數發部客語語料新突破：台灣AI主權路徑更清晰

30 秒看重點

• 事件：數發部「臺灣主權AI訓練語料庫」新增兩千萬tokens客語語料，強化本土AI基礎。
• 意義：確保台灣數位主權，避免AI模型被特定文化或語言壟斷，促進本土語言應用。
• 影響：讓AI更「懂」台灣，加速本土AI發展，保護多元文化，提升在地生活便利性。

台灣為何要搶建「主權AI」？

在AI浪潮席捲全球之際，各國都在爭奪AI技術的制高點。過去，大型AI模型多由英語系國家主導開發，導致模型對中文、尤其像台灣這種多語言、多文化的獨特語境理解不足。想像一下，你的AI助理連「打拚」、「好食」或是客家特有的「亻厓」（ngài，我）都聽不懂，那再智慧的助理也變得不夠「聰明」，沒辦法真正服務台灣人的生活。數位發展部推動「臺灣主權AI訓練語料庫」的初衷，正是為了避免台灣的數位未來過度依賴國外大型模型，確保本土語言和文化的獨特性不被邊緣化，並能發展出更符合台灣社會需求的AI應用。這次新增的2000萬tokens客語語料，是繼原住民語料之後的又一重要進展，象徵著台灣在AI發展上，不僅重視技術領先，更將語言多元性和文化傳承納入國家戰略級的考量。這不僅是技術問題，更是攸關國家數位主權與文化認同的戰略佈局，讓未來的AI應用能更精準地服務包含客家族群在內的廣大民眾，也為台灣在國際AI舞台上，走出自己獨特的「AI發展路徑」鋪路，不再只是全球AI巨頭的跟隨者。

1. 2023-08：數發部發布「臺灣主權AI訓練語料庫」計畫，初期著重中文及原住民族語料蒐集。
2. 近期：宣布成功新增2000萬tokens客語語料，進一步完善本土多語言AI訓練基礎。

台灣怎麼看這件事？

這項進展對台灣的影響是全面且深遠的。首先，它為台灣在AI領域的「自主性」打下堅實基礎，確保我們的AI模型能理解並反映台灣獨特的社會、文化與語言脈絡，對於發展政府服務、智慧教育、文化內容創作等本土AI應用至關重要。其次，對於客家族群而言，這代表著客語在數位時代將獲得更強大的支持，有助於語言的保存與推廣。想像一個能流暢使用客語進行對話、翻譯的AI應用，將能大幅提升客語數位化程度，讓客家文化能在新科技中找到新的生命力。這也是對全球AI發展的一個啟示：一個具備多元語言能力的AI，才能真正實現「普惠AI」的願景，服務全球每一個角落，而不僅限於少數強勢語言使用者。同時，這也鞏固了台灣在全球AI供應鏈中「軟硬體兼顧」的獨特地位，不再只是硬體「護國神山」的代工者，更是能提供在地化AI解決方案的創新者。

編輯觀點

數位發展部這次客語語料的突破，展現了台灣在AI時代的遠見與魄力。在全球AI軍備賽中，資源與技術是基本，但「在地化」的資料庫才是真正能讓AI模型落地生根，產生實際價值的關鍵。這不僅是技術成就，更是一項重要的文化與國家戰略投資。台灣的多元文化是我們最珍貴的資產，透過「主權AI」的建構，我們正在為台灣的語言與文化在數位世界中爭取一席之地，意義超越了單純的科技進步。期盼未來能看到更多原住民族語、台語等本土語言語料的加入，讓台灣的AI真正成為反映這片土地智慧與多元的智慧結晶。

常見問題

什麼是「臺灣主權AI訓練語料庫」？

它是一個由台灣政府建立，包含多種本土語言和文化脈絡的資料庫，旨在訓練專屬台灣的AI模型，確保AI服務能更貼近在地需求與文化。

為什麼要特別建立客語語料？

客語是台灣重要本土語言之一，建立其語料能讓AI模型理解客語，促進客家文化在數位時代的保存與傳承，並發展客語AI應用。

「tokens」是什麼意思？

「Tokens」是AI語言模型處理文字的基本單位，可以是一個詞、一個字或是一個標點符號。2000萬tokens表示新增了大量的語言資料供AI學習。

這對一般民眾有什麼影響？

未來民眾可能會用到更「懂」台灣話、台灣文化的AI應用，例如客語的智慧助理、翻譯工具，讓生活更便利，文化交流更深入。

台灣的AI發展方向是？

台灣的AI發展正朝向「軟硬整合」及「在地化應用」邁進，不僅在半導體硬體製造具優勢，也積極透過「主權AI語料庫」等計畫，確保AI技術能服務台灣多元社會需求。

名詞小教室

語料庫 (Corpus)

想像成一本巨型字典和百科全書的綜合體，裡面裝滿了人類說過、寫過的大量文字和語音資料，是AI學習語言的「教科書」。

Tokens

可以把「tokens」理解為AI學習語言時的最小單位，就像我們讀書時的一個字、一個詞或一個標點符號，是構成語料庫的基本零件。

主權AI (Sovereign AI)

指一個國家擁有自主權，能夠控制、開發並運用符合自身文化、語言和法律規範的AI技術與模型，避免受制於他國。