日前中央研究院詞庫小組（CKIP）釋出的繁體中文大型語言模型，因為有網友測試後發現，AI語言模型自稱中國籍，一度引發社會爭議。
我想，這件事凸顯了台灣社會民粹又無知。
事實上，機率模型本來就不保證100％正確，況且台灣在AI、大型語言模型等新科技領域的發展，已經落後其他先進國家，現在處於追趕的過程中，我們應該給予研究者比較寬容的發展空間，在迭代中取得進步。
現在最根本問題是，我們的研究環境還不夠健全，例如，台灣很缺乏繁體中文且優質、開放訓練資料集，只能拿光華雜誌、中央日報等舊資料。但相對的，中國在網路上都有公開的訓練資料集，很可能在翻譯成繁體中文後，混進台灣的資料，這可能可以解釋網友測試的狀況。另一個可能是，用語會影響它的答案，輸入「我國國慶日」，跑出10月1號，但其實只有中國大陸會用這樣的語法提問；如果用台灣人熟悉的語句，台灣國慶日或中華民國國慶日，答案就是10月10號。
現在國際上正在發展的語言模型有幾百、幾千個，美國、中國都有它的測試資料，但台灣沒有測試資料，我們不但沒有足夠的訓練資料給研究，也沒有測試資料去引導研究往本土化的方向去走。
我們的政府應該更積極，借鏡日本經驗。OpenAI創辦人奧特曼去日本時，有答應日本政府7件事，提升日本相關的學習數據權重、提供政府公開數據分析、共享使用 LLM的學習方法等。
我之前也談過，open才能有AI，如果我們不去對大型語言模型做各種檢驗，要求它提高開放程度，它會變成另一種一言堂，讓這個世界多元性變不見。所以開源社群才會很積極要求OpenAI揭露它如何訓練模型，大眾才能對結果溯源，知道怎麼影響它，幫助世界更加開放交流。
但台灣社會現在一點都不「open」，大眾不理解語言模型特性，在產品開發過程，應該要給他們更健全的研究環境，利用這個契機理解台灣的欠缺之處，更多人參與，這種語言模型才會進步。
以Google的經驗，即使演算法上線這麼久，每個語言都還有好幾百位Reviewer，確保搜尋品質維持一致，每天評測機器跟人的距離，持續調整我們的演算法。
就連商業系統都有這麼多問題要解決，資料會歪掉、使用者行為會改變，更何況資源更缺乏的學術系統。其實這位研究員已是台灣做大型語言模型裡少數頂尖學者，應該更鼓勵、給予學術自由探索空間，避免寒蟬效應，長期下來，台灣才能更進步。
