote[174].end 670.96409375
transcript.pyannote[175].speaker SPEAKER_02
transcript.pyannote[175].start 667.30221875
transcript.pyannote[175].end 668.55096875
transcript.pyannote[176].speaker SPEAKER_02
transcript.pyannote[176].start 670.20471875
transcript.pyannote[176].end 673.74846875
transcript.pyannote[177].speaker SPEAKER_04
transcript.pyannote[177].start 673.79909375
transcript.pyannote[177].end 690.97784375
transcript.pyannote[178].speaker SPEAKER_02
transcript.pyannote[178].start 675.52034375
transcript.pyannote[178].end 675.84096875
transcript.pyannote[179].speaker SPEAKER_02
transcript.pyannote[179].start 678.59159375
transcript.pyannote[179].end 679.13159375
transcript.pyannote[180].speaker SPEAKER_02
transcript.pyannote[180].start 681.46034375
transcript.pyannote[180].end 681.96659375
transcript.pyannote[181].speaker SPEAKER_02
transcript.pyannote[181].start 690.77534375
transcript.pyannote[181].end 691.29846875
transcript.pyannote[182].speaker SPEAKER_04
transcript.pyannote[182].start 691.29846875
transcript.pyannote[182].end 692.81721875
transcript.pyannote[183].speaker SPEAKER_02
transcript.pyannote[183].start 692.81721875
transcript.pyannote[183].end 695.58471875
transcript.pyannote[184].speaker SPEAKER_02
transcript.pyannote[184].start 696.05721875
transcript.pyannote[184].end 699.92159375
transcript.pyannote[185].speaker SPEAKER_04
transcript.pyannote[185].start 699.68534375
transcript.pyannote[185].end 703.63409375
transcript.pyannote[186].speaker SPEAKER_02
transcript.pyannote[186].start 704.02221875
transcript.pyannote[186].end 708.86534375
transcript.pyannote[187].speaker SPEAKER_04
transcript.pyannote[187].start 704.30909375
transcript.pyannote[187].end 705.16971875
transcript.pyannote[188].speaker SPEAKER_04
transcript.pyannote[188].start 705.97971875
transcript.pyannote[188].end 706.33409375
transcript.pyannote[189].speaker SPEAKER_02
transcript.pyannote[189].start 709.33784375
transcript.pyannote[189].end 723.66471875
transcript.pyannote[190].speaker SPEAKER_02
transcript.pyannote[190].start 724.25534375
transcript.pyannote[190].end 727.74846875
transcript.pyannote[191].speaker SPEAKER_04
transcript.pyannote[191].start 725.58846875
transcript.pyannote[191].end 725.82471875
transcript.pyannote[192].speaker SPEAKER_04
transcript.pyannote[192].start 727.90034375
transcript.pyannote[192].end 728.89596875
transcript.pyannote[193].speaker SPEAKER_04
transcript.pyannote[193].start 729.41909375
transcript.pyannote[193].end 731.08971875
transcript.pyannote[194].speaker SPEAKER_02
transcript.pyannote[194].start 731.15721875
transcript.pyannote[194].end 732.65909375
transcript.pyannote[195].speaker SPEAKER_04
transcript.pyannote[195].start 732.06846875
transcript.pyannote[195].end 732.89534375
transcript.pyannote[196].speaker SPEAKER_02
transcript.pyannote[196].start 732.79409375
transcript.pyannote[196].end 732.81096875
transcript.pyannote[197].speaker SPEAKER_02
transcript.pyannote[197].start 732.89534375
transcript.pyannote[197].end 738.02534375
transcript.pyannote[198].speaker SPEAKER_00
transcript.pyannote[198].start 736.82721875
transcript.pyannote[198].end 736.96221875
transcript.pyannote[199].speaker SPEAKER_00
transcript.pyannote[199].start 738.02534375
transcript.pyannote[199].end 745.70346875
transcript.pyannote[200].speaker SPEAKER_02
transcript.pyannote[200].start 738.05909375
transcript.pyannote[200].end 738.07596875
transcript.pyannote[201].speaker SPEAKER_02
transcript.pyannote[201].start 738.43034375
transcript.pyannote[201].end 738.93659375
transcript.pyannote[202].speaker SPEAKER_04
transcript.pyannote[202].start 745.95659375
transcript.pyannote[202].end 748.40346875
transcript.pyannote[203].speaker SPEAKER_00
transcript.pyannote[203].start 746.47971875
transcript.pyannote[203].end 746.61471875
transcript.pyannote[204].speaker SPEAKER_00
transcript.pyannote[204].start 747.12096875
transcript.pyannote[204].end 748.63971875
transcript.pyannote[205].speaker SPEAKER_04
transcript.pyannote[205].start 748.89284375
transcript.pyannote[205].end 767.05034375
transcript.pyannote[206].speaker SPEAKER_00
transcript.pyannote[206].start 756.58784375
transcript.pyannote[206].end 757.81971875
transcript.pyannote[207].speaker SPEAKER_00
transcript.pyannote[207].start 759.01784375
transcript.pyannote[207].end 759.13596875
transcript.pyannote[208].speaker SPEAKER_02
transcript.pyannote[208].start 767.05034375
transcript.pyannote[208].end 767.28659375
transcript.pyannote[209].speaker SPEAKER_04
transcript.pyannote[209].start 767.28659375
transcript.pyannote[209].end 768.45096875
transcript.pyannote[210].speaker SPEAKER_02
transcript.pyannote[210].start 767.96159375
transcript.pyannote[210].end 769.10909375
transcript.pyannote[211].speaker SPEAKER_04
transcript.pyannote[211].start 769.41284375
transcript.pyannote[211].end 770.96534375
transcript.whisperx[0].start 0.109
transcript.whisperx[0].end 0.129
transcript.whisperx[0].text 張委員長
transcript.whisperx[1].start 24.798
transcript.whisperx[1].end 49.39
transcript.whisperx[1].text 主委您好,因為國科會這幾年在做的事情都是在帶動整個台灣的產業競爭然後來做我們更多的產業的提升讓我們可以保持這個世界的競爭力那我在這邊非常的感謝那我其實我自己也非常關注國科會的一些相關研究那最主要的就是我自己的小孩是非常非常喜歡這個領域所以今天的問題我大概就問一下有關於核心技術還有CHECK GPT以及我小孩非常關注的一個叫做兒少科普的部分
transcript.whisperx[2].start 50.25
transcript.whisperx[2].end 77.48
transcript.whisperx[2].text 還有這個太空中心的發展所以我們接下來先來講這個國家的關鍵技術就是說在去年的時候我們有公告22項國家的核心關鍵技術對那這個領域呢就是大概在涵蓋了這個國防農業半導體太空以及資通安全那接下來就是說我們在因為在台灣的IC產業其實製造技術是領先全球那我們在這個台灣的市佔率呢
transcript.whisperx[3].start 78.66
transcript.whisperx[3].end 104.531
transcript.whisperx[3].text ﹝討論﹞
transcript.whisperx[4].start 105.632
transcript.whisperx[4].end 127.286
transcript.whisperx[4].text 我們去年12月5日公布以後我們說3個月會做滾動修正那事實上部會他們已經盤查就是說針對我們公布的5個大領域事實上部會應該是沒有新的修正但是我們也在看看他有那個技術以後他還要去找一些
transcript.whisperx[5].start 128.72
transcript.whisperx[5].end 128.96
transcript.whisperx[5].text 執行計劃與執行人。
transcript.whisperx[6].start 138.928
transcript.whisperx[6].end 159.98
transcript.whisperx[6].text 目前是沒有新的提出來那我們有一個top-down的是說我們有在看有一些技術也必須要再進來比如說一些生醫生技的一些技術對我了解那我想要知道說這個進度還是在因為3月已經過了一半嘛所以大概是在4月嗎4月會提供給大家讓大家知道有哪些是關鍵核心技術嗎
transcript.whisperx[7].start 160.7
transcript.whisperx[7].end 163.761
transcript.whisperx[7].text 所以聽起來是時程會再延後嗎?沒有,3月沒有延後
transcript.whisperx[8].start 176.587
transcript.whisperx[8].end 177.427
transcript.whisperx[8].text 公佈的時間是什麼時候?
transcript.whisperx[9].start 194.176
transcript.whisperx[9].end 198.72
transcript.whisperx[9].text 目前沒有要去做調整的部分那時候講3個月指的是這件事情那第二波的部分因為依照規定我們每年至少要開一次國家衡議會所以現在整體各部會就是在持續的盤點看看還有哪些需要的技術在納進來大概就跟委員報告
transcript.whisperx[10].start 212.472
transcript.whisperx[10].end 239.146
transcript.whisperx[10].text 好那這個部分的話我想我們可能也是要加速啦因為畢竟是核心關鍵技術啦那再來就是說那個領域如果有些新增的話可能也再提供給我們辦公室好不好好那再來第二個部分是想要講這個兒少科普的問題就是說其實因為STEM這個領域其實是未來的世代了是非常重要的一件事情但是我們其實這個領域男性是比較多的女性是比較少的孔子張表我們可以看到大概只有四分之一的女性是在這個領域
transcript.whisperx[11].start 241.199
transcript.whisperx[11].end 265.615
transcript.whisperx[11].text 我們其實有辦了很多的兒少科普活動但是我看到就是我們的人數像以國際女科學節科學日它的人數是越來越少那我想要先請教第一個問題是說我們的參與人次的計算評估標準110年是用觸及11年跟112年都是用觀看次數那這個衡量標準是不一樣的所以事後的review其實是很難去了解到底影響性是什麼
transcript.whisperx[12].start 266.656
transcript.whisperx[12].end 266.897
transcript.whisperx[12].text 主席
transcript.whisperx[13].start 284.842
transcript.whisperx[13].end 307.924
transcript.whisperx[13].text 我們來把它一致化這樣才會有一個曲線出來沒錯沒錯謝謝謝謝那第二個部分就是說因為我看這個就算是我們從11年相比我們的實際的觀看人次也是下降的然後我們的整體就像那個剛剛吳委員關注的這個科普列車我們一整年我看了一下第一個是觀看人數逐年下降第二個是我們其實
transcript.whisperx[14].start 308.985
transcript.whisperx[14].end 309.585
transcript.whisperx[14].text 現在你們有人次嗎?
transcript.whisperx[15].start 338.399
transcript.whisperx[15].end 364.738
transcript.whisperx[15].text 這些女性跟兒少科普通你們現在有人次嗎?包括委員我們對於每個專案我們有統計的人數所有的專案合起來這個我們還沒有這樣子的數字那這些詳細的數字可不可以提到我們辦公室讓我們去了解因為我想要說的是說因為觀看這個次數的話可能也許現在沒有正確的數字是比較有點失準但是以科教那種國際台灣科學日他們一年是有50萬人次所以我覺得這個是我們可以來看數字之後再做些詳細的討論
transcript.whisperx[16].start 366.079
transcript.whisperx[16].end 393.461
transcript.whisperx[16].text 接下來就是說我們現在雖然做的很多活動是針對女高中生那個科學日是對女高中生但是我想要問的第一個問題是說到底我們因為在選組高中就已經做不同的選擇了就已經是社會組跟自然組了如果我們想要爭取更多的STEM人才我們是不是應該要再往下提讓他到國中小就開始啟發他這個興趣我們才有可能未來鼓勵女性往這個方向去前進我們可不可以做這樣子的規劃
transcript.whisperx[17].start 395.563
transcript.whisperx[17].end 415.561
transcript.whisperx[17].text 謝謝 這個完全正確 我想我們朝這個方向來努力應該是很小就要來謝謝喔 那再來就是說第二個問題延伸的是我們這些人次上面我們有沒有去針對於小孩的意見回饋就是說他看完這個展之後他有沒有什麼樣的回饋 他覺得太深或太淺他覺得要怎麼調整 我們沒有收集相關的意見呢來
transcript.whisperx[18].start 418.342
transcript.whisperx[18].end 446.095
transcript.whisperx[18].text 報告委員事實上我們都有在做問卷調查例如說那個場域開放科普列車等等我指的是針對於兒少對這些活動其實都是針對高中國中國小所以也都涵蓋在兒少的範圍但是聽起來是量化有質化的研究去了解他們到底覺得這個內容怎麼樣因為我們才能夠去做更精進的修正嘛因為我們的目標是他那是不是有相關的質化研究有因為他們的問卷裡面他們都有一些回饋的意見
transcript.whisperx[19].start 447.55
transcript.whisperx[19].end 465.704
transcript.whisperx[19].text 所以都有相對應的修正是嗎?委員的提醒應該蠻重要就是說如果針對那個當事人就是小朋友他的回應會比較接近真實那這個我們來努力看看能不能找一些小朋友來
transcript.whisperx[20].start 467.066
transcript.whisperx[20].end 493.048
transcript.whisperx[20].text 我想如果現在有做一些意見回饋的話我也想要了解一下這些他們所提的意見那我們的修正計劃我們應對的計劃是什麼這個會被提資料到我們辦公室因為既然已經有了嘛那再來下一個問題就是有關於CHAT GPT那這個CHAT GPT我想我就直接講幾個重點就是說我們因為CHAT GPT需要非常不是CHAT GPT我們的台達計劃其實是非常需要大量的資料那我們現在有足夠的資料來去訓練我們這個這個大型的語言模組嗎
transcript.whisperx[21].start 494.403
transcript.whisperx[21].end 521.652
transcript.whisperx[21].text 我們目前就是因為那個也蠻時間蠻趕的只有1年那第一個那個7B的模型就是政府公部門的一些資料包括中央社的一些新聞whatever也就是有版權的我們就把它先訓練好那我想問一下它有一個一致的標準嗎因為政府的資料其實也是非標準各自自己上傳各自自己的資料可能標準是不一的那這樣子好用嗎
transcript.whisperx[22].start 522.833
transcript.whisperx[22].end 539.675
transcript.whisperx[22].text 我們是盡量去用,當然如果他沒有這個電子格式化當然就不能用目前應該是有,TB那個模型訓練出來是可以讓業界或者是政府單位來當作初步的一個basic engine
transcript.whisperx[23].start 540.307
transcript.whisperx[23].end 557.199
transcript.whisperx[23].text 所以因為剛剛之前有提到就是說4月會去釋出一個7B的可商用版本那第一個就是說這個時程有改變嗎?應該沒有變那第二個就是說因為其實CheckGPT也在做這件事情嘛那我們如何跟CheckGPT做競爭呢?我們如何吸引企業來使用?
transcript.whisperx[24].start 557.859
transcript.whisperx[24].end 585.496
transcript.whisperx[24].text 我們事實上企業一定會用我們因為我們是用班底中文然後他的一些理解是臺灣的culture那企業based on這個東西他就會發展他比如說銀行業他就會更貼近臺灣的一些生活好那我想這東西我們最後就來持續的追蹤使用的狀況那再來第三個最後一個問題這個領域的最後一個問題就是說百工百業政府提倡要百工百業用AI對不對那我們在哪一個產業是比較有競爭力的
transcript.whisperx[25].start 588.837
transcript.whisperx[25].end 589.497
transcript.whisperx[25].text 吳政忠列席報告業務概況.
transcript.whisperx[26].start 616.627
transcript.whisperx[26].end 618.148
transcript.whisperx[26].text 昨年Meta已經發表了70倍
transcript.whisperx[27].start 648.22
transcript.whisperx[27].end 672.894
transcript.whisperx[27].text 70B的這個版本我們接下來也有規劃一個70B的我們現在正在開發嘛對不對?正在開發參數量那個是Based on Meta的Lama2然後它有進階我們再拿來去教中文 版體中文那我理解了那那個必須要用非常大的超級電腦
transcript.whisperx[28].start 673.854
transcript.whisperx[28].end 673.874
transcript.whisperx[28].text 蘇貞昌議員
transcript.whisperx[29].start 704.074
transcript.whisperx[29].end 724.532
transcript.whisperx[29].text 我跟委員報告以臺灣的尺寸不可能去跟他競爭那麼大的但是我們運用我們的頭腦跟外面的結合事實上我們在金創臺灣計畫裡面有應該是未來五年計畫會到是200到300PF
transcript.whisperx[30].start 727.875
transcript.whisperx[30].end 733.661
transcript.whisperx[30].text 我目前的規劃是把它拉得比較長期一點因為這樣的話我們會跟上每個世代的最新的GPU
transcript.whisperx[31].start 745.913
transcript.whisperx[31].end 770.776
transcript.whisperx[31].text 謝謝!