什麼是新創最需要的幫助？
我認為對新創團隊來說，資金跟辦公空間都還好處理，但是如果要做突破性的技術，往往會受到規模不夠的限制。
因為新創講求快速反應，常以短小精悍的團隊來運作。可是如果遇到較大的計畫，需要投入很高的開發成本時，就會讓新創團隊退卻。
這次科技部釋出的AI語音數據庫就是令人讚賞的作法
在開發AI語音時，必須搭配完整的語音資料庫來訓練模型，重複地校準、修正，來提升語音辨識的精確度。
可是過去在這一塊，市場缺少完整充裕的中文資料庫，且現有的多以中國為主，不但與台灣的腔調不同，也缺乏穿插台語的使用習慣。因此想開發台灣自己的語音AI，就必須要先建立一個龐大的語音資料庫。可惜的是一般民間機構很難大到像國外一樣成立數據科學團隊，這樣的前期投入，就成了新創的一大障礙。
科技部釋出的語音資料庫不但長達400小時，並且經過人工校對精確標記，可以縮短資料訓練時間，降低語音技術發展門檻，可以說是政府直接提供了民間槍砲彈藥阿！
日前在座談會上我也有提到，科技部的AI中心不應該將自己限縮為一個學術機構，用論文數作為KPI。而是從社會需求中發掘題目，讓自己成為新創的大腦中樞。
科技部投資數百億成立的四個AI中心，應該成為類似 Kaggle 這樣的平台，讓民間來提供數據以及問題，再由AI中心協助找出答案！
像是：
「計程車的浮動費率如何達成供需平衡？」
「哪篇內容農場文是機器人產出的惡意攻擊？」
「如何提升乳房攝影片的乳癌判斷準確率？」
這些都是與社會高度相關，也需要AI中心的技術支援。語音資料庫的作法令業界精神一振，包括我在內的好多科技人，都躍躍欲試地想看能玩出什麼新點子！期待之後的AI中心，能夠化身台灣版的Kaggle，成為民間新創的大腦中樞！
kaggle資料庫 在 【Star Rocket】實作機器學習做資料分析（零基礎初學者） 的推薦與評價
Contribute to StarRocket/Machine-learning-starter-with-kaggle-data ... 人才；同時，也透過內容產製跟資料庫的建立，追蹤紀錄創新故事，啟發人們踏入創新航道。 ... <看更多>