博物館不是資料礦場：當 AI 走進展櫃，誰有權替文物開口？

博物館最怕的不是安靜，而是被新技術講得太熱鬧。AI 導覽、語音問答、典藏資料庫、沉浸式展場，看起來像是把展櫃打開，讓文物終於能對觀眾說話；但更尖銳的問題是：到底是誰在說話？是文物自己，是策展團隊，是捐贈者，是被收藏物所屬的社群，還是一套把資料吞進去就開始自信回答的模型？當博物館把 AI 放進展示與教育系統，真正被測試的不是技術炫不炫，而是博物館有沒有能力承認：資料不是免費礦場，文化不是素材包，詮釋權也不是誰先掃描、誰就擁有。

展櫃裡的物，不只是物

國際博物館協會在 2022 年通過的新定義，把博物館放在「服務社會」的位置，強調研究、收藏、保存、詮釋與展示有形與無形遺產，也要求開放、可近用、包容、多樣性、永續，以及與社群共同參與。這段定義的關鍵不在漂亮，而在提醒博物館：典藏不是把物件搬進庫房就結束，展示不是把物件擺上燈光就完成，詮釋更不是把說明牌寫得像官方答案。當 AI 介入後，這些舊問題會被放大。過去錯誤標籤也許躲在庫房抽屜；今天錯誤標籤會被聊天機器人複誦，被語音導覽轉成親切口吻，被短影音剪成「知識懶人包」。錯誤因此不再只是錯誤，而會變成可擴散的權威。

博物館的資料倫理，第一步不是禁止 AI，而是先停止假裝「資料等於事實」。典藏欄位通常包含物件名稱、年代、材質、來源、族群、採集者、地點與故事。這些欄位看似客觀，實際上常常是某個歷史時刻的知識權力留下來的痕跡。殖民調查者如何命名？捐贈者是否有權轉讓？原社群是否同意公開？某些物件是否屬於儀式、禁忌或家族傳承？AI 若只讀到欄位，卻讀不到欄位背後的沉默，就會把沉默翻譯成可用資料。這很方便，也很危險。方便得像自動咖啡機，危險得像把祖靈牌位拿去做開箱文。

從「擁有物件」到「協商詮釋」

近年的博物館改革不只談返還文物，也談共同治理、來源研究、社群參與與數位近用。AI 讓這些議題變得更急迫。因為數位化以後，文物不只存在於展櫃，也存在於影像、三維模型、後設資料、語音腳本、教育素材、訓練資料與 API 回應。物件本體也許仍在博物館，但它的數位分身已經到處旅行。這些分身一旦進入模型，就可能被重新混合、重新生成、重新販售。傳統的館藏授權表格，往往追不上這種流動速度。

因此，博物館需要把「可不可以公開」拆成更細的層次：可否研究、可否展示、可否商用、可否訓練模型、可否讓生成式系統摘要、可否讓觀眾下載、可否跨境傳輸、可否用於兒童教育、可否與特定社群共同審稿。這不是行政龜毛，而是文化責任的最低配備。若某件物品與原住民族知識、宗教實踐、喪葬儀式或家族記憶有關，博物館更不能只用「已公開展示」四個字當通行證。公開展示不等於無限複製；看見不等於占有；學習不等於擷取。

FAIR 很好，但 CARE 更提醒人在哪裡

科學資料管理常談 FAIR：可發現、可取得、可互通、可再利用。這對研究基礎建設很重要，否則資料就像藏在倉庫角落的螺絲，明明有用，誰也找不到。可是對原住民族與其他被歷史性蒐藏的社群而言，只有 FAIR 不夠。CARE 原則提醒資料治理要有集體利益、控制權、責任與倫理。簡單說，資料不只是讓機器找得到，也要讓資料所關係到的人能決定它如何被使用、為誰創造價值、造成傷害時誰負責。

這對 AI 博物館尤其重要。許多館方會說：「我們只是做教育，不是商業。」但教育也可能製造單一版本的歷史；公益也可能包裝不對等的資料取得；科技示範也可能把社群拉來拍照，卻不讓社群參與決策。真正的共同策展不是在開幕式邀請族人致詞，而是在資料欄位、影像授權、語音腳本、模型回答邊界、錯誤更正流程與收益安排上，都讓社群有位置。若沒有這些制度，再漂亮的 AI 導覽都只是數位櫥窗裡的老殖民習慣。

AI 導覽要有「不知道」的能力

好的博物館聊天機器人，不應該像考試滿分的學生，而應該像受過訓練的館員：知道哪些可以說，哪些要查證，哪些需要標示爭議，哪些不能替人發言。AI 系統要能回答「目前資料不足」「此物件來源仍待核對」「此段詮釋需經相關社群確認」「這屬於不宜公開的知識範圍」。在生成式 AI 的世界裡，承認不知道不是功能缺陷，而是倫理功能。反過來，最可怕的系統不是偶爾答錯，而是每次都用流暢語氣把不確定講成真理。

因此，博物館導入 AI 至少要有三張清單。第一張是資料清單：哪些資料進入系統，來源、授權、更新日期、限制條件是什麼。第二張是風險清單：是否涉及敏感文化、個人資料、未公開研究、爭議來源、返還要求或商業再利用。第三張是責任清單：誰審稿、誰更新、誰接收申訴、誰能下架、誰向社群說明。沒有這三張清單，AI 導覽只是在展場裡開了一台會說話的碎紙機；它不一定立刻製造災難，但會慢慢把文化脈絡切成可消費的紙花。

結語：讓技術學會放低音量

AI 可以幫博物館做很多事：讓觀眾用不同語言理解展品，讓兒童用互動方式進入歷史，讓研究者整理龐大資料，讓偏遠地區也能接觸文化資源。這些都值得做。但博物館若忘了資料倫理，AI 就會把「教育」變成「擷取」，把「開放」變成「失控」，把「多樣性」變成資料庫裡的分類標籤。真正進步的博物館，不是把每件文物都變成能聊天的角色，而是願意讓技術放低音量，讓物件、社群與歷史慢慢說話。AI 的任務不是替文物開口，而是協助我們更負責任地聆聽。

給台灣博物館的一個務實版本

對台灣博物館而言，這個議題不能只停在國際口號。許多館藏同時牽涉南島語族、漢人移民、殖民治理、宗教實踐、地方產業與當代族群政治；同一件物件在不同社群眼中，可能不是同一種意義。AI 系統若只提供單一路徑的答案，會讓觀眾以為歷史只有一個旁白。比較負責任的做法，是讓導覽呈現「多重詮釋」：館方研究怎麼說、地方社群怎麼說、仍有爭議的是什麼、哪些部分因禁忌或同意不足而不公開。這樣的介面不一定最炫，卻最接近公共文化的誠實。

更務實地說，博物館在採購 AI 系統時，標案不應只寫「多語導覽」「自然語言問答」「沉浸體驗」。它應該要求供應商交付資料來源表、授權紀錄、敏感資料排除機制、人工審稿流程、錯誤回報通道、模型更新紀錄與下架機制。否則館方買到的不是文化科技，而是一台很會說話、但沒有人負責的擴音器。博物館的專業價值，正在於它能讓技術慢下來、讓權利被看見、讓故事不被演算法壓成一種口吻。

另一個容易被忽略的問題，是語言。多語導覽若只是把中文說明翻成英文、日文或族語表面詞彙，卻沒有讓相關語言社群參與語意校正，反而可能把錯誤擴散得更國際化。AI 翻譯尤其要保留審稿紀錄，因為文化概念常常不能逐字對應；有些詞不是翻不出來，而是不該由外部系統替它定義。

這也是本文所說的公共治理：技術可以加速，但不應取代判斷、責任與人的脈絡。

延伸閱讀與資料來源

• International Council of Museums（ICOM），〈Museum Definition〉，2022-08-24，https://icom.museum/en/resources/standards-guidelines/museum-definition/ 。人工核對重點：確認 2022 年博物館定義中「服務社會」「有形與無形遺產」「多樣性、永續、社群參與」等核心概念，避免把定義簡化成展覽機構。
• UNESCO，〈Recommendation on the Ethics of Artificial Intelligence〉，2021；網頁更新 2024-09-26，https://www.unesco.org/en/artificial-intelligence/recommendation-ethics 。人工核對重點：核對人權、透明、公平、人類監督、環境與社會影響等 AI 倫理原則，作為博物館 AI 導覽的治理背景。
• Global Indigenous Data Alliance，〈CARE Principles for Indigenous Data Governance〉，2019/2020，https://www.gida-global.org/care 。人工核對重點：核對 Collective Benefit、Authority to Control、Responsibility、Ethics 四項原則，避免將原住民族資料治理誤寫成單純隱私權議題。
• Wilkinson, M. D. et al.，〈The FAIR Guiding Principles for scientific data management and stewardship〉，《Scientific Data》，2016，https://www.nature.com/articles/sdata201618 。人工核對重點：核對 FAIR 的 Findable、Accessible、Interoperable、Reusable，並在文中明確說明 FAIR 與 CARE 的互補關係。
• source-check notes（供人工審稿）：本文為議題評論與資料脈絡重寫，未直接搬運任何單一新聞或論文段落；正式出版前建議編輯再確認台灣博物館實務案例是否需補入本地脈絡。