李昆澤於第11屆第5會期交通委員會第2次全體委員會議

1. 李委員昆澤

   謝謝林俊憲召委。請林部長。

2. 主席

   邀請數發部林部長。

3. 林部長宜敬

   委員早安。

4. 李委員昆澤

   部長好。在網路及數位快速發展的時代，我們一直有一個擔憂，就是資訊安全架構跟不上網路數據快速流動的狀況，近期我們看到跨境電商以及政黨個資外洩，引起國人的擔憂，在這樣的狀況之下，在技術發展過程裡面，大家都急迫追求商品短期開發的速度，但是相關的技術、資安配備以及準備是跟不上這樣的開發速度，所以我們看到有很多資安外洩、個資外洩嚴重的狀況。當然，有兩個問題我們必須要重視，第一個是沒辦法即時發現風險，都是透過駭客警示或者是駭客已經提出勒索等相關狀況，才發覺資安有這樣的狀況。另外一個問題在於這些跨境電商的母公司都是在其他地方，例如新加坡等等。沒錯。因跨境電商個資外洩，全球總共有3,370萬筆資料受到影響，臺灣確認大概有20萬左右用戶遭到非法接觸，但跨境電商號稱只有1名臺灣用戶資料遭到竊取或儲存，我們有請數位部加緊速度了解這樣的狀況，以保障民眾個資，我要請教部長相關的調查狀況、進度如何？

5. 林部長宜敬

   之前我們發現這個案子以後就馬上調查，剛開始這個跨境電商跟我們講都沒有臺灣的資料被存取，事實上，後來經過我們數產署不斷努力之後，我們請第三方機構去認證，結果發現事實上的確是有超過20萬筆的資料被存取，這邊講的所謂只有1名臺灣用戶，我必須說明，這是在犯案者的電腦上只找到剩下一筆資料，其他是不是被刪除了，我們不知道，但是據我們所知，其實不是只有一筆臺灣的個資遭到駭客閱讀，這是必須跟委員說明的。

6. 李委員昆澤

   數位部對這件事情後續處理的態度是如何？原則是如何？

7. 林部長宜敬

   我們一切依法辦理，這件事情已經進入法律程序，我們會依照相關的法律辦理，是不是請數產署署長說明？

8. 李委員昆澤

   來，署長。

9. 林署長俊秀

   簡要說明一下，我們3月4日已經送行政院個資處，我們把我們行政檢查的結果請那家跨境電商進行說明，一切都在程序當中，當然我們會等行政院召開會議時在會議中說明。

10. 李委員昆澤

    好，保障民眾的個資，這也是數位部一個重要的責任，必須加緊相關的督促工作。另外，我一再提醒林部長數位主權的開發以及重視，數位部現在已經建置了臺灣主權AI訓練語料庫，規模大概是11億tokens，來源大概涵蓋了200個政府機關。我要請教部長，11億tokens相較於國際主流模型動輒都是數兆tokens，差距是數千倍以上。沒錯。而且更關鍵的是我們的語料來源是政府機關，量少是一個問題，偏差更是一個嚴重的問題。

11. 林部長宜敬

    沒有錯。

12. 李委員昆澤

    因為你都集中在政府機關，如果量少又偏重在政府機關，我們會有什麼競爭力？請部長說明。

13. 林部長宜敬

    首先，通常那種大型語料庫，像ChatGPT、Claw這種語料庫，他們用的訓練資料量非常大，但是裡面中文的資料量並沒有那麼多，我們現在遇到最大的困難是他大量使用中國簡體中文的資料量，那都是他們的觀點，所以我們現在要加入繁體中文的資料量，希望能做一個平衡。11億tokens聽起來很多，但是其實相較起來我們當然覺得還不夠多，所以我們接下來希望能一直擴大，我們現在是先從最簡單的來處理，就是政府有著作權的資料，包含中研院等資料，我們把它放進來，接下來我們希望民間也能提供一些資料，我們會設計一個標準的授權條款，讓民間也能……

14. 李委員昆澤

    部長，我要請教的是11億tokens能夠訓練出有獨立判斷的模型嗎？另外，目前三千多筆的資料集之中，絕大部分都是政府這種重複性很高、低品質的行政公報，這樣對於臺灣的數位主權提升還是有很大的一段距離，你們有什麼改善的方式？你們跟民間團體有進一步合作嗎？你們是否會編列預算向民間團體或者是文學出版單位來採購，或者是無償這樣高品質的語料嗎？請說明。

15. 林部長宜敬

    關於這件事情，我們之前有跟這些大型語言模型公司像Google等討論，我們問他們說，為什麼你都不用臺灣的繁體中文語料？他跟我們說有兩個原因：第一個是，中國的簡體中文語料量比較大；第二個是因為中國比較不注重著作財產權，所以他們用那邊的語料去訓練很安全，不會被告，不會有任何的糾紛，但是臺灣是一個注重著作財產權的國家，他們在乎的其實不是錢，而是談判的成本，因為他必須去跟每一個作者去談，時間會很長……

16. 李委員昆澤

    部長，你現在就提到重點了，相關的著作權，我們對於數位主權未來的開發及訓練的過程裡面，這是一個很嚴肅而且是一個很麻煩的議題。沒錯。數發部在114年8月已經提出相關促進資料創新利用發展條例，它是一個草案，這項草案的核心就是在於開放資料跟共享資料，而且是引用一種叫資料利他的概念，鼓勵民間無償提供相關資料，但是我們現行的草案並沒有去處理到著作權法裡面重製權的爭議。

17. 林部長宜敬

    沒錯，這是很複雜的問題。

18. 李委員昆澤

    因為我們目前都是依賴很模糊的第六十五條有關於合理使用的條款，這會讓主權AI的開發跟訓練面臨高度的法律風險，著作權法沒有提供明確的資料探勘的豁免，而我們國家花了數十億開發的臺版大語言模型，或是相關主權的模型，在它的訓練過程裡面很容易會陷入非法重製的灰色地帶，如果民間團體集體提告，如果這種集體訴訟法院判定你們是侵權……

19. 林部長宜敬

    那會非常嚴重。

20. 李委員昆澤

    那問題很嚴重耶！因為國家花了幾十億所建立的模型，很容易就被法院下令要永久封存，或是所謂的就是刪除大量的相關內容，這會陷入一個窘境。沒錯。部長，你們要怎麼處理？

21. 林部長宜敬

    跟委員報告，基本上這種由科技創新對著作財產權帶來的衝擊，通常少則要3、5年才會塵埃落定，因為現在有兩方都各有道理，一方面我們剛才講的AI產業希望能有大量資料，但是對於出版業及文化界等等，他們認為AI模型不能無償使用這些資料，這在法律上會有一些爭議，這個還在討論。因為著作財產權是經濟部智慧財產局主責，我們會密切跟他們合作，在這個過程當中，我們沒辦法處理全部，因為整個討論結束真的要3、5年，所以我們現在先處理比較沒有爭議的，就是政府有著作財產權的部分，這就是我們現在在做的事情。

22. 李委員昆澤

    部長，現在國際AI的競爭非常快速，主流都已經進入到快速擴張期這個階段。沒錯。但是我們的數位主權在相關的訓練上，不管是資料來源或者是著作權法裡面的爭議，到現在都還沒有辦法進一步處理，這個數位部必須要加緊速度。

23. 林部長宜敬

    OK，謝謝委員提醒。

24. 主席

    非常感謝李昆澤委員。接下來邀請黃健豪委員發言。

文字取自立法院公報，由 LYAPI 對齊至影片片段。講者無法確定的句子不列為李昆澤本人的發言。