「簡轉繁」內容滲透 台灣AI主權受挑戰
民進黨立委陳培瑜、吳思瑤日前召開「文化石油：AI主權建設下的出版內容產業未來」座談會，討論主權AI語料庫建設。不少出版與內容產業代表直言，台灣若要發展自己的人工智慧（AI），當前最棘手的問題不只是資料量不足，中國內容更正以「簡轉繁」大量滲透，甚至可能主導未來AI的繁體中文世界觀。
陳培瑜指出，每個人的生活都離不開AI。從報紙、雜誌、出版、廣播、電視到數位內容，過去累積的文化內容，其實都是AI理解台灣的重要養分。
AI語料不足 繁中內容遭邊緣化
「台灣的內容不能缺席。」陳培瑜表示，如果台灣自己的內容沒有進入大型語言模型，未來AI理解台灣的方式，很可能被其他資料取代。目前國際主流大型語言模型（LLM）中，高達50%使用英文訓練，但繁體中文只占約1%，正面臨嚴重邊緣化危機。
她表示，過去政府推動本地主權AI（TAIDE）時，曾有部分產業界免費提供資料協助訓練，但若未來要真正建立大型AI語料庫，目前資料量仍遠遠不足。依估算，至少需要1TB資料量，若換算成書籍，大約相當於100萬本書。
陳培瑜現場拿起《台灣棒球入門》一書表示，「現在機器人其實是讀不到的」，因為這些內容根本尚未真正進入大型語言模型資料庫，「台灣多年累積、值得驕傲的華語出版內容，要怎麼被世界看見？」
卡在授權 無法納入語言模型
吳思瑤則表示，台灣雖是半導體強國，但若主權AI缺乏在地文化語料，TAIDE最後恐怕只會變成「沒有靈魂的空殼」。她指出，自己質詢國科會與中研院時發現，TAIDE部分評測落後，其中重要原因，就是許多核心文化語料因授權問題，至今仍無法納入模型。
吳思瑤強調，「創作有價」，但單一創作者很難與科技巨頭談判，因此政府未來應建立內容授權、分潤與計價機制。她建議，可參考歐盟《AI法案》與公共出借權制度，由國家建立「集體授權與分潤平台」，讓文化內容成為台灣主權AI的重要基礎。
台主權AI應建立管控機制
除了授權與分潤，令人更憂心的是中國內容大量滲透。親子天下副總經理林彥傑指出，近年中國「簡轉繁」電子書已大量進入台灣市場，目前台灣每年申請ISBN前十大出版社中，「至少有五家是中國出版社」。很多不是以簡體字出現，而是直接轉成繁體字，再透過電子書平台進入台灣。
「這還不是AI書喔！」林彥傑警告，如果未來AI語料完全採「自由市場」與「agent to agent」模式（A2A，指AI代理之間的溝通與協作協議），中共很可能以極大量內容灌入台灣語料庫。
「如果今天token（符元）數是百萬級，我相信中共可以用千萬級、甚至億級的量灌進來。」
他認為，即便使用者未必主動閱讀這些內容，但只要大量資料被放入模型，就可能逐漸影響知識結構與論述方向。他建議政府建立主權AI時，不能完全採自由市場模式，應建立一定程度的管控與審查機制。
陳培瑜直言，中國「簡轉繁」電子書大量進入台灣市場，已非常驚人，「瞬間上架千萬本、百萬本，我們完全擋不住。」
她坦言，台灣是自由市場與言論自由社會，無法禁止中國書籍進入，但問題不只是出版業，而是進一步影響校園閱讀與下一代知識環境，「現在很多孩子會在學校借閱大量圖書，這可能才是他們最重要的內容消費市場。」
民進黨立委陳培瑜等人召開「文化石油：AI主權建設下的出版內容產業未來座談會」。（記者宋碧龍／攝影）業界憂 中共語境偏移AI世界觀
城邦媒體協理祝本堯則從另一個角度提出警訊。他表示，自己平常喜歡玩戰爭遊戲，但大約從前年開始，突然發現網路上大量出現「十四年抗戰」的說法。他查資料發現，這是中共中央重新定調抗戰史觀後，透過大量網路內容、小紅書與歷史論述持續推廣的結果。
「短短兩、三年裡，八年抗戰跟十四年抗戰，竟然可以有差不多的聲量。」他表示，「AI不會發明新的東西，它一定是重新組合它讀過的內容。」換句話說，如果未來AI讀到的大量繁體中文內容，已被特定論述覆蓋，那AI最後生成的世界觀，也可能逐漸偏移。
對此，陳培瑜也分享，兒子當年準備會考時，曾問她：「媽，我同學都說抗戰是十幾年？」原來是受線上遊戲影響，「真的很可怕。」
台灣需建自己的主權AI
數位發展部資料創新司司長莊明芬表示，台灣必須建設自己的主權AI。數發部已建立「台灣主權AI訓練語料庫」，目前蒐集約12億個tokens語料量。第一階段先從政府做起，累積政府擁有著作財產權資料；第二階段則希望民間響應，讓台灣語料能被國內、外AI模型訓練者看見。
截至目前，已有三十多家國內、外AI訓練單位，包括學研機構與商業公司，運用這套語料庫資料進行訓練。
針對授權機制，莊明芬表示，數發部在第一階段釋出政府資料時，已與智財局合作，研擬「台灣主權AI訓練語料庫授權條款」，並與兩百多個政府部門完成簽約。後續推動希望仰賴市場機制，建立合理授權與回饋制度。◇
