開源 AI 技術 x 社群接力，臺灣開源邁向韌性新局：奠基臺灣主權視覺資料，打造理解在地文化的 AI 模型

當全球 AI 模型逐漸主導內容產出，臺灣的文化與語境正面臨邊緣化風險。為此，在地社群 Twinkle AI 團隊致力建立開放授權的圖文資料集――Formosa Vision，確保 AI 能理解並傳承島嶼獨特風貌。

專案導師黃亮勳指出，國際視覺語言模型如 Gemma、LLaMA 系列雖技術先進，卻對臺灣影像陌生。若 AI 內容輸出由外部語法主導，將影響下一代對在地風土的理解與文化傳承。學員劉俊彥補充，Formosa Vision 專案正是為了回應此風險，讓臺灣語境與價值觀在 AI 時代中持續發聲，而非任由外來模型定義臺灣文化。

從誤判到理解，在地數據奠定文化基石

團隊發現，模型若缺乏在地數據，容易出現誤判。如 AI 曾將婚喪花圈誤認為警戒標示，將山道粗繩誤判為防落石設施，反映其對臺灣文化理解不足。

導師陳旻詣指出，若 AI 無法理解臺灣的文化與事理，人機協作將面臨根本困境。他舉例，當外國旅客在臺迷路拍照求助，模型若不識地點，便無法協助。學員黃冠維補充，現有模型在描述圖片時，若帶入地理或歷史知識，語言常顯生硬，須透過人工補足脈絡，這正是 Formosa Vision 的核心價值。

資料收集上，團隊從國家文化記憶庫 200 萬筆資料取出 3 千多筆，依循 CC BY、ODGL 與 PDM 等開放授權條款篩選，確保資料集自由使用。學員梁廣廷分享，他整理的照片涵蓋古道、海景、馬祖戰地標誌與桃園眷村等。學員林伯燊補充，團隊期望藉影像重新認識臺灣歷史，例如原住民部落遺跡多被草木覆蓋，若遭忽略，實屬可惜。

Formosa Vision 亦重現臺灣真實語境的多語混合特性，像是日治時期日文、馬雅各傳教士文法、國民政府遷臺書寫方式、原住民族語等。學員黃仁和指出，許多資料集僅標示物件，本專案則補充文化與歷史脈絡。教 AI 辨識只是起點，理解影像背後的歷史與人情，才是目標。

資金法規雙重考驗，主權 AI 仍待突圍

不論 Formosa Vision 專案，還是 Twinkle AI 團隊長期都面臨諸多挑戰。黃亮勳坦言，開源專案難在人才招募與社群維運，許多人因理念投入卻在半途默默離開。所以他持續推動開源專案曝光，以吸引志同道合者加入並形成長期夥伴關係。

算力資源取得不易，也是瓶頸。本專案採用 DGX 等級伺服器部署推論模型以支援圖片審核作業，整體 GPU 伺服器建置成本超過新台幣百萬元。所幸獲黃亮勳任職的 APMIC 公司支援，補足算力缺口，使專案順利推進。他認為，若政府能在經費與算力基礎設施上提供長期支持，將有助臺灣 AI 生態穩定發展。

臺灣在模型訓練領域面臨的核心挑戰，在於缺乏足夠的繁體中文在地化資料集。訓練過程長達八成時間用於資料準備，係因缺乏資料如同無食材，難以烹調高品質模型。梁廣廷呼籲政府推動資料探勘例外條款，避免 AI 研究者因爬取公開資料而面臨訴訟風險，並建立專責審查機制，保障研究安全與效率。

劉俊彥補充，臺灣著作權法對 AI 訓練限制嚴格，另外多數文史工作者傾向使用 CC BY-NC 授權，壓縮資料可用性。即便政府高層支持釋出資料，基層承辦人員因法律風險卻步，使進度受阻。建議政府提供明確法規與配套，讓資料釋出者無後顧之憂。

此外，陳旻詣提醒，對岸模型的語法風險與資料污染問題亦不容忽視。不少教師被迫使用對岸模型產出簡體資料，再透過 OpenCC 轉為繁體，導致大量錯譯，如「濃郁」變「濃鬱」、「虱目魚」誤為「蝨目魚」。唯有強化本地資料的語境一致性與品質，才能從根本上抵禦語料偏差，建立臺灣自主語料優勢。

實戰培訓與開放精神，點燃在地 AI 星火

黃亮勳與陳旻詣曾參與大語言模型計畫，深知高品質資料集對AI訓練的重要性。他們分享實戰經驗，協助社群學員將資料集快速轉化為優質問答對（QA Pairs），這些都是學校未曾教授的技能。

黃仁和指出，臺灣 AI 教育長期偏重演算法，卻忽略資料收集與清理訓練。學生使用現成模型與資料集，成果常不如預期，這正是 Twincle AI 團隊力求避免的陷阱。林伯燊表示，透過專案學習到從結構化資料庫進化為訓練集的處理細節，獲益良多。

跨域協作亦是 Formosa Vision 專案的一大特色。學員曹惟萌來自非資訊背景，他坦言，政府若能提供更多磨練與實習機會，將有助不同領域人才跨越 AI 專案的參與門檻。梁廣廷則補充，產業與學術間的媒合管道仍待建立，政府應積極牽線、促進跨界合作。

算力不足亦為痛點。儘管政府提供算力租借計畫，但申請流程繁冗，資源常被大型企業瓜分，中小新創與學界難以申請。建議簡化流程並設立配額，保障基層研究者的使用權。

秉持開源精神，Twinkle AI 團隊將 Formosa Vision 專案在內的訓練工具、程式碼與評測框架全數開放，如 Twinkle Gallery 訓練平臺與 Twinkle Eval 評測框架皆已開源。未來將持續打造繁體中文資料集與模型權重，拓展至聲音等多模態領域，並串聯媒體與民間組織，鼓勵開放私有文字資料。

黃亮勳亦憂心，若模型權重長期不開放，國人將被迫依賴對岸或西方模型。其實臺灣有許多從事模型微調的廠商，若能開放部分權重供研究使用，勢必能促進在地 AI 研究與產業共榮。

Formosa Vision 團隊透過本次補助，已著手建立在地視覺資料集與開源訓練框架，踏出實踐的第一步。雖然目前仍是起步階段，但方向明確。團隊期望未來能與更多認同開源精神、關心臺灣文化傳承的夥伴攜手同行，讓臺灣 AI 的發展逐步扎根、持續發光。

臺東碳匯平台的開源實踐
臺東自由軟體愛好者社群召集人王振民老師（暱稱王大），與臺東大學圖資館謝明哲館長合作指導學生，以 AI 影像識別結合區塊鏈技術，建立植樹後碳匯管理追蹤平台。王老師帶領三位學生含牛禹喬等人共同開發，並開放盤查系統供社群使用，展現地方實作與開源精神的結合。