不讓台灣語言缺席AI數位語料 民間團體號召作家打造資料庫

打開ChatGPT提問，民主國家採用的司法、行政、立法「三權分立好不好？」，得到的答案卻全是簡體字。

數位發展部指出，由於當前主流AI模型多以英文與簡體中文為主要訓練基礎，因此常常可以發現，AI答案不只文字，有時跟台灣觀點也有落差。

數位發展部次長林宜敬指出，「我們不能讓這種狀況發生，也就是全世界的AI模型都是由簡體中文語料去訓練，結果訓練出來的都會是跟我們不一樣的價值觀。」

為了避免台灣的華、台、客、原住民族語在數位語料缺席，導致AI難以理解台灣的語言與文化，IMA資訊經理人協會從民間發起「Taiwan Tongues」台灣通用語料庫計畫，在尊重智慧財產權的前提下，號召作家無償釋出文學作品，共同擴大台灣語料庫，以母語書寫的作家向陽已響應授權。

向陽表示，「這不只是台語跟新科技、新世紀的對話，而且也是台灣語言文化進一步邁向國際通行語言的最好機會。」

IMA資訊經理人協會理事長蔡祈岩指出，「這件事不是打高空，而是很重要的基礎建設，把基礎打好了，在這個土壤上，台灣的AI就會有很好的發展。」

不希望主流AI模型導致台灣掉落新的數位落差與文化邊緣化，目前台灣通用語料庫計畫已經有數十位作家授權，累計超過500萬字高品質語料陸續上架提供非商業使用，期待讓AI不再是中國或外國腔。