AI 可信夥伴的門檻：從 G7 先進模型管制看原住民族資料主權

# AI 可信夥伴的門檻：從 G7 先進模型管制看原住民族資料主權

G7 近期圍繞先進 AI 存取、可信夥伴與安全標準的討論，表面上是在處理模型能力外流的風險：哪些國家、哪些公司、哪些使用者可以接觸最強的模型，哪些能力必須被延後、限制或重新審查。但若把鏡頭往資料端移動，問題會變得更深。AI 的力量不只來自算力與演算法，也來自被收集、整理、標註、翻譯與再利用的資料。當國家說某些夥伴可信時，原住民族社群仍然有權追問：可信任是誰定義的？可信任是否包括對社群資料的尊重？

可信任不是白名單

國際 AI 治理常把信任想像成國家之間的安全安排，例如共同標準、出口管制、模型評估與盟友共享。這些工具在資安、軍事與關鍵基礎設施上確實必要，因為前沿模型可能協助發現漏洞、加速自動化攻擊，或改變情報與產業競爭的平衡。然而，若信任只停在國家安全，它很容易忽略另一種風險：資料被合法地拿走，卻在社群看不見的地方被重新組合成產品、研究成果或政策判斷。

對原住民族而言，資料不只是個人隱私，也可能包含土地、語言、物種、親屬關係、遷徙記憶、祭儀邊界與地方知識。這些內容一旦被放進資料庫，便可能被拆成可搜尋的欄位，再被 AI 轉化為摘要、預測或創作素材。問題不是科技不能使用資料，而是資料的權利關係不能在進入系統後消失。

CARE 原則給 AI 的提醒

Global Indigenous Data Alliance 提出的 CARE 原則，強調集體利益、控制權、責任與倫理。它與常見的 FAIR 資料原則不同：FAIR 關心資料是否容易被找到、取得、互通與再利用；CARE 則問資料再利用是否服務社群、是否承認社群的控制權、是否對傷害負責。這正是 AI 時代需要補上的治理語言。

如果一個資料集收錄原住民族語料，平台不能只說資料來自公開網路；它還必須說明資料是否涉及族群集體權利，是否經過合適同意，是否允許商業模型訓練，產出是否可能誤導社群身分。若一個 AI 系統要協助整理文化檔案，可信任也不等於把資料上雲，而是讓社群能設定存取層級、撤回授權、保留敏感內容，並決定哪些知識只適合在特定脈絡中被看見。

從盟友治理走向社群治理

G7 的討論提醒我們，先進 AI 正快速變成國際秩序的一部分。民主國家若要主張與威權科技治理不同，就不能只建立國家之間的白名單，還要示範如何把受資料影響的社群放回決策桌上。對台灣來說，這尤其重要。台灣同時是 AI 供應鏈重鎮、民主社會，也有多元原住民族知識體系。若公共部門、學界與企業未來要發展文化資料庫、語言模型或智慧治理服務，不能只問技術可不可行，還要問權限如何被社群掌握。

真正的可信 AI，應該把社群同意視為基礎設施，而不是事後補上的倫理聲明。模型可以很大，算力可以很強，但資料的邊界仍應由資料所屬的人共同決定。若 G7 的可信夥伴框架只保護國家利益，它會變成新的科技門禁；若它能學會尊重資料主權，它才可能成為更成熟的公共治理。

台灣可以先做的小治理

若把這套思路放回台灣，最務實的起點不是等待一部完美的 AI 大法，而是在每個資料計畫中建立可操作的社群治理流程。研究單位可以把資料盤點分成公開、限制、社群內部、不得數位化幾個層級；政府標案可以要求文化與語言資料專案提出社群審議紀錄；企業若要使用地方資料訓練模型，應提供退出機制、收益回饋與錯誤更正管道。這些聽起來不像炫目的 AI 技術，卻是讓技術不至於再次複製不平等的地基。

可信夥伴也應該是可被問責的夥伴。誰保管資料、誰能看見模型輸出、誰能要求刪除、誰負責錯誤詮釋造成的傷害，都必須在合作開始前說清楚。當資料治理被設計成可討論、可撤回、可修正的制度，AI 才不會只是把舊的抽取關係換成新的雲端介面。

另一個關鍵是教育。社群成員不必人人成為模型工程師，但需要能理解資料如何流動、授權如何被記錄、風險如何被評估。當技術語言能被翻譯成社群可討論的公共語言，資料主權才不會停留在文件裡。

來源檢核

• Reuters 關於 G7、可信夥伴與先進 AI 存取的報導，用於確認國際政策脈絡。
• Global Indigenous Data Alliance 的 CARE Principles，用於本文對集體利益、控制權、責任與倫理的整理。
• 本文為原創評論與綜合分析，未複製來源文章長段文字。