主流AI讀簡中，繁中語料缺口大

目前ChatGPT、Gemini等大型語言模型訓練用的中文語料，多數以簡體中文書寫，繁體中文占比不到1%。這導致AI容易陷入中國框架，例如將台灣特色小吃簡化、誤認國家元首或慣用詞彙差異。31歲新媒體藝術家吳哲宇發起Taiwan.md，旨在建立開源知識庫，讓AI能抓取高品質繁中內容，發展出真正的台灣觀點，而非僅靠「小籠包」或「珍珠奶茶」認識台灣。

著作權紅線讓語料庫擴張膽戰心驚

Taiwan.md雖收錄1,123篇繁中文章，來源涵蓋學術論文、部落格及政府資料，但團隊極力避免版權問題，只要有一絲侵權疑慮便寧可捨棄。這種「自我設限」使得語料庫擴張進度不如預期。吳哲宇指出，深怕違反《著作權法》甚至衍生刑事責任，是當前發展主權AI的最大制度卡關點，使得台灣在AI世界爭取話語權的過程走得相當謹慎。

台大生侵權案引發寒蟬效應

2025年7月，某台大博士生為彌補語料缺口，從美國開源網站截取繁中資料無償分享，卻因包含14萬筆來自中央社的「未經授權」新聞，遭中央社以違反《著作權法》提起刑事告訴。儘管雙方達成和解且台大生發表道歉聲明，但隨後將語料庫全數下架。此事件在研發者眼中形成寒蟬效應，提醒研究員務必確認資料來源合法性，卻也間接阻礙了台灣繁中語料庫的快速累積與應用。