生成式人工智慧（AIGC）近年逐漸廣為使用，台灣能否憑藉AI狂潮，打造出新的護國神山備受矚目，但蓬勃發展的AIGC背後，其實埋藏著不少隱憂。對此，台大資訊工程學系副教授陳縕儂接受《風傳媒》訪問，從制定速度跟不上科技進程的監管法規、依舊不足的繁體中文資料集、只重硬體卻輕軟體的產業界，到還待翻轉的教育方式等面向，剖析台灣在AI時代下的困境與前景。
從聊天機器人ChatGPT、影像生成工具DALL-E，到Google Bard、Bing AI等，近年AIGC已取得突破性發展，並逐漸被大眾廣為使用。陳縕儂說，人類可以把AI視作一個很厲害的朋友，共同協作其實能夠帶動人類成長，如在創意上AI提供人類素材促進思考，人類或許就能藉此得到新的創意、提升能力，「不用AI能力在這，但是你用了，AI就會給你額外的輔助，然後你就成長了。」
監管AI兩難？陳縕儂：台灣已落後，保守恐失競爭力
不過，飛速發展的AIGC其實埋藏不少隱憂，英國已在去年舉辦全球首屆AI安全峰會，歐盟去年底也達成「人工智慧法案」政治協議，相關監管法規有望在今年夏季生效。陳縕儂分析，歐盟的個資保護相關法令本身就較為嚴格，目前的「人工智慧法案」也多與保護個人隱私有關，但對模型訓練可用的資料，或模型需可控到什麼程度，就尚無非常明確的規定，僅有簡易指引（guideline）。
陳縕儂指出，監管AI的相關法令制定，目前對各國而言都不容易，因為立法程序冗長，但AI的發展卻非常快速，法規制定要如何跟上AI發展腳步，以及立法者要如何了解AI技術，進而去制定適合的監管法規，這些都是非常困難的問題，「這畢竟是2個差異非常大的領域，這個產業又變得非常快，法規修改又非常的慢，而且到底要多嚴跟多鬆，其實每個國家的策略都不太一樣。」
事實上，訂定AI相關法令存在一體兩面，未必僅有監管作用，有時法令的指引反而能成為發展助力。陳縕儂提到，許多國家現正觀望美國對《紐約時報》提告OpenAI侵權的判決結果，但日本對AI訓練的著作權議題其實早有表態，只要產物不會侵權，在日本要訓練AI模型，可以取用任何網路上的公開資料，此項寬鬆政策也受到AI開發者青睞，有助於帶動日本的AI技術起飛與發展。
「監管的比較嚴，可能發展上就比較沒有競爭力，但監管的太鬆，的確也可能就不可控。」陳縕儂直指，有版權資料能否用作AI模型訓練，攸關各國在AI領域上的發展速度與競爭力；而我國究竟該如何立法監管？陳縕儂說，台灣過往立法常會參考歐美等國的法令，但目前台灣在AI的發展上已處落後，「你再制定那麼嚴格，其實就沒有競爭力了，大家可能就也不會來台灣發展AI。」 （相關報導： 幕後》每天守著孤家寡人還得跟著開早朝 柯文哲身邊有個比他苦命的人 ｜ 更多文章 ）
揭本土AI開發難點 陳縕儂：不在地化恐影響母語
攜手團隊開發本土系統「Taiwan Llama」模型的陳縕儂分享，開發在地模型的原因，是當初發現AI語言模型有半數都是英文，簡體中文比例又較繁體中文高出10倍，因此團隊決定要訓練更客製化、專屬台灣的語言模型；然而，團隊開發之初就碰上難題——台灣缺乏蒐集完整的資料集，擁有資料的著作權人又多數較為保守，「比如說書商，你要書商開放資料給你模型訓練，他就不能接受。」
