不要把祖先變成資料集：傳統知識進入 AI 之前，誰有權說「不」？

AI 時代有一句話非常迷人，也非常危險：「我們可以把傳統知識數位化。」

這句話前半段很美。數位化可以保存語言，可以整理影像，可以讓年輕世代重新看見祖先的智慧，可以讓遠在都市的族人透過平台接觸部落記憶。它也可以幫助教學、研究、展示與跨世代溝通。問題不在數位化本身，問題在後半段常常被偷偷接上另一句話：「既然已經數位化，那應該也可以拿來訓練 AI 吧？」

這就是危險開始的地方。

傳統知識不是一堆等待被標註的資料。它不是躺在雲端硬碟裡的免費礦石，也不是科技模型的高級飼料。它有來源、有講述者、有季節、有場域、有家族、有禁忌、有使用條件。某些知識可以公開教學，某些知識只能在特定場合講，某些知識需要特定身份才能接觸，某些知識甚至最好的保存方式就是不要被平台化。

但 AI 系統不太懂這些。模型最擅長的事情，就是把差異壓平成可計算的模式。它看到歌謠，就想轉成音訊特徵；看到植物，就想轉成影像分類；看到耆老故事，就想轉成語料；看到祭儀，就想轉成「文化內容」。於是，一個活的知識體系，可能在資料處理流程裡被拆成檔名、標籤、欄位、向量與 API。祖先沒有變成星星，祖先變成 embedding。這句話很殘酷，但今天的技術流程確實可能如此。

所以我們需要把問題倒過來問：不是問「傳統知識能不能進 AI」，而是問「誰有權決定它能不能進 AI」。

這就是原住民族資料主權的核心。資料主權不是單純的著作權，也不是一份同意書簽完就萬事大吉。它牽涉的是集體權利、文化責任、治理程序與未來使用的控制能力。部落資料不是研究者拿到之後就永遠屬於研究者，也不是平台上傳之後就自然變成公共財。公共不等於無主，開放不等於放棄權利。

國際上常被提及的 CARE 原則，提供了一個重要提醒。資料治理不能只追求 FAIR，也就是讓資料可尋找、可近用、可互通、可再使用；對原住民族資料而言，還要 CARE：集體利益、控制權、責任與倫理。簡單說，資料不是只要好用，還要用得對；不是只要能分享，還要知道誰受益；不是只要能訓練模型，還要知道誰有權喊停。

這對原傳媒 AI 的意義非常直接。如果未來要建立具備影像、語音、族語、植物知識、傳統技藝與部落敘事的聊天機器人，就不能只做資料庫工程，也要做治理工程。技術架構要能記錄授權條件，資料欄位要能標示敏感等級，模型訓練要能排除特定資料，輸出內容要能避免錯誤再製禁忌知識。更進一步，部落與知識持有人應該能知道資料被怎麼用、用在哪裡、產生什麼回應，甚至有權撤回或限制。

這聽起來麻煩嗎？當然麻煩。可是文化本來就不是為了讓資料工程師方便而存在。若一套 AI 系統只能在忽略文化規則的前提下運作，那問題不是文化太複雜，而是系統太粗魯。

台灣在這件事上有機會走出自己的路。原住民族傳統知識與數位科技的結合，不必複製大型平台「先收集、再道歉、最後成立倫理委員會」的劇本。比較好的做法是從一開始就建立資料分級、部落授權、知識持有人回饋、使用紀錄與敏感內容防護。AI 不應該是新的殖民採礦工具，而應該成為協助社群管理記憶、教育下一代、連結跨領域知識的工具。

這裡也需要雙向知識的視角。科學資料與傳統知識不是誰取代誰，而是要彼此看見限制。AI 可以幫忙整理大量影像、語音與文本，但它不能取代耆老的判斷，也不能取代部落對脈絡的掌握。模型可以辨識植物葉形，但不一定知道哪一段故事不能亂講；模型可以整理族語詞彙，但不一定知道某些詞彙在祭儀場域中的重量。

真正成熟的原住民族 AI，不是回答最多問題的 AI，而是知道哪些問題不該回答、哪些內容需要回到社群、哪些知識必須沉默的 AI。

在資料經濟的世界裡，「沉默」常被視為浪費，因為沒有被利用就沒有商業價值。但在傳統知識裡，沉默有時是一種保護，一種禮貌，一種權利，也是一種治理智慧。AI 若要進入這個場域，就必須學會這件事：不是所有東西都該被轉成資料，不是所有資料都該被訓練，不是所有答案都該被生成。

祖先可以被記得，但不應該被挖礦。

傳統知識可以被傳承，但不應該被平台吞掉。

AI 可以很聰明，但它必須先學會尊重別人說「不」。