編按：AI與語言模型快速改變知識傳遞方式，但若機器無法理解特定語言，文化恐逐漸在數位世界失聲。面對生成式AI浪潮，如何讓原住民族語被聽見，已成為台灣AI主權的重要課題。
隨著人工智慧與大型語言模型快速發展，AI已不只是科技工具，而逐漸成為知識整理、教育學習、公共服務、產業應用與文化保存的新型基礎建設。當人們開始使用AI寫作、翻譯、摘要、查詢資料與製作教材時，一個更深層的問題也浮現出來：如果AI聽不懂一個語言，這個語言在未來的數位世界中還能被看見嗎？
對台灣而言，這個問題尤其重要，因為台灣不只是華語社會，更是一個多語共存的島嶼。其中，原住民族語言更具有不可取代的文化與國際意義。台灣原住民族語屬於南島語系，是台灣連結太平洋、東南亞與世界語言史的重要文化資產。阿美語、泰雅語、排灣語、布農語、卑南語、魯凱語、鄒語、賽德克語、太魯閣語等語言，不只是溝通工具，更承載著族群記憶、土地知識、祭儀文化、親族制度、狩獵採集經驗、植物知識與世界觀。
然而，在當前全球AI發展浪潮中，原住民族語言仍處於高度邊緣的位置。主流大型語言模型多以英語、簡體中文與其他高資源語言為主要訓練基礎，即使能處理繁體中文，也未必真正理解台灣語境；至於原住民族語，往往因語料不足、語音資料稀少、標註成本高、拼音系統複雜與方言差異明顯，而難以被大型模型正確學習。結果是，AI也許能流暢回答國際新聞與商業問題，卻可能無法正確辨識一段族語錄音，更無法理解其中蘊含的文化脈絡。
發展台灣本土AI模型，語言保存再升級
這不是單純的技術問題，而是語言存續與文化主權問題。若未來的數位教材、語音助理、智慧客服、教育平台與公共服務系統，都無法支援原住民族語，族語在現代科技場景中的使用機會將持續萎縮。語言一旦離開日常生活，也離開數位生活，就會逐漸被年輕世代視為「只能在課本、祭典或長輩口中出現的語言」。長期而言，這將使族語復振面臨更嚴峻的挑戰。
因此，原住民族語言保存不能只停留在字典、教材、錄音檔與傳統課程階段。進入生成式AI時代後，語言保存必須升級為「可計算、可檢索、可轉錄、可翻譯、可生成、可互動」的數位能力。過去我們問的是：「這個語言有沒有被記錄下來？」現在更應該問：「這個語言能不能被AI正確聽見、理解、回應與教學？」
這也是台灣發展本土AI模型的重要原因。TAIDE，也就是台灣可信任生成式 AI 發展計畫，代表台灣開始建立具本土語言文化特性的生成式AI基礎模型。TAIDE的價值不只在於推出一套大型語言模型，而在於提醒台灣：AI主權不只是晶片、算力與演算法，也包括語料、語言、文化、授權、評測與應用場景。若模型不理解台灣的語言環境，它就難以真正服務台灣社會。
更重要的是，TAIDE已透過Hugging Face等開源平台釋出模型，讓研究者、大學、技術社群與產業界可以下載、測試、微調與應用。Hugging Face在全球AI生態中扮演重要角色，它不只是模型倉庫，也是一個連結模型、資料集、評測基準與應用展示的開放平台。對台灣而言，這代表本土AI不必只停留在中央計畫或大型研究機構中，而有機會形成一個由政府、學界、部落、族語教師、文化工作者與開發者共同參與的開放協作生態。
下一階段，台灣應該思考如何以TAIDE為基礎，建立面向原住民族語言的AI發展路線。這不一定代表每種族語都要立刻訓練一個完整的大型模型，而是可以採取務實且分階段的方式：先建立高品質族語資料庫，再發展語音辨識、語音合成、機器翻譯、教材生成與檢索式問答系統，最後再逐步推進到具備多輪對話能力的族語AI助理。
建立、發展原住民族語AI五步驟
第一步，是建立以原住民族為主體的族語AI語料庫。AI訓練的核心是資料，但族語資料不能被視為一般可任意蒐集的網路資料。原住民族語料往往涉及部落知識、祭儀內容、口述歷史、家族記憶與文化禁忌，因此，資料蒐集必須建立在族人同意、授權治理、文化敏感性標註與利益回饋機制之上。換言之，族語AI不是單純的資料工程，而是文化治理工程。
第二步，是建立族語語音資料庫。對原住民族語言而言，語音比文字更接近日常使用情境。許多族語的傳承高度依賴口語，若AI只能處理文字，便無法真正進入族語生活。因此，台灣應該系統性收集不同族別、不同年齡層、不同地區與不同語速的族語錄音，並建立逐字稿、拼音標註、語音切分與翻譯對照。這些資料可用於訓練ASR語音辨識、TTS語音合成與語音翻譯系統，使AI能夠真正「聽得懂」族語，也能用更自然的方式協助教學與保存。
第三步，是建立族語AI的公開評測基準。不能只說某個模型「會族語」或「能翻譯族語」，而必須能具體評估它的表現。例如，模型是否能正確辨識阿美語語音？是否能區分泰雅語不同方言？是否能處理排灣語詞綴與語法結構？是否能將布農語口述內容轉成正確逐字稿？是否能在不扭曲文化意義的前提下進行華語翻譯？這些都需要標準化測試集與公開評測機制。唯有能被測量，模型才可能被改進；唯有能被公開比較，族語AI才能累積技術社群。
第四步，是運用開源模型與微調技術降低開發門檻。台灣不必從零開始打造所有模型，可以善用TAIDE、Llama、Mistral、Gemma等開源模型作為基礎，透過持續預訓練、指令微調、LoRA微調、RAG檢索增強生成等方式，讓模型逐步學習族語詞彙、語法、拼音與文化語境。對低資源語言而言，模型不一定要最大，而是資料要乾淨、授權要清楚、任務要明確、評測要可信。
第五步，是把族語AI應用帶回部落、學校與公共服務場景。AI可協助族語教師快速製作教材、例句、測驗題與情境對話；也可以協助整理耆老口述歷史，將錄音自動轉寫成逐字稿，再由族語專家校訂；更可以建置互動式族語學習平台，讓學生透過對話練習聽說讀寫。未來，族語AI還可應用於博物館導覽、地方文化介紹、長照陪伴、觀光解說、公共服務翻譯與數位典藏。
特別要強調的是，族語AI的發展不能只由工程師決定。真正的主體應該是族人、族語教師、部落長者、文化工作者與語言學者。工程技術可以協助語言保存，但不能取代族群對自身語言與文化的詮釋權。AI模型若沒有文化治理，只追求資料量與生成能力，反而可能造成誤譯、誤用，甚至將神聖知識、禁忌語彙或特定儀式內容錯置到不適合的場景。
因此，台灣在推動原住民族語AI時，應建立「部落參與、學術支援、政府治理、開源協作、產業應用」的五方合作模式。政府負責法規、經費與資料治理架構；學術單位負責語言分析、語料建置與模型評測；部落與族語教師負責文化校訂與應用需求；技術社群負責開源工具與模型微調；產業可協助將技術轉化為教育、文創、觀光、長照與公共服務應用。
除了半導體與資料中心，語言主權更要納入
從國家戰略角度來看，發展原住民族語AI，也能凸顯台灣在全球AI生態中的獨特定位。國際大型科技公司未必有商業誘因，深入處理台灣原住民族語言，但台灣本身有文化責任，也有技術能力。當世界都在討論AI主權時，台灣不應只談半導體與資料中心，也應把語言主權納入AI戰略。因為一個國家的AI若聽不見自己的多元語言，就不可能真正理解自己的社會。
TAIDE應被視為台灣AI主權的起點，而不是終點。它讓台灣看到：我們可以建立理解台灣語境的模型，也可以透過Hugging Face等開源平台與世界連結。下一階段，台灣更應將這股能量導向原住民族語言，建立真正屬於台灣的南島語系AI資源，讓族語不只被保存於檔案中，也能在下一代的數位工具中被使用、被學習、被聽見。
在AI時代，語言的未來不只取決於有多少人會說，也取決於機器是否聽得懂、是否能正確回應、是否能進入教育與公共服務系統。當一個語言無法被AI處理，它在數位世界中就會逐漸失聲；當一個語言能被AI學習、生成與應用，它就有機會在下一個世代重新被看見。
台灣若要成為真正具有文化深度與技術自主性的AI國家，就不能只問：「我們有沒有自己的大模型？」更要問：「我們的AI，是否聽得見原住民族語言的聲音？」
本文章反映作者意見，不代表《遠見》立場
