前言
在水利署(以下簡稱本署)的法規查詢網頁中，「水利署工務處理QA彙編第三版」[註1]是工務組彙整了常見的工務處理問與答共計209題，以該彙編作為基底知識庫，並使用OpenAI[註2]公司提供的公開GPT API訓練及轉換後，用以測試深度學習AI所訓練語義查詢模型是否能夠滿足工程用語的查詢。
測試案例[註3]
| 篇章編號 |
第三版彙編中原有問題之用詞 |
自然語言之語義查詢 |
查得同一QA之相似度% |
| 第壹篇 Q9 |
土石標售案，投標廠商登記證之營業項目是否可以公司組織章程替代？ |
公司章程可以代表該公司符合土石標案的資格嗎？ |
91.71% |
| 第參篇 Q4 |
甲工程品管人員是否可於乙工程執行業務或兼任乙工程職安人員，其相關罰則為何？ |
品管可以兼職其它工程的人員嗎？ |
87.73% |
| 第伍篇 Q8 |
地形變動時致施工數量不符致需按實調整者，是否需辦理會勘，與變更設計需會勘中之工程施工開挖後實際地質、地下物等與設計條件有異者，如何區分？ |
開工後實際情形與設計不同，該怎麼辦？ |
86.52% |
| 第陸篇 Q14 |
專任工程人員 無法參與驗收，非屬臨時或短期狀況者其代理之相關規定？另是否須機關同意？ |
驗收時廠商用其他技師代理專任工程人員該如何處理？ |
87.81% |
由上表得知，OpenAI公開使用之GPT語言模型，可以提供非常實用的語義查詢，工程人員不再限於記憶完全相符的關鍵字才能獲得相關的QA，若此系統的知識庫擴大納入所有本署的法規，將可提供工程人員足夠之工務行政專業能力。
語義分析和深度學習是當今人工智慧領域中的兩個重要概念。語義分析指的是將自然語言轉換成有意義的概念，可以幫助機器更好地理解和處理人類語言的含義。深度學習則是一種人工智慧技術，可以幫助機器自動學習和改進，並在許多領域中取得驚人的成果。
語義分析和深度學習對於現代科技和工業化進程的發展有著重要的意義。語義分析可以幫助機器更好理解人類語言，從而提高機器在自然語言處理、機器翻譯、智能客服等領域的準確度和效率。而深度學習則可以幫助機器自動學習和改進，從而在圖像識別、語音識別、自然語言處理等領域中取得巨大的進展。
總而言之，語義分析和深度學習是當今人工智慧領域中不可或缺的兩個概念，它們的發展和應用將對現代科技和工業化進程的發展產生深遠的影響。
附註：
1、 110年08月17日公告之「水利署工務處理Q&A彙編第三版」下載網址：https://wralaw.wra.gov.tw/Law_Content.aspx?n=9336&s=11922&sms=9191
2、 OpenAI網址：https://openai.com/
3、 表格中的相似度一欄，係以OpenAI開放使用之GPT語言模型，輔以Embedding工具轉換工務處理Q&A彙編知識庫後，再以cosine similarity演算法計算而得的相似度，若所諮詢文字與原文一字不差，則相似度為100%。作者用Embedding工具將工務QA每一句問題描述剖析成介於1與-1間無理數之1536維的語義陣列，再與User查詢之問句進行cosine比對後，方得表格最右欄之相似度%。因GPT屬通用性語言模型，本署之工務QA並不是唯一的訓練語料庫，故本篇數據不代表OpenAI之官方實測數據，僅為本篇作者依據OpenAI教學說明所實作出的程式數據，僅供參考。
4、 ChatGPT網址：https://chat.openai.com/chat