（中央社記者趙敏雅台北15日電）台灣主權AI訓練語料庫自去年底上線，已累計約5000筆資料集、超過22億詞元（tokens）。數發部長林宜敬今天宣布啟動民間語料徵集，現階段以具豐富語料資源的出版業及電子書平台為合作對象，號召更多民間創作力量加入，打造具台灣特色的可信賴AI。
數發部今天舉行「台灣主權AI訓練語料庫啟動民間語料徵集」記者會，林宜敬率先以作家身分響應，另外，秀威資訊、印刻文學、Readmoo讀墨、食力、巨思文化等出版及電子書平台業者，以及作家藍弋丰等人出席簽署授權同意書。
林宜敬表示，AI模型對民主、權力等概念的理解，會受到訓練語料蘊含的社會與文化脈絡影響，目前國際大型語言模型的中文訓練資料，仍多以簡體中文內容為主，要讓AI更理解台灣，就必須讓台灣的語言、文化與價值，成為AI學習的一部分。
林宜敬指出，每當新科技對著作財產權帶來衝擊時，社會通常需數年才會形成共識，目前各國都有不同做法，隨著AI技術快速發展，「我們不能等」，否則國際大語言模型，甚至台灣自己的大型語言模型，提供的回答可能都沒有台灣觀點。
林宜敬表示，數發部成立台灣主權AI訓練語料庫，廣納高品質、具在地化的正體中文語料，已將政府擁有著作權的資料逐步放入，提供台灣、美國、日本等AI開發團隊使用，「如果有中國團隊想使用，也相當歡迎」。
林宜敬說明，民間語料徵集採自願參與，並非強制要求創作者提供作品，若未來作家想法改變，也能終止授權。他強調，授權資料僅限用於AI訓練，此外，目前國際間認為重要原則之一就是不能原文照抄，必須經過轉製（transformation），才算是合理使用。
數發部資料創新司司長王復中表示，台灣主權AI訓練語料庫自去年12月推動至今，採取「先政府再民間，先中央再地方」策略，由於政府資料已累積至一定規模，數發部將語料來源擴大至民間。
王復中指出，現階段以具豐富語料資源的出版業及電子書平台為合作對象，採無償授權方式推動；作者如有意願提供個人著作，可由出版社協助上架至語料庫。重點徵集內容包含經同意授權的出版品、出版品簡介、出版品試閱內容、已逾著作權保護期間並可作為公共財活化運用的典籍與創作。
至於數發部是否會審核民間內容，王復中回應，民間徵集主要由出版社負責篩選及把關品質，平台僅檢核內容結構、資料格式，以及資料是否適合供AI訓練等，不會干預內容。
數發部表示，邀請作者、出版社、文化機構、法人單位及各領域內容提供者共同參與，讓更多台灣原生內容成為支持台灣主權AI模型發展的重要養分，使AI模型更加理解台灣的語言、文化、歷史與社會脈絡。（編輯：張均懋）1150915