廣告
台灣主權AI訓練語料庫上線！數發部攜手200個機關打造本土語料資源 逾6億tokens
出版時間：2025/12/24 15:58
【記者蕭文康／台北報導】在全球 AI 快速發展的浪潮下，台灣當然也不能缺席！數位發展部今（24）日發布「台灣主權AI訓練語料庫」，廣納高品質正體中文語料，支援AI模型訓練更貼近台灣的語言、文化與生活情境，促進AI模型具備更高的本土辨識力與語意理解能力，符合我國社會與產業需求。
上架逾2000筆資料集、超過6億tokens
數發部資料創新司司長莊明芬表示，目前已有超過200個政府機關投入，上架逾2000筆資料集、超過6億tokens，收錄各機關具台灣文化特色的高品質資料集，內容涵蓋語言、文化、教育、生物、地理環境等領域，這些資料就像AI 的教材，幫助AI 模型更了解台灣，學會更自然、更貼近台灣社會的語言表達能力。
文化部提供具有台灣特色的優質資料
文化部綜合規劃司魏秋宜表示，其實李遠部長一直都非常重視整個台灣族群的發展，他認為文化部是保有最多文化資料的單位，各界對於文化部其實也有高度的期待，所以他就特別要求每個單位都要主動積極努力的去盤點跟提供資料，協助主權AI進行一些訓練提升主權AI對於台灣文化的詮釋能力，建立台灣文化在AI時代的話語權，這是文化部對於參與主權AI的訓練或是主權AI的一個建構，文化部有這樣的一個目標跟期待。
她說，其實這個工作並不容易，因為文化資料有它的一些特殊性，除了要盤點、造冊、查找檔案等等，還要確立這個工作的權利，所以這些之外還有一個重點是要確認它的一個文化價值，其實文化部非常感謝數發部在這段時間一起合作，提供的各項協助從讓文化部從零開始累積到現在也效益成果，整體貢獻度在這個部會裡面還算名列前茅。
文化部提供了具有台灣特色的優質資料，舉例來說有一個很大宗叫做國家文化記憶庫，它記錄收集了台灣的所謂的原生的文化內容，包括從族群的文化、產業的經濟、藝術人文以及到宗教民俗、生態環境等等，這些是台灣獨特的一些文化的一個風貌。第二個是國家文化資產網，它記錄了包括在文化資產保存法裡面，所立定的各類的文化資產比如古蹟、民俗、工藝、傳統戲曲、傳統知識等等，在所提供的資料裡面，它會詳細說明這些的出處，歷史沿革、儀式過程等等，其實這就是台灣這塊土地上最珍貴的一個歷史記憶。
例如公共藝術網裡面的作品的資料，包含哪些內容，比如說創作者是誰，作品的尺寸、材質、設置地點，除了之外它還會介紹這個作者的創作理念，心境及創作的過程，其實它就展現出台灣現代藝術的一個多元風貌，今天只是一個開始，文化部會持續的來釋出更多更豐富更能夠彰顯台灣元素，希望能夠共同來打造台灣主權AI的一個新紀元。
教育部提供語言辭典資料涵蓋台語、客語及國語
教育部資訊及科技教育司科長鄧慧穎則表示，教育部提供的語言辭典資料涵蓋台語、客語及國語等，有助於強化AI模型的用詞精準度與語意理解能力。
同時，為了讓政府機關與民間能夠「放心釋出資料、安心使用語料」，數發部與經濟部智慧財產局合作，共同推出 《台灣主權AI 訓練語料授權條款－第 1 版》，讓語料釋出有明確的授權依據，降低個別著作權商議所要付出的龐大行政成本，減少AI訓練資料可能產生的著作權爭議，藉由授權條款先行機制，全力加速主權AI 的發展與應用。
值得一提的是，語料庫串接政府資料開放十餘年努力的成果，將過去累積的豐富文本開放資料同步至語料庫，使用者可依需求查詢及下載所需語料資料，讓語料更容易被查找及應用。
數發部表示，語料庫內容未來還會持續擴充，明年從中央機關一路推廣至地方政府及民間機構，讓更多人一起參與，透過公私協力共同促進主權AI 發展。
