生成型AI（人工知能）のトレーニングには十分なデータが必要ですが、台湾の繁体華語データは著作権法の制限により提供が難しい状況が続いています。デジタル発展部（デジタル発展省）は、「台湾ソブリン（主権）AIトレーニングコーパス」を構築し、著作権法の規制を緩和して、国内外の大規模言語モデル（LLM）に無料でトレーニングデータを提供すると発表しました。これにより、AIベンダーが台湾由来のトレーニングデータをより多く使用できるようになり、AIベンダーとコンテンツ所有者の間の著作権紛争を減らすことを目指しているということです。
コーパスのデータソースに関しては、国際的にはOpenAIにライセンス料の形で提供されるのとは異なり、デジタル発展部は自主的な方法で、許可を得たものや著作権のないものを優先的に収集するということです。例えば、民間から寄贈されたエッセイ、小説、評論、現代詩、論文、伝記などがあります。また、政府が著作権を所有する非機密文書として、施政計画、施政報告、研究報告、政府出版物なども含まれます。
デジタル発展部の林宜敬‧政務次長（副大臣）は、生成型AIの発展における最大の課題は技術ではなく、法律と政治の面にある。アメリカの大規模言語モデルにとって、懸念されるのは支払う金額ではなく、時間と交渉のコストだ。もし私たちが繁体字の台湾華語や台湾の視点を持つコーパスを提供できなければ、彼らの選択肢は台湾のあらゆるコンテンツを避けることになるだろうと指摘しました。
林宜敬‧政務次長は、「そのため、彼らは簡体字のコンテンツを使用する可能性があり、これは台湾にとって最も厄介な問題だ。これが確かに課題の多い問題であることは認識しており、そのため現在懸命に取り組んでいるが、明確な時期をお伝えすることはできない」と話しています。
林‧次長はまた、現時点でできることは、政府が提供できるデータをまず迅速に提供することであり、これは一種の応急措置だと強調しました。民間部門については、立法院（国会）とのコミュニケーション、メディア業界とのコミュニケーション、そして一般大衆とのコミュニケーションを含め、皆の合意を得ることを望んでいる。これにはかなりの時間がかかり、おそらく1、2年以内に合意に達することは難しいと予想されていると述べました。
（編集：許芳瑋／本村大資）