確定數發部負責建「繁體語料庫」…吳誠文指文化資料要上網應用：Google、Meta缺台灣內容…是一門生意

數發部去年底發布「臺灣主權AI訓練語料庫」，廣納高品質正體中文語料，支援AI模型訓練更貼近臺灣的語言、文化與生活情境，以符合我國社會與產業需求。對此，國發會主委吳誠文今（14日）上電台節目《新聞放鞭炮》表示，市面上AI平台缺少台灣資訊，特別是繁體中文的資料，不管是美國、中國這些大型的AI業者，他們訓練用的幾乎都是簡體，因此這也成為一個「business」。

吳誠文表示，所以現在政府要建構台灣自己的語料庫，此計畫將由數發部負責，目前數發部也把創新司改名叫做資料司。他直言，台灣的語料庫完全不夠，很多中央圖書館的資料是數位化成影像，而像傳統的紙本資料，他們現在其實有很快的方法能夠數位化，如今也是用AI來做這件事。

有關哪一部會負責全面擴大繁體中文語料庫，吳誠文說，資料治理是目前數發部專責，他也說林宜敬部長表現很積極，資料上網不是太困難，就看有無決心願意去做。他說，這種工作算是以科技方法做文化資產的保存，對於未來AI的語料庫建立也非常有幫助。

吳誠文指出，AI所謂的基礎模型這件事，大型語言模組（LLM）是其中一個，全世界都在使用，包含Gemini、ChatGPT，還有Meta。他說，這幾個公司做這種東西是要耗費非常大的的算力，耗費巨額資金蒐集資料、做訓練，這種做法現在全世界大概只有美國跟中國在做。

提到台灣的目標，吳誠文表示，因為這些科技公司都是促成我國半導體跟AI硬體產業蓬勃發展的重要客戶，第一是不跟客戶競爭，第二是台灣大概沒足夠的資源可以跟他們去競爭。

吳誠文指出，台灣的繁體中文語料庫，Google、Meta、Amazon等公司都要使用，因為他們缺乏繁體資料，對他們來講是一大缺憾，「所以這是一個business」。他說，中研院也在協助，同時希望學界進來，再邀請民間也來投入。

(圖片來源：新聞放鞭炮、數發部)