數位發展部於2024年6月18日宣布啟動「主權AI訓練語料庫」計畫，首波將釋出涵蓋台灣多元語言的資料，包含客語與原住民語，並將逐步擴及文化、歷史與地理等多元面向。這項政策不只是純粹的數據開放，更是台灣科技自主與文化保存的重要里程碑，值得高度關注。
在全球AI競賽越演越烈的背景下，語料庫作為AI訓練的基石，其內容多寡與多樣性直接決定模型的效能與公平性。過往，政府與企業多依賴既有公文書或主流語言資料，容易產生偏誤，難以代表台灣豐富的語言生態，包括如客語與原住民語等多元族群語言。數位發展部不僅整合各部會現有語言資源，更籌劃一套完整的資料治理架構，強調資料自主與授權透明度，預計兩到三個月內釋出第一批公開資料，對象涵蓋政府法人與產業應用。此外，資料使用也將伴隨AI語料授權條款，確保後續使用合規合理。
這個主權AI語料庫計畫映射出台灣產業在人工智慧領域追求自主化與在地化的趨勢。當前全球資安與數據控制話題熱烈，「誰掌握了資料，誰就掌握未來」成為不爭的真理。台灣位處半導體產業鏈核心，若能同時搶占AI核心技術軟體面的語言資料優勢，將大幅提升技術研發與產品應用的競爭力。更重要的是，納入客語與原住民語等語料，不僅避免AI系統產生語言歧視，更有助於保存並傳承多元文化，符合社會永續發展需求。這與近期政府積極推動文化資產數位化的政策相呼應，從語言到文化保存，一氣呵成。
從使用者角度來看，未來掌握主權AI語料庫的本土AI應用將更貼近台灣民眾生活，無論是智慧客服、教育輔助，還是醫療健康與智慧製造，都能因為訓練基底更本地化而更精準、更有溫度。與此同時，此舉可避免台灣成為國際大廠外包資料的附庸，提高產業自主研發空間。尤其在近來國際間資安疑慮與資料保護法規影響下，台灣建置一套透明開放又具安全保障的語料庫，正好回應業界與社會對AI可信度的高期待。這是科技驅動經濟轉型的關鍵步驟，也是對新興AI基本法框架下資料治理的重要試金石。
不過，建構有規模且多元的主權AI語料庫絕非易事。如何取得足夠高品質且真實反映多元語言使用行為的資料，是挑戰之一；另外，如何在資料授權與隱私保護間取得平衡，也是政府與業界必須持續優化的課題。台灣在推動半導體產業全球領先的同時，此次AI語料庫攻堅戰更顯重要，因為軟體與資料是驅動下半導體以及智慧製造技術成功應用的關鍵。未來隨著AI技術加速滲透各行各業，主權AI語料庫的成功，將決定台灣在全球新一波科技浪潮中的話語權與競爭力。
整體來看，這次數位發展部主權AI訓練語料庫的啟動，遠非單純資源公開，而是台灣搶先布局全球AI關鍵資產的前哨站。它融合了技術創新、文化多元以及產業自主的多重價值。對台灣未來數位發展的影響，不僅關乎產業，更直接攸關每個人日常生活中科技體驗的品質與公平性。我們不妨持續關注後續語料開放進度，期待這項策略能真正轉化為台灣AI競爭力翻身的關鍵推手。
參考來源：
台灣AI訓練語料庫將釋出首波資料 客語、原住民語全入列（Yahoo新聞，2024年6月18日）