數發部為了促進資料開放，已預告「促進資料創新利用發展條例」草案，但AI發展快速，法令恐緩不濟急，數發部今天(15日)表示，目前正研擬「台灣主權AI訓練語料授權條款」，讓各部會盤點適合的資料，未來可上架到台灣主權AI語言資料庫，預計第4季釋出，後續開放民間與政府機關等申請使用。

數發部資料創新司司長莊明芬說明，過去多年推動的政府開放資料是採取標準化授權，可完全公開讓AI運用，但大型語言模型需要的不見得是開放資料中的結構化資料、或統計等，更需要的是連貫性的文字段落等文本性資料，5萬多筆開放資料中這類文本資料約1000多筆。為適當消弭AI訓練資料在著作權法上的爭議，數發部近期研擬「台灣主權AI訓練語料授權條款」提供給各機關參考。

莊明芬指出，這類非專屬授權不是授權給特定人使用，部會透過台灣主權AI訓練語料授權條款盤點哪些資料適合上架，若有著作權議題也要先處理。外界關心的客委會、教育部、原民會、文化部等也在盤點手上的語言資料，希望第4季釋出語料庫。

至於釋出的語料量，莊明芬指出，語料庫可能以量化單位Token來作為AI訓練量的單位，不是用過去釋出多少資料量來描述。預期語料庫有些是政府開放資料、政府施政報告或政府出版品等，語料量需要時間慢慢累積，隨著資料增加，未來將逐步納入語料庫。(編輯：鍾錦隆)