Unicode 不是鍵盤小事：族語上網以前，字母也需要資料主權

# Unicode 不是鍵盤小事：族語上網以前，字母也需要資料主權

很多人一看到 Unicode、字碼、鍵盤配置，就自動把它歸類成「工程師的事情」。好像那只是電腦裡一排看不見的編碼規則，跟多數人的生活、文化與政治毫無關係。這種想法最危險的地方，不是它冷漠，而是它看起來理所當然。因為一旦社會集體相信「字母只是技術細節」，那些尚未被良好表示、尚未被穩定輸入、尚未被系統完整支援的語言，就會被默默推回紙本、口耳與邊緣。族語不是沒有上網，而是常常在上網之前，就先被卡死在輸入法、字形標準、資料庫欄位、搜尋排序與平台相容性裡。

所以「Unicode 不是鍵盤小事」，其實是在提醒我們：語言進入數位世界，不只是文化保存議題，更是資料主權問題。誰有權決定一個語音怎麼標記、哪個變體可被視為標準、哪些字形算「正式」、哪些拼寫會在平台被自動改錯、哪一種書寫方式能被政府系統、學校平台與搜尋引擎正常讀取？如果這些決定都在社群之外被完成，那麼所謂的數位化，最後很可能不是賦權，而是一次溫和但徹底的再編碼。

當一種語言無法被穩定輸入，它就很難被當成日常知識

人們常把語言保存浪漫化，彷彿只要有心錄音、有心教學、有心辦活動，語言就能自然延續。然而在今日，語言能否進入日常，很大程度取決於它能否進入設備。學生是否能用族語打作業？長輩能否在手機上傳訊息？社群能否建立自己的標註語料、字典、教材與查詢系統？政府或學校表單是否允許正確輸入相關字符？如果答案多半是否定的，那麼族語即便被口頭讚美為「很重要」，實際上仍被數位基礎設施排除在外。

這就是為什麼 Unicode 看似微小，實則關鍵。它處理的不只是「一個字能不能顯示」，更是這個字能不能被搜尋、排序、索引、傳遞、交換、保存，以及能否在不同系統之間不失真地流動。若一個語言的表示方式不穩定，同一個詞可能在不同平台上拆成不同碼位、被替換成方框、被讀成錯字、被資料庫拒收，或在模型訓練時被當成噪音。到最後，大家就會被迫退回方便但不準確的替代拼寫。久而久之，不方便的，不只是書寫，而是文化本身。

標準化不是不能做，而是不能只有外部邏輯

談到字碼與標準，很多人會說：系統總要有一套統一規則，否則怎麼運作？這句話本身沒有錯，錯的是常把「需要規則」偷換成「規則可以不必與社群商量」。語言的數位化從來不只是技術效率問題，它牽涉口音差異、書寫歷史、跨部落用法、教育場域需求與文化禁忌。有些變體是活的差異，不是待修正的錯誤；有些標記是語音識別必要資訊，不是排版上的麻煩；有些書寫選擇牽涉身分認同，不是由外部機構一句「為了相容」就能消除。

資料主權的核心，正是在這裡：社群必須有權參與決定自身語言在數位環境裡如何被表示。不是先由平台、廠商、標準委員或研究者替你做完一套，再邀請你來「提供意見」；而是從一開始就要承認，語言不是原始素材，不是可任意加工的語料礦藏，而是承載記憶、規範與關係的知識系統。沒有這層前提，族語科技做得再快，也可能只是把不平等搬到更高解析度的介面上。

族語 AI 若建立在錯誤字碼上，會把錯誤放大成基礎設施

這也是為什麼今天談族語 AI，不能只談模型效能，還要回頭談字碼、標註與資料治理。AI 系統最擅長的事情之一，就是把既有偏差大量複製、快速擴散。如果底層字碼不穩、拼寫標準混亂、資料欄位彼此不相容，那麼語音辨識、機器翻譯、教材生成與檢索系統都會一起受影響。模型不會自動理解你是被不友善的基礎設施耽誤了，它只會把輸入裡的混亂當成統計事實，再把它回傳成更大的混亂。

更麻煩的是，一旦某一套技術方案先跑起來，它常會反過來塑造使用習慣。平台支援哪種拼寫，人們就被迫往哪邊靠；輸入法提供哪種快捷鍵，教學現場就傾向使用哪套寫法；資料庫只能收哪些字符，行政系統就把其他寫法邊緣化。這時候技術不再只是工具，而開始扮演規訓者。於是，本來應該服務語言多樣性的系統，可能變成收窄語言表達的基礎設施。

文化資料主權不是把門關起來，而是把規則說清楚

談資料主權，外界最常誤解的是：你們是不是不想分享？其實真正的問題從來不是分享本身，而是分享的條件、範圍、同意機制與治理方式。族語資料有些適合公開、有些適合限定社群使用、有些牽涉祭儀、地名、家族傳承與敏感知識，根本不應被無差別抓取。這些差別，不能等資料被蒐走、模型訓練完、產品上線後，才來補一句「若有不妥敬請告知」。那不叫尊重，那叫先占用再協商。

因此，Unicode、字碼與輸入法看起來只是技術層，實際上卻是治理層的入口。因為只有當語言能被準確表示，社群才可能進一步討論：哪些資料可標註、哪些教材可共享、哪些語料可進研究、哪些內容只能留在特定邊界內。技術若連最基本的表示能力都做不好，後面的主權治理也無從談起。這不是因為技術最重要，而是因為它在今天已成為一種准入門檻。

從字母開始，才有真正的數位平權

我們很喜歡說「數位平權」，但若說到底，平權不是發幾台平板、裝幾門課、辦幾場競賽就會自動發生。平權意味著某個語言進入數位空間時，不需要先犧牲自己才能被看見。它不需要把聲音磨平，不需要把字符刪掉，不需要改用別人的正字法來換取平台可讀性。能夠用自己的語言正常輸入、顯示、搜尋、教學、備份與交換，這聽起來很小，卻是非常根本的權利。

而且，這件事也不只是族語社群自己的問題。任何一個社會若習慣讓少數語言在技術系統裡靠繞路生存，它遲早也會在別的領域複製同樣的邏輯：方便優先於正確，規模優先於差異，平台優先於社群。今天被壓縮的是字母，明天被壓縮的可能就是地名、知識分類與歷史記憶。換句話說，族語字碼問題不是邊緣議題，它是整個社會如何理解多樣性是否值得被基礎設施承認的試金石。

結語：真正的上網，不是把語言丟進雲端，而是讓權利一起上線

如果一種語言只能在典禮上被尊重，卻不能在手機裡被正常輸入，那它仍然活在一種被欣賞但不被真正支持的狀態。Unicode 不是鍵盤小事，因為它背後問的是：誰決定一種語言在數位世界裡怎麼存在？誰有權制定標準？誰可以說這樣寫「才算對」？誰承擔資料被錯讀、被濫用、被擷取後的後果？

真正成熟的族語科技，不會把社群當成資料來源，而會把社群視為共同治理者。真正有遠見的數位政策，也不會把字碼當作工程雜務，而會把它視為文化權利的基礎。從字母、鍵盤、輸入法到語料治理，這些看起來細小的層次，正是語言能不能帶著尊嚴進入網路世界的關鍵。語言要上網，權利也要一起上線；否則所謂數位化，終究只是把舊的不平等換成新的介面。