誰把祖靈變成資料集？——AI時代的文化資料主權，不是雲端硬碟的權限設定

# 誰把祖靈變成資料集？——AI時代的文化資料主權，不是雲端硬碟的權限設定

從CARE Principles到社群同意，重新追問AI能否碰觸祖先知識

作者：原傳媒 AI 編輯室

編輯前言

AI產業習慣把世界拆成可訓練資料，彷彿只要檔案能下載、文字能擷取、影像能標註，就自然成為模型的食物。但對原住民族社群而言，知識不只是資訊，資料不只是資源；它連著土地、親屬、照護、禁忌、責任與集體未來。本文從Indigenous Data Sovereignty與CARE Principles出發，提醒AI治理不能把祖先知識當成免費的雲端肥料。

不是「資料」而已：那是一個族群如何記得自己

AI公司最愛說「資料」。這兩個字乾淨、方便、沒有氣味，像會議室裡剛擦過的白板。但文化知識進入資料庫以前，往往不是檔案，而是人與人之間的責任：誰可以說、什麼時候說、對誰說、說完以後要承擔什麼。

把這些關係壓平成資料集，問題不只在技術準確度，而在治理位置。資料被抽離脈絡後，最先消失的不是文字，而是判斷。模型看見片段，卻看不見社群為什麼讓某些事保持沉默。黑色幽默是，科技業常說模型需要「更多上下文」，卻又最擅長把人的上下文先拆掉。

祖先資料不是公共素材庫

網路上看得到，不等於可以訓練；研究曾經引用，不等於平台可以商用；博物館放上展品照片，也不等於祖先同意被做成生成式AI的風格包。這些界線如果不說清楚，AI就會把「公開」誤讀為「無主」。

原住民族資料主權提醒我們，資料權利不只屬於單一個人，也可能屬於家族、部落、民族與未來世代。這不是反科技，而是要求科技承認：集體記憶有集體治理的必要。模型若只問授權條款，卻不問關係與後果，那只是把法律頁面當成倫理。

CARE Principles：從同意走向集體利益

CARE Principles把焦點放在Collective Benefit、Authority to Control、Responsibility與Ethics。它不是要把資料封起來，也不是把AI逐出山門；它要求資料使用必須服務社群利益，承認社群控制權，讓使用者承擔責任，並把倫理放在便利之前。

套到AI訓練，這意味著幾個具體問題：模型用途是否清楚？社群是否能拒絕或退出？錯誤如何修正？收益如何回饋？哪些知識不應被收集？如果答案是「之後再說」，那通常代表真正的答案是「我們想先拿走」。

AI黑箱不能替文化脈絡開後門

AI系統常以黑箱之名逃避追問：資料太大、模型太複雜、供應鏈太長、權責太分散。可是文化知識一旦被訓練進模型，就可能在無數輸出裡被重組、誤植、商品化，最後社群還要花力氣向世界解釋：這不是我們的意思。

對敏感知識而言，最好的保護不一定是更精密的浮水印，而是根本不要放入模型。不是每一種知識都該被擴散，不是每一種記憶都需要被搜尋，也不是每一個祖先留下的痕跡都應該成為「創意素材」。有些邊界存在，不是因為落後，而是因為懂得照護。

原住民族資料治理不是反科技

真正成熟的AI治理，不會把社群同意視為阻礙，而會把它視為品質的一部分。沒有同意的資料，不只是倫理風險，也是不可靠的知識來源。沒有回饋機制的創新，不過是換了雲端外衣的採集經濟。

社群可以與研究者、學校、平台合作，建立分級授權、用途限制、資料審查、共同收益與錯誤修正制度。重點不是讓AI永遠碰不到文化資料，而是讓每一次接觸都能被問責。AI若想靠近祖先知識，至少要先學會敲門。

結語：讓資料回到關係，而不是被模型吞下

我們需要的不是把所有文化知識都鎖進保險箱，也不是把所有資料都倒進模型。真正的路在中間，也在更深處：承認知識有主人、有關係、有不該被公開的部分，也有可以在社群利益下被分享的部分。

AI時代談文化資料主權，說到底是在問一個老問題：誰有權替一個群體說明它的記憶？如果答案永遠是平台、研究機構和資本，那麼祖先不會變得更可見，只會變成另一批看不見來源的訓練資料。那不是保存，那是吞嚥。