揭本土AI開發難點 陳縕儂：不在地化恐影響母語
攜手團隊開發本土系統「Taiwan Llama」模型的陳縕儂分享，開發在地模型的原因，是當初發現AI語言模型有半數都是英文，簡體中文比例又較繁體中文高出10倍，因此團隊決定要訓練更客製化、專屬台灣的語言模型；然而，團隊開發之初就碰上難題——台灣缺乏蒐集完整的資料集，擁有資料的著作權人又多數較為保守，「比如說書商，你要書商開放資料給你模型訓練，他就不能接受。」
「如果希望台灣的AI持續有環境去發展，比照日本這樣的法規，其實我覺得是比較好的。」陳縕儂認為，若台灣著作權人都固步保守，訓練本土AI模型就有困難，因為好用的AI模型一定要先讀過很多資料；舉例來說，若教科書商不願開放資料，台灣又如何能期待有品質優良的AI家教？「只讀一點書，就是跟沒讀差不多，一定要全部都讀在同一個腦子裡，才會具有這種比較強的效力。」
談及台灣是否有必要開發本土AI模型？陳縕儂解釋，台灣很小，許多AI巨頭會「懶得」幫小國寡民的台灣開發在地語言模型，唯有自己做才有主控權，「我們可能可以期待他佛心來的會去做這件事，但我們不能也無法控制。」且台灣不僅要具有開發能力，國人也應運用在地模型，若長期運用英文或簡中模型，習慣後久而久之恐影響母語，對多元文化兼容並蓄的台灣來說絕非好事。
然而，作為小國的台灣，能否承擔起開發本土AI模型的成本？陳縕儂說明，從頭訓練模型的成本當然非常高，但台灣目前以繁中為主的基礎AI模型，其實至少就有3個以上，這些基礎模型如同大學修過通識課程的學生，只要再施加專業資料集，就會成為該領域的AI模型；換言之，企業可以先共同訓練專業的模型，而後再各自回公司訓練、微調，「這其實是可行的，成本也不會那麼高。」
曝AI業界人才斷層 陳縕儂：先培育更多軟體產業
「AI這個領域可以應用在各個產業，所以其實跨領域結合非常重要。」談起AI人才，陳縕儂表示，無論是法律、金融界或各行各業，都能運用AI人機協作，但要運用在專業領域時，必定就需要有專業人士一同開發；而現行開發方式，主要分為企業自行開設AI部門研發，或由專業人士和軟體公司合作開發，「會軟體的人去學專業領域，還是專業領域去學AI技術，這2種模式都是可行。」
對於我國AI人才培育，陳縕儂不諱言，台灣的人才整體一定比歐美少，儘管大專院校具備AI能力的人才數量其實不低，但台灣的軟體公司數不多，願意開出的薪資條件也較國外低，造成許多人才都出走不願留下，「求學階段之後就斷了AI training（訓練）或是經驗，又怎麼可以期待有更多人才？」想要留住軟體人才，首先要有更多公司，讓學生覺得有出路後，才會有更多人願意投入發展。
「現在你要講出台灣自己本土的軟體公司，根本就屈指可數。」儘管將AI產業打造成下一座護國神山呼聲頻現，但陳縕儂感嘆，半導體業是政府當初願大力投資整個產業，但當國際將台灣看作硬體為主的國家後，來台投資軟體業的機會就不多，進而使得軟體業缺乏競爭力、難跟海外搶人才，「先培育更多軟體產業，讓他們有機會成長、有潛力，未來才有下一個軟體業的護國神山出現。」
至於AI時代下的教育，程式語言是否要從小學起？陳縕儂則說，與AI互動已可用自然語言，因此重點應放在思維訓練；台灣的教育，讓學生從小就不會質疑老師，但未來導入AI家教後，若對不可能百分之百正確的AI仍深信不疑，恐就此學歪，「在台灣最重要的其實是學生的思路，要讓他能夠知道，要對事情都保持懷疑態度、要確認資訊的正確性，不要老師說了什麼，就一昧的相信。」
更多風傳媒獨家內幕：
‧ 【新新聞】金控股利活跳跳 2大亮點搶先掌握、今年獲利動能「這類型」最強
‧ 幕後》民進黨內「大數據」早算出行政院長是他！賴清德挑中卓榮泰有最重要原因
‧ 台灣綠能、SRF、長照全被插旗 「美國ISQ基金」何方神聖，背景有多硬？
