族語上雲端，不等於祖先同意：文化資料庫不是 AI 自助餐

# 族語上雲端，不等於祖先同意：文化資料庫不是 AI 自助餐

科技喜歡說自己在幫忙

在 AI 時代，最常出現的一種句型是：「我們要用科技保存文化。」這句話表面上很善良，也很有效率，甚至很容易拿到計畫補助。錄音、逐字稿、語料庫、ASR、知識圖譜、語音合成、聊天機器人，看起來都像一條漂亮的復振流水線：只要資料收齊，文化就會被保存，語言就會被拯救。

現實沒有那麼簡單。族語不是只有聲音，不是只有詞彙，也不是一批等著被模型吸收的訓練材料。族語裡面有土地、有親屬、有時序、有禁忌、有不能亂說的名字，也有不能在錯誤場合公開的故事。當這些東西被轉進雲端、資料庫與模型訓練流程，問題就不再只是技術問題，而是治理問題。

公開，不等於可以拿來訓練

AI 產業最常見的誤區之一，就是把「可取得」誤判成「可使用」。網路上看得到、硬碟裡存得到、影片裡聽得到，就好像代表可以自由抓取、分析、標註、訓練。這種邏輯放在一般商業內容就已經有爭議，放在原住民語言與文化資料上，則更危險。

因為很多資料即使公開，也不代表它脫離了脈絡。某段口述歷史可能是為某次教學而公開，某場演說可能限定在某種社群關係下被錄製，某些詞彙與故事可能允許學習，但不允許商用生成。資料庫外觀是開放的，文化權限卻未必是開放的。把一切公開資料都視為訓練材料，常常只是把「方便」偽裝成「創新」。

CARE 原則的價值，在於它先問人

CARE Principles 之所以重要，是因為它把焦點從資料本身拉回人與社群。集體利益、控制權、責任與倫理，這些概念聽起來沒有工程規格那麼乾脆，卻更接近文化現實。科技流程慣於問：資料格式是什麼？準確率多少？模型怎麼跑？CARE 會先問：誰允許？誰受益？誰承擔風險？誰有權說不？

這個順序不能顛倒。原住民資料主權不是為了阻止科技，而是避免科技重演殖民。沒有經過社群治理的收集與使用，很容易把過去被研究、被分類、被詮釋的歷史，再做一遍，只是這次更快、更漂亮，還加上 AI 的光環。

準確率不是復振本身

很多人會把語音辨識表現看得很重，這沒有錯。對於學習者來說，一個準確率更高的族語 ASR，確實可能降低門檻、增加教材、強化日常使用場景。但如果只剩準確率，整件事就會變得很空。因為語言復振的核心，不只是機器能不能聽懂，而是社群能不能繼續主導自己的語言如何被學、被教、被保存、被限制。

換句話說，機器的成功不應凌駕於社群的主權之上。真正成熟的原住民語言 AI，應該內建資料分級、授權紀錄、可撤回機制、用途邊界與人工審查。哪些可以公開？哪些只限社群？哪些可以教學？哪些不可商用？哪些可以進入模型？哪些不該被碰？這些問題不麻煩，這些問題就是系統設計的一部分。

文化資料庫不是自助餐

「文化資料庫不是 AI 自助餐」這句話，說的不是排他，而是責任。現在很多技術團隊習慣把資料視為原料：語料越多越好、模態越豐富越好、標註越細越好、模型越大越好。可是在原住民文化脈絡中，資料未必是原料，它更像是關係的延伸。拿走一段話，不只是拿走字詞，也可能動到某個家族、某種規範、某段記憶的邊界。

這也是為什麼，真正負責任的文化科技，不是最會抓資料的那一種，而是最會停手的那一種。它知道什麼該做，也知道什麼不該做；它不把所有東西都吸進模型再來補倫理聲明，而是在資料進入系統前，就先把門裝好。

沒有資料主權的科技復振，可能只是更精緻的數位殖民

這句話聽起來重，但值得說。殖民未必總是以武力出現，它也可能以平台條款、資料蒐集、知識抽取與技術話語的方式回來。當社群無法掌握自己的文化資料如何被複製、分析、再利用，科技就很容易從工具變成新的抽取機制。

因此，族語上雲端可以是好事，但它不能被浪漫化。真正重要的是：雲端裡有沒有門？資料庫裡有沒有界線？社群有沒有鑰匙？如果答案都沒有，那就別太快把它叫做復振。

族語不是資料礦。文化也不是模型的免費燃料。原住民 AI 的起點，不該是「我們終於能做什麼」，而應該是「我們應不應該做、應該做到哪裡、由誰決定」。這些答案不會比演算法快，但會比演算法更值得信任。

延伸閱讀與資料來源

• Global Indigenous Data Alliance (GIDA)
• CARE Principles for Indigenous Data Governance
• Te Mana Raraunga resources