模型代工　打造「AI台積電」！蔡宗翰：AI時代文組人的新出路

那天ChatGPT首次面對世人，這位專攻自然語言處理的學者抱著好奇心登入，卻意外開啟了三小時驚心動魄的探索。「它能摘要、翻譯、分析、聊天，簡直實現了我所有的夢想，」蔡宗翰臉上難掩興奮之情。

但新技術帶來的不只有驚喜。

當從小醉心於歷史人文的蔡宗翰，要求ChatGPT解釋「十字軍東征」時，卻發現用英文提問，答案準確完整；換成繁體中文後，卻錯誤百出。

為什麼會這樣？

這個問題揭示了AI發展中的關鍵挑戰：GPT模型的訓練資料以英文為主，未來可能出現語言的數位鴻溝：英語使用者享受AI帶來的便利，繁體中文使用者則可能逐漸被邊緣化。

「我們必須立即行動！」驚覺ChatGPT在繁體中文上的局限後，蔡宗翰火速聯繫了陽明交大教授李育杰、台大資工系教授許永真、台大電機系教授李宏毅等志同道合的學者，很快達成共識：台灣需要自己的大型語言模型。

然而，理想與現實間橫亙著巨大鴻溝。

「分散各大學去做是不可能的，」蔡宗翰坦言，「算力不足、經費有限、繁體中文訓練資料稀缺⋯⋯若資源四散，根本無法成事。」

面對重重障礙，他們選擇迎難而上。不到一年，努力終究開花結果——以繁體中文為主的「TAIDE」（Trustworthy AI Dialog Engine）模型終於誕生，目前有寫文章、寫信、摘要、英翻中與中翻英等五大功能，測試分數與GPT 3.5模型相近。

蔡宗翰意識到ChatGPT的局限及國家資安問題，與眾多台灣學者合作開發大型語言模型TAIDE。圖片來源：陳俊銘攝

台灣為何需要自己的語言模型？

如今，TAIDE已成為台灣AI應用的重要基礎，但回顧開發初期，也曾面臨諸多質疑。

「為什麼要重複造輪子?」是當時最常聽到的批評之一。許多人認為，既然ChatGPT已經支援繁體中文，台灣完全可以直接使用，無需投入大量資源開發自己的模型；即便現在仍有立委質疑，為何「花三億只能得到ChatGPT 3.5的效果？」

非做不可的原因，在每個團隊成員心裡的答案可能都不一樣；對蔡宗翰來說，主要原因有兩個：練兵與資安。

談到練兵，蔡宗翰巧妙地將TAIDE與IDF經國號戰機相比：「很多人一開始看衰IDF戰機是『I Don't Fly』，但正因為台灣先做了IDF，後來才有能力製造高等教練機，也才買得到F16。」IDF不僅證明了台灣的國機國造能力，促成美國對台軍售F-16，其後續改良更促使2020年勇鷹高教機問世，使台灣躋身全球少數能生產第五代高教機的國家之列。

至於資安考量，蔡宗翰提出了一個發人深省的問題：「如果總統或國防部長需要一個數位大腦，我們可以用進口的嗎？」

他認為，鑒於國防和半導體產業對台灣的戰略重要性，政府有義務開發自主的生成式AI對話引擎，以確保數據安全。「就算只有台積電或魏哲家一個用戶，都該為他們開發！」

語言科系，能不能成立「資料工程組」？

TAIDE更長遠的目標，是為各產業持續訓練和優化專屬模型奠定基礎。

「每個領域都有自己獨特的專業用語和表達方式，」蔡宗翰舉例，在財會專業文件中，使用「我們」可能被視為權責不清；但在其他情境下，「我們」卻是拉近關係的有效用語。因此，「每個領域的AI模型，應該由該領域的專家主導開發。」

此外，由於語言模型並非一勞永逸，就像法律會隨時代變遷而修訂，AI模型也需要持續更新以跟上變化。正好讓每個行業都有機會理解參與AI，確保模型的專業與永續。

然而，當前台灣社會對AI的認知似乎出現了偏差。一方面，AI熱潮促使學生爭相報考資工系；另一方面，卻傳出國立大學人文科系申請入學報到率掛零，校方將原因歸咎於AI的消息。

面對這種冷熱兩極的現象，要在AI時代振興人文學科，蔡宗翰提出了一個大膽的想法。

「想像一下，台大外文系增設『資料工程組』：學生不僅學習語言，還要學習如何將語言知識轉化為AI可利用的資料，」這樣的跨領域結合，既保留了語言學習的核心，又增加了技術應用的層面。

他強調，這種轉變不只為適應AI。「每個學系都該思考如何吸引年輕人，將發展方向與社會需求結合。」

他指出，雖然有些學系在這方面可能更具優勢，但每個領域都需尋找定位。「AI加速了變革，科系若不能及時調整，恐怕難以生存。」

為了將理念付諸實踐，蔡宗翰選擇了海外華語教學作為切入點——組織一群華語教師，共同開發一個AI輔助教學工具。

這個專案，源於海外的華語教師面臨的教材短缺、版權障礙及內容老舊問題。過去，華語教師還要自己編寫所有內容，包括課文、生字表、英文翻譯和發音指導，既耗時又費力。「如果能用AI來生成這些內容，效率將大大提高，」蔡宗翰說，系統建立起來後，還能根據學生的華語程度自動調整教材難度。

蔡宗翰觀察，AI加速變革，大學科系若不能及時調整，恐難以培養未來人才。圖片來源：陳俊銘攝

AI模型代工，帶動全領域人才轉型

AI除了在高教等領域可能衝擊人文科系，也對產業造成另一個更大挑戰：人才分配失衡。

「半導體產業的磁力太強了，」蔡宗翰嘆了口氣，「連軟體人才也被吸走。」面對這個看似難解的困境，他的眼中閃過一絲希望：前科技部長陳良基提出的「AI代工」模式。

「台灣在AI發展上有一個無可替代的優勢，那就是歐美對我們的信任，」他指出，台灣擁有完整的先進製造技術與供應鏈，多年來與國外科技大廠透過「代工」建立的互信夥伴關係，正是這個模式的重要基石。

他強調，當台灣能為各行各業打造AI模型，其他產業人才才不會被半導體業吸走，而能跟著AI一起成長。他舉例，若是國外投資銀行要做一個金融模型，從成本與過去的聲譽來看，台灣自然是最佳選擇；台灣的財經人才，也能藉此接觸AI與國際企業。

最後，一但AI產業成發展茁壯，提供合理的薪酬，加上政府大力投資，就有機會一拚人才轉型。

「AI台積電」不只是口號，而是台灣的下一個里程碑。

我們在半導體領域創造了奇蹟，現在，AI時代的舞台已經搭好——台灣，準備好了嗎？

延伸閱讀

• 發起本土語言模型TAIDE　台灣AI教育先驅許永真：給本土AI人才一個練兵場
• 大學師生必讀！不分科《AI的發展與應用》，快速提升你的AI素養
• 台灣要成「AI之島」？人工智慧學校校長孔祥重：先清政府資料、建產業模型、養技職人才

深度專題｜台灣AI 20

「AI即國力」在2024年已成共識。進入新時代，天下「未來城市」推出了「台灣AI 20」專題報導，邀請產官學代表組成推薦委員會，選出20位在AI的技術創新、產業應用、政策推動、知識教育和社群連結五大領域中，選出20位對台灣AI發展有重大影響的人物。

誰是台灣AI 20人物？他們為台灣做了哪些事？立刻點擊閱讀「台灣AI 20」深度專題。