人工智慧（AI）的發展高度依賴高品質、結構化的資料，數據的完整性、標準化與可用性直接影響AI訓練的效果。然而台灣在AI訓練資料的建構上仍面臨嚴峻挑戰，包括數據分散難以整合、企業與政府機構各自掌握數據但缺乏統一的標準與共享機制，以及繁體中文資料量相對不足影響AI的理解能力。此外資料隱私與法規限制也是關鍵問題，許多數據涉及個人資料與商業機密，導致資料收集與共享受到限制。面對這些挑戰，台灣必須採取策略，建立適合AI訓練的本土資料庫集，以支持AI產業發展，確保台灣在AI競爭中掌握自主權，實現主權AI的目標。

AI訓練過程中，數據的品質與多樣性決定了AI模型的準確性、適用性與公平性。目前國際AI模型（如OpenAI的GPT、Google Gemini）主要基於英語與簡體中文訓練，對於台灣的繁體中文、地方文化、法規制度、專業領域知識的理解較為有限。因此台灣若要發展本土AI，必須建立適合的訓練數據，確保AI能夠提升繁體中文理解能力，優化語言模型表現，符合台灣法規與社會文化，確保AI生成內容的合規性與適用性，並支持產業AI應用發展，讓AI模型能夠真正解決台灣產業的需求。例如若要開發法律AI，則需要涵蓋台灣法院判決書、法條、法律解釋函令等資料；若要發展醫療AI，則需要大量台灣本地的病患數據與醫療案例。因此建立本土AI訓練資料庫，不僅是技術問題，更關係到台灣產業競爭力的提升，並確保台灣在AI領域的主權。

讓AI產業能夠獲取高品質、多樣性、安全合規的訓練數據，台灣應該從數據收集、標準化、共享機制等多方面著手，建構完整的AI訓練資料庫。政府應該建立台灣AI公共數據庫，集中管理與釋出可用於AI訓練的數據集，供產業與學術界使用。目前台灣的數據多為企業內部封閉，政府雖釋出部分開放資料，但仍然缺乏統一的AI訓練數據平台。因此應建立「台灣AI訓練數據中心」，集中管理可公開的AI訓練數據，並釋出政府機關、學術單位、企業可共享的數據，例如法律資料（法院判決書、大法官解釋、政府法令）、醫療數據（去識別化的病患數據、醫學研究資料）、金融數據（台灣股市歷史數據、銀行詐欺案件數據）、氣象與環境數據（台灣氣象觀測數據、碳排放數據）、交通數據（車流量分析、公共運輸數據）。這樣的資料庫能夠讓AI訓練時擁有更本土化的語料，確保AI模型適應台灣的產業環境，實現主權AI的目標。

公共數據庫的建置之外，台灣應該推動產業資料共享機制，建立「產業AI數據聯盟」。目前許多產業內部數據被個別企業獨占，導致AI模型難以訓練出通用能力。例如製造業的生產數據、零售業的顧客行為數據、醫療院所的診療紀錄，這些數據都具有極高價值，但因競爭或隱私問題而未能共享。政府應該透過數據去識別化與區塊鏈技術，讓企業能夠安全地共享AI訓練數據，而不影響商業機密。透過「數據共享標準」，確保企業能夠互相交換AI訓練數據，並利用「聯邦學習（Federated Learning）」技術，允許AI在不同企業間學習數據，而無需集中存儲，確保資料隱私。此外政府應該鼓勵產業內企業參與AI訓練數據共享計畫，讓AI能夠學習更全面的產業資訊，以提升產業競爭力，實現主權AI的願景。

產業數據共享之外，台灣也應發展「開源繁體中文語料庫」，提升AI語言能力。目前全球AI訓練語料主要以英語與簡體中文為主，繁體中文語料數量少，且資料品質不一。為了讓AI更適應台灣繁體中文環境，政府與學界應該共同建構開源繁體中文語料庫，並鼓勵AI社群使用。這包括蒐集台灣新聞、論壇、政府公告、學術論文等繁體中文語料，建立高品質的開源語料庫，參考開源AI社群（如Hugging Face），開發適合繁體中文的開源語言模型，並鼓勵台灣企業與學術單位使用開源語料庫進行AI訓練，以提高AI模型的語言能力，確保台灣在AI領域的主權地位。

AI訓練數據涉及個人資料、隱私、倫理問題，若未能妥善處理，可能導致法律風險或社會爭議。因此台灣應該建立AI數據治理機制，確保AI訓練數據符合隱私保護、倫理規範與公平性的要求。政府應訂定AI訓練數據隱私標準，確保個資在AI訓練過程中不被濫用，透過區塊鏈技術確保數據可追溯，避免數據濫用風險，並建立AI倫理審查機制，確保AI訓練數據不含偏見與歧視性內容，讓AI發展符合社會價值觀。

AI的發展競爭不只是演算法與算力的比拼，更是數據資源的競爭。台灣如果希望在AI產業鏈中占有一席之地，必須建立完整的AI訓練數據基礎，讓AI能夠學習台灣本土語言與產業知識，提升應用價值。政府應該建立「台灣AI公共數據庫」，釋出高品質AI訓練數據，推動「產業AI數據聯盟」，促進企業之間的數據共享，發展「開源繁體中文語料庫」，提升AI語言模型能力，並強化AI數據治理機制，確保AI訓練符合隱私與倫理標準。透過這些措施台灣才能在全球AI競爭中掌握數據優勢，推動AI產業升級，並確保技術自主權！

楊聰榮（中台灣教授協會理事長，任教於台灣師範大學）

（文章僅代表作者觀點，不代表Newtalk新聞立場。）