loading...
在生成式人工智慧快速發展、各國競逐「主權AI」的趨勢下，數位發展部24日正式對外發布並介紹「臺灣主權AI訓練語料庫」，廣納高品質、具在地化特色的正體中文資料，作為台灣發展主權AI的重要基礎建設。
數位發展部指出，「臺灣主權AI訓練語料庫」已吸引超過200個政府機關投入，上架逾2千筆資料集，累計超過6億個詞元（tokens），內容涵蓋語言、文化、教育、生物、地理環境等多元領域，收錄具台灣文化特色的政府出版品與研究資料，希望讓AI模型在訓練過程中，更能理解台灣社會的語言使用、文化脈絡與生活情境。
數位發展部資料創新司長莊明芬表示，主權AI已成為確保國家競爭力與數位自主性的關鍵議題，而語料庫正是其中最核心的基礎之一。她以「土豆是什麼？」為例指出，若語料來源不同，AI可能回答「馬鈴薯」或「落花生」，顯示語料是否在地化，會直接影響模型回應的精準度。
在資料來源上，文化部提供公共藝術與文化資產等資料集，呈現台灣多元豐富的藝文風貌；教育部則上架涵蓋國語、台語、客語等多語辭典資料，有助於提升AI模型在用詞與語意理解上的精準度。內政部、海洋委員會等機關，也分別貢獻國家公園研究報告與海洋知識，成為AI訓練的重要「在地教材」。
為了讓政府與民間能「放心釋出資料、安心使用語料」，數位發展部也與經濟部智慧財產局合作，推出「臺灣主權AI訓練語料授權條款—第1版」，讓語料釋出有明確的授權依據，降低個別著作權協商的行政成本，並減少AI訓練可能引發的著作權爭議。
數位發展部次長侯宜秀指出，AI發展的護城河在於資料與人才，語料庫並非定期更新，而是採「24小時即時更新」機制，只要機關有新資料，就可隨時上架，未來資料量可望持續擴大。她也表示，台灣的AI發展無法閉門造車，建立主權語料庫，除了讓下一代使用的AI更貼近台灣語言與價值觀，也能因應既有中文資料可能存在的篩選或過濾風險，提供一個具民主社會價值的中文資料來源。
數位發展部說明，主權AI訓練語料庫第1階段由中央機關先行，第2階段擴及地方政府，第3階段則將與民間團體合作，未來希望吸引更多開發者、研究單位、學校及國際AI業者使用。即日起，AI模型訓練相關需求者可至「臺灣主權AI訓練語料庫」平台（https://taic.moda.gov.tw）申請帳號，使用台灣的語料，打造更理解台灣的AI。◇
