（中央社記者趙敏雅台北30日電）資料是人工智慧（AI）發展的重要基礎，台灣主權AI訓練語料庫自去年底上線，累計提供約5000筆資料集、超過20億詞元（tokens）。數發部表示，已有59名個人或單位申請使用，包括凌群、華碩等業者；目前少量民間語料已上架，預計9月中旬啟動民間語料徵集。
數發部推動台灣主權AI訓練語料庫，廣納高品質、具在地化的正體中文語料，內容涵蓋文化、教育、語言、民俗、歷史、交通、法律及各領域專業知識，支援AI模型訓練與應用發展。語料庫去年底上線，截至今年7月底，已有超過200個政府機關參與，累計提供約5000筆資料集，語料規模超過20億詞元。
數發部指出，目前語料徵集採「先中央再地方，逐步擴展至民間」策略，民間累積豐富且具台灣特色的出版、文化及各領域專業內容，是讓AI更深入理解台灣的重要高品質語料來源，因此今年下半年起積極接洽出版社、法人等民間單位，目前已有少量民間語料上架。
數發部說明，預計9月中旬啟動民間語料徵集，現階段民間語料以自願、無償提供為原則，並採「台灣主權AI訓練語料授權條款」上架至語料庫，讓資料在合法授權前提下提供AI訓練使用。
數發部表示，已有59名個人或單位申請使用台灣主權AI訓練語料庫並通過審核，包括5個研究機構、22所學校、2個政府機關、7名個人、3個社群，以及20家公司與組織，其中以資訊服務業者為大宗，包括亞太智能、凌群、應援科技、華碩等，另有環境與藝術、能源等產業。語料庫開放產學研及民間使用，可用於模型訓練、微調、檢索增強生成（RAG）等。
數發部指出，從申請者填寫的使用目的及需求來看，教育部字辭典類語料的應用需求較明顯，如台灣客語辭典、台灣台語常用詞辭典及國語辭典簡編本等。此外，機關FAQ及教育學習相關語料也受到關注，常見應用情境包括語言學習、知識問答、RAG及智慧客服等。
數發部進一步說，國科會TAIDE團隊已申請使用語料庫資料，作為模型訓練與優化的資料來源之一，預計今年發布運用語料庫資料訓練的新版模型。
金融領域方面，數發部指出，有團隊運用語料發展具台灣在地金融語境的領域型大型語言模型，應用於法規查詢、監理規範理解、風險提示及金融情境推理等，希望能支援金融監理需求，提升金融服務與風險控管能力。
數發部表示，將持續推動政府機關盤點釋出語料，並擴大民間參與，建立可擴充、合法授權且能被實際應用的台灣語料生態，豐富具台灣特色與多元觀點的高品質語料。（編輯：林克倫）1150830
评论 (0)