# AI . FREE Team

## Topic 1: Eric(AI鬥智賽:錯別字識別)
- 影像前處理：旋轉校正
- 梯形->正方形
- 再針對角度進行旋轉（ opencv 仿射轉換）
- 如何找到表格四角座標
- 多任務分類器
- task1 & task2 需要有點關聯
- 有效利用不同的資料集來更新權重（其中一個資料集不夠大的時候能有效提升表現）
- Gamma Correction & Binarization

### QA
Q1(Hank黃):現階段這個技術除了中文方塊字，有機會在稍微修改後應用在哪些其他語言文字的識別嗎(如:韓、日文?)
Q1.1:假設小朋友使用不同類型的筆來寫字，造成要掃描的字體出現原先未設定的變項(e.g.原子筆墨水暈開、鉛筆很鈍所以筆劃很粗、未來小朋友用類似Ipad去寫字...諸如此類的狀況)，那會不會對模型判斷準確度產生影響
Q1.2:那標註資料的工作如果委請國文系或者教育學系的專業人士(研究生)來標註會不會更符合用戶端的需求

Q2: Eric 寫的字 拿來幹什麼? data augmentation?
Q2-1: 【如何確認 Eric 沒有閱讀障礙亞型】?為什麼不用 printed word? 字醜的人是不是容易被辨識出閱讀障礙?
Q2-2: 所以智商可以診斷出閱讀障礙亞型?

Q3: Grey 應該是單純拼錯字? 還是有什麼特點?

Q4: 轉換前後只有外框變正了, 小框框內的字沒有因為框框移動而跟著移動

HarrisCorner
Dilation & Erode

Q5: 聽起來比較像是multi-classes 的分類任務，好像沒有聽到哪邊有用到多任務

## Topic 2: Hank黃(AIGC年會摘要分享)

表達慾望 / 人與AI的區別 --> ChatGPT 平均言論
請 ChatGPT 角色扮演，它會維持人設

### ChatGPT七宗罪(尹相志)
- GPT -> 劇情缺乏邊界感
- 很難寫出創新、前所未有的東西
- 還是需要人類去做同步修正
- 可以給作家風格/提示讓GPT不用處理太抽象的一些撰寫

### 打造全體員工AI思維 / 林煒勛(Amazing Talker)
- 根據 User Demand build SQL 報表
- Role + Prompt + 限制範圍
- AutoGPT 做事 --> 描述好目標

### Enterprise Prompt Engineering / 陳照元（玉山銀行）
- Lack domain knowlege --> Finetune 不見得更好
- 生成回答 --> 摘要改寫
- 理想狀況：Embedding Similarity Retriever --> 但客戶不會問問題 --> GPT一直生成同樣的回答
- 解方：
- Hypothetical Document Embeddings
- 提高搜尋準確度、速度
- 不用即時生成可以先撰寫虛擬回答
- Classification Prompt Tree
- All in prompt -> Prompt Injection
- 有被攻擊的風險
- 容易洩漏個資

### QA
Q1: 溫度值 是什麼意思呢？這個溫度值的設定，是在撰寫小說時使用 ChatGPT 需要特別注意到的嗎？

Q2: GPT-4不是聯網的嗎?要怎麼保證客戶資料安全

Q3: Classification Prompt Tree: Level / node /token, what's the meaning of token?

Q4. What is 人員盡職調查?
* 財務盡職調查：評估企業或個人的財務狀況，包括負債、資產、收入、支出等。這有助於確定是否存在財務風險。
* 法律盡職調查：檢查有關企業或個人的法律文件、訴訟記錄、知識產權權利、合同等，以確保他們是否存在法律風險或法律義務。
* 商業盡職調查：研究企業的運營、市場地位、競爭對手、供應鏈和其他商業因素，以評估市場和競爭風險。
* 技術盡職調查：對技術、專利、知識產權和研發項目進行評估，以確保技術上的可行性和價值。
* 稅務盡職調查：檢查企業或個人的稅務紀錄和稅務負擔，以確定是否存在稅務風險或機會。
* 環境盡職調查：評估企業的環境影響，包括可能的環境污染和法律合規性問題。
* 合規性盡職調查：確保企業或個人是否遵守適用的法律、法規和規定，以防止法律風險。