數發部民間語料徵集計畫 豐富本土語料資源

AI科技持續發展，不過國際上不少AI模型，大量採用中國網路語料訓練，導致臺灣觀點相對缺乏，數發部先前推出，臺灣主權AI訓練語料庫，現在更推動民間語料徵集計畫，希望能夠蒐集到更多臺灣本土的語料資源。 數發部先前推出臺灣主權AI訓練語料庫，希望能夠提升AI模型，對臺灣在地語言、文化，還有生活情境的辨識力，現在數發部進一步推動民間語料徵集計畫。 數發部資料創新司長 王復中：「內容的多元跟豐富，那包括這邊舉例的，不管是文化、藝術、語言，那我們也有不同的語言，包括我們的台語、我們的客語，甚至未來我們在即將，我們會納入的原住民語，都是我們這個語料庫裡面的一個部分。」 在AI時代，不少國家都積極投資，及建立自己的主權AI，不過以華語來說，國際上的大型語言模型，大多是使用來自中國的無版權語料，進行後續的訓練，因此數發部先從政府單位開始，蒐集來自本土的語料，現在更鼓勵民間，提供具有臺灣觀點的資料以及著作。 數發部長 林宜敬：「對於那個客語的資料，還有原住民語的資料，我們都非常有興趣，但是我們這個事情，現在剛、才剛剛開始，那我們現在就是，有各種語料我們都歡迎，但是我們現在是以這個，出版社出版的這個書為主，這個語料徵集是志願性的，就是作者把他的語料開放出來，有一個好處就是可以讓世人，更清楚地了解他的作品。」 臺灣主權AI訓練語料庫，從一開始的6億個詞元，到目前已經超過20億個，不少民間出版社與作家也簽署授權，跟數發部合作訓練AI語料，未來也有機會擴大到客語、河洛語及原住民族語，讓臺灣語言文化也能透過AI傳遞到全球。