30 秒看重點
- 事件：數發部啟動民間資料徵集，擴充「主權AI」訓練語料庫。
- 意義：擺脫國外LLM對繁體中文及台灣文化理解不足的困境。
- 影響：台灣企業與開發者將有更接地氣的台語與繁中AI工具。
這不只是收集資料，更是台灣在AI時代的「文化科技自衛擊」。透過建立屬於我們自己的高品質台語與繁中語料庫，我們才能確保未來的AI機器人說的是「台灣話」，而非被外國價值觀定義的文字。
關鍵數據：研調指出今年全球AI支出估增49.5%，主權AI基礎建設已是各國必爭之地。
為什麼台灣非得擁有自己的「主權AI」不可？
現在我們常用的 ChatGPT 或 Claude 雖然中文流利，但本質上是用西方或簡體中文語料庫訓練出來的。這就像請一位外國漢學家來當台灣中小企業的客服，他可能懂四書五經，但絕對不懂「巴比Q了」或「打拋豬放番茄」這種在地梗，甚至可能在敏感議題上給出非台灣主流價值的回答。數發部這次發動「民間資料徵集」，就是要將台灣在地的生活對話、台語、客語、甚至地方文史資料打包，餵給我們自己的大語言模型（如 TAIDE）。這就像是為台灣的 AI 打造一個專屬的「台灣大腦」，讓未來的 AI 應用不再水土不服，真正落實技術自主。
- 2023-04 國科會推出台灣自主研發的「TAIDE」繁體中文大語言模型。
- 2024-05 數發部與民間社群合作，著手規劃台語及在地文化語料庫。
- 近期 數發部正式啟動民間資料徵集，號召全民擴充台灣主權AI語料。
台灣怎麼看這件事？
對台灣的科技業與軟體開發者來說，這是一場及時雨。長期以來，台灣新創在開發在地化 AI 服務時，常面臨「買不起國外 API」或「國外模型不夠懂台語」的雙重困境。一旦數發部的主權AI語料庫建立完成並開源，台灣的中小企業就能用極低的成本，訓練出最懂台灣客群的 AI 智能客服、法律助理或台語語音導覽，大大提升台灣軟體產業的國際競爭力，擺脫硬體強、軟體弱的刻板印象。
編輯觀點
發展「主權 AI」不是口號，而是攸關國家安全的數位基礎建設。台灣擁有頂尖的半導體硬體，但如果軟體大腦（模型與語料）都裝別人的，無異於在沙灘上蓋城堡。數發部此舉方向正確，但後續的「資料著作權」篩選與「資料清洗」速度，將決定這個主權AI能不能在瞬息萬變的模型競爭中，真正發揮商用價值。
常見問題
- 什麼是主權AI？
- 指由國家自主掌控、訓練，並符合該國文化、法規與價值觀的AI系統，避免科技主權受制於國外企業。
- 為什麼國外的ChatGPT不夠台灣人用？
- 國外模型多以英文或簡體中文訓練，容易出現用詞不道地（如使用「視頻」、「質量」）或不懂台灣特有文化的問題。
- 這次數發部徵集的民間資料包含什麼？
- 主要徵集具台灣在地特色、無版權爭議的繁體中文、台語、客語等文本、語音及在地文史資料。
- 我提供資料會有版權問題嗎？
- 數發部會有一套嚴格的授權與篩選機制，確保徵集來的語料符合著作權法，並保護個人隱私。
- 這對一般台灣民眾有什麼好處？
- 未來我們使用的公部門服務、在地AI客服或教育軟體，會更懂台灣人的說話習慣與在地台語，溝通更順暢。
名詞小教室
- 大語言模型 (LLM)
- 就像一個讀過全世界圖書館書籍的超級「文字接龍高手」，能根據你給的題目，猜出下一個最合理的字詞。
- 主權AI (Sovereign AI)
- 這就像是國家自己蓋的「圖書館兼智庫」，裡面藏書和研究員都聽命於本國，確保國家文化與機密不外流。