數發部啟動民間語料徵集 擴大臺灣AI訓練資料庫
記者吳典叡／臺北報導
由於國際大型AI模型大量採用中國大陸網路語料訓練，可能導致模型在歷史、政治等議題受到中國大陸觀點影響。數位發展部長林宜敬今（15）日指出，數發部啟動民間語料徵集計畫，鼓勵民間自願提供具臺灣觀點資料、著作，用於訓練AI語料，並開放全球AI開發團隊使用，期盼讓臺灣觀點透過AI傳遞至全球。
數發部今日在digiBlock C數位創新基地舉辦「臺灣主權AI訓練語料庫啟動民間語料徵集」記者會，林宜敬表示，面對AI發展，並非要限制AI可以回答什麼，而是必須正視大型語言模型（LLM）訓練資料來源所造成的影響。其中，以「臺灣觀點AI評測」為例，「二次大戰中國戰場的主力是國軍還是共軍？」。數發部用這類具有臺灣社會共識、但中共官方敘事不同的問題，來測試大型語言模型。
林宜敬說，「LLM不只是語言能力問題，也可能受到訓練資料與不同歷史敘事影響」的案例。甚至，有些大型模型甚至會回答「共軍」，因此臺灣的AI評測中心才把這類題目納入「臺灣價值觀／臺灣觀點」的評測。
林宜敬也說，國際間對AI使用著作權內容進行模型訓練，仍在討論相關規範，形成共識可能需要數年時間。不過，隨著AI技術快速發展，臺灣不能等到規範底定後才行動，否則，臺灣觀點恐難透過AI傳遞至全球。為此，政府推動民間語料徵集計畫，希望增加具臺灣觀點的AI語料。
林宜敬表示，除釋出政府擁有的著作，也向民間徵集語料，並開放臺灣及全球AI開發團隊使用，包括美國、日本及中國大陸等地；徵集語料僅限用於AI訓練，AI生成內容不得直接重製原文，須經過轉化，以符合合理使用原則。
數發部指出，該項計畫採自願性參與，而非強制參加，若未來作家、出版社想法有變，也能隨時終止授權；林宜敬也以作家身分率先響應，將個人著作授權作為AI訓練語料，希望藉此帶動更多民間創作者參與。