簡轉繁圖書大量湧入、中國歷史論述衝擊台灣史觀…國際主流LLM僅1%繁中語料，綠委籲文化內容納主權AI訓練

鄭鴻達

圖片 Shutterstock 提供

民進黨立委陳培瑜、吳思瑤周二（5/19）召開「文化石油：AI主權建設下的出版內容產業未來」座談會，邀集政府機關、專家學者與文化內容產業，共探政府應如何訂定制度與內容產業對接，並提供實質的預算支持，以確保台灣文化在雲端時代的主權。

陳培瑜示警：國際主流LLM繁中語料僅1%

陳培瑜指出，AI是一台精密運作的機器，而「文化內容」正是驅動這台機器運作的燃料，過去的老報紙、出版品、影視動畫、廣播節目、音樂、表演等，都是AI理解台灣的養分，因此內容產業絕不能在AI浪潮中缺席。

陳培瑜說，然而，當前政府的政策視野尚未將內容產業納入AI發展的關鍵產業。她呼籲，政府未來必須將優質內容的獲取與轉譯機制，實質納入政策規劃、預算編列及法律制定的整體藍圖中。

陳培瑜強調，現今國際主流大語言模型（LLM）高達50%以英文訓練，只有約1%為繁體中文，面臨嚴重的邊緣化危機。雖然數發部與國科會目前以政府公開資料與無償資料建設「主權AI語料庫」，但內容產業所擁有最能代表台灣文化底蘊的珍貴語料，目前皆未納入主權AI訓練語料中。

陳培瑜期待，透過此次座談會邀請產官學共同研商可行的內容回饋、計價機制及加工製作預算，創造國家建設與文化內容產業的雙贏。

TAIDE缺在地文化語料，吳思瑤：恐成沒靈魂空殼

吳思瑤提到，台灣雖為半導體王國，但本地主權AI（TAIDE）若缺乏在地文化語料，恐成為「沒有靈魂的空殼」。她透露，質詢國科會、中研院時發現TAIDE部分評測落後，主因在於核心語料因授權問題尚未納入。

吳思瑤強調「創作有價」，單一創作者難以與科技巨頭議價。她呼籲參考歐盟《AI法案》與「公共出借權」精神，並在現有的制度中，借鏡「公共工程委員會」硬體工程定價機制。

吳思瑤認為，行政院應在「AI新十大建設」中跨部會總動員，由國家出面建立軟體與內容計價機制，完善著作權授權AI的集體管理組織，打造公平的「集體授權與分潤平台」，讓文化產權成為台灣主權AI最強大的後盾。

出版公會盼政府研商授權模式　城邦籲政府界定AI內容使用範圍

中華民國出版商業同業公會全國聯合會理事長吳政鴻指出，希望各大語言模型都能有台灣自己的資料，希望政府部門都能針對出版、雜誌或報紙研商出一個授權模式。另外，因為出版業內部的版權合約中極少有AI相關授權，希望政府部門也可以提供合約做法參考的模式。

城邦媒體集團法務總監邱大山指出，內容產業的型態極其複雜，涵蓋文字、圖片、影像等多重媒介，若要轉化為餵養AI的訓練資料包，必須經過資料清洗、加工及嚴格的品質控管。

由於不同內容業者的商業模式差異甚大，例如採訂閱制的公司對於AI授權態度便相對謹慎，邱大山建議政府應對AI內容的使用範圍做出明確界定，並在制度設計上，依據「製作加工費」與「授權使用費」的不同性質，提供更具彈性的階段性合作方案。

中國歷史論述恐衝擊台灣史觀

城邦媒體協理祝本堯表示，目前各出版或媒體公司內存的數位資料庫，皆難以直接投入AI訓練，政府未來是否會編列專項預算協助產業進行數據加工，且該筆經費究竟是定義為加工製作費，抑或包含授權使用費，皆需進一步釐清。

祝本堯示警，中國的歷史論述極易在社群媒體及演算法的幫助下，與台灣社會多年深耕的史觀分庭抗禮，足見台灣非常迫切需要集結各界力量，攜手完成主權AI的建設。

親子天下示警簡轉繁圖書大量湧入

國立故宮博物院前院長吳密察認為，AI浪潮帶來的法律與產業衝擊極為複雜，對於較商業的內容對價機制，他認為必須優先釐清權責主管機關，才能整合政策、資源與相關責任。

至於台灣的文史資料，吳密察建議立法院教育及文化委員會所主管的政府機關，都應作出具體的時程承諾，針對政府內部的資料研議明確的語料規格，解決各類政府補助、委託案及採購標案的產權與授權問題。

親子天下副總經理林彥傑強調，近年中國圖書大舉進口，申請國家圖書館的ISBN，每年都有大量簡轉繁的紙本、電子、有聲等圖書進到台灣市場，如果台灣要做主權AI，要如何防範中國圖書混淆語料庫？

林彥傑直言，若完全以自由市場機制，中國很容易就能利用大量的出版品淹本土內容，因此建議未來訂定這個政策或法規時必須要訂有防範機制。

此外，因為標案及補助合約中未必有相關授權條款，政府的資料也不一定可以進到主權AI，林彥傑建議未來標案、補助等政府出資的內容可考慮訂有強制授權條款及罰則。

文化部支持合理授權回饋機制　數發部：已搜集12億token

文化部代表回應，支持合理授權及回饋機制，有利於產業長期發展與內容產製。針對產業定型化合約的訴求，文化部期待與各專業與產業共同產出這樣的合約。至於因AI造成的人才衝擊，文化部會在九月份所辦的全國文化會議提出討論。

數發部代表表示，我們必須建設自己的主權AI，並且確保有自己的乾淨語料。數發部已經在去年建置了「主權AI語料庫」，並且分階段進行，目前已經蒐集12億個token。

數發部代表說明，第一屆段先蒐集政府機關資料，第二階段希望民間響應，截至目前為止大概有30多家的民間公司及團體已經使用該語料庫。在授權機制上，數發部與經濟部智慧財產局合作訂定合理授權條款，已與200多個政府部門簽訂釋出資料。至於後續的推動，希望仰賴市場機制，建立合理的授權及回饋機制。

國科會代表說明，不論是電子書、知識庫或任何的文化內容，都需進一步加工處理，才能用於訓練AI。

國科會代表透露，近期已經在規劃透過科技預算，使用工具將非結構化變成結構化的資料，讓更多具有台灣文化背景的資料，成為可用的AI素材，使雲端上的台灣持續被看見，也達成公部門與民間雙贏的局面。

相關新聞：

世界29名超級電腦將上線 RAP平台助攻應用開發 算力中心揭幕 台灣主權AI須軟硬並重

更多今周刊文章
0到18歲成長津貼來了，普發5000月月領「最高領108萬」！賴清德：從結婚生子到托育、友善職場全面支援
520大禮包！0到18歲計畫曝光：育嬰假升級育兒假「6歲前可申請」…軍公教調薪、基本工資進度一次看