ChatGPT、Gemini等AI模型幾乎只靠簡體資料來認識中文世界，讓AI向中國價值觀傾斜。台灣政府和民間都為此建立「繁體中文語料庫」，但實務上進展有限，真正的制度卡關在哪？
乍看之下，Taiwan.md是個羅列台灣自然及人文歷史的策展網站，但它主要服務對象，其實不是人類。
「這不只是介紹台灣的網站，更反向成為 ChatGPT、Gemini、Claude等大型語言模型的訓練資料，讓這些主流AI模型因為能抓到繁體中文的高品質內容，進而發展出台灣觀點。」三十一歲的新媒體藝術家吳哲宇，將自己發起、社群開發者協作的Taiwan.md，定義為「替台灣在AI世界爭取話語權的開源知識庫」。
主流語言模型多用簡中
繁中語料占比不到1％
吳哲宇解釋，目前主流大語言模型訓練用的中文語料，絕大多數是以簡體中文書寫，繁體中文語料占比不到一％。既然AI讀的是「中國的書」、自然會形成中國的價值觀，讓包括台灣人在內的全球使用者，不自覺陷入中國框架。
相反地，具備台灣觀點的AI模型，不會將台灣美食簡化成只有「小籠包」、「珍珠奶茶」，還能說出「乾麵加醋」、「麻薏湯」等特色小吃；被問到「國家元首是誰」，不會回答「習近平」；更不會把「花生」講成「土豆」，或以中國慣用詞「視頻鏈結」陳述「影片連結」。
而Taiwan.md依靠的，就是每天以AI工具從網路自動抓取資料、編輯文章，建立一個不斷擴充的繁中書庫，為主流AI模型敞開學習台灣觀點之門。
但這項與各國競相發展「主權AI」趨勢高度契合的創舉，卻因為深怕踩到著作權紅線，一路走得膽戰心驚。
「我們極力避免版權問題，非常害怕。」吳哲宇指出，Taiwan.md目前已收錄一一二三篇繁中文章，主要來源包括公開的學術論文、部落格、政府官方資料等，只要有一絲侵權疑慮，團隊就寧可捨棄，以免違反《著作權法》、甚至衍生刑事責任。這樣的「自我設限」，不免讓繁中語料庫的擴張進度不如預期。
吳哲宇的擔憂，並非杞人憂天。
二○二五年七月，一位台大博士生為彌補AI的繁中語料缺口，從美國開源網站截取繁中資料、無償對外分享，但因其中包括十四萬筆來自中央社的「未經授權」新聞，遭中央社以違反《著作權法》為由，提起刑事告訴。
儘管雙方後來達成和解，台大生則發表道歉聲明，「提醒」研究人員務必確認資料來源的合法性，隨後將語料庫全數下架。但看在心繫AI缺乏台灣觀點的研發者眼裡，此次事件已形成寒蟬效應。
(本文獲今周刊授權轉載，更多內容，請參閱最新一期《今周刊》第1556期)
你可能也會感興趣》
0056配1.72元、股價58元還能買？他抱448張爽領77萬股息！每月扣2萬滾出2千萬，靠高股息養退休金的秘訣
https://www.businesstoday.com.tw/article/category/183013/post/202610130030/
以為退休要先存1500萬？35歲工程師算完，竟發現261萬就夠了：不一定離職，也能不委屈自己
https://thebetteraging.businesstoday.com.tw/article/detail/202610020040