台湾デジタル発展部、中央研究院と連携し研究用コーパスを公開　多様なAI活用を支援

台湾のデジタル発展部（数発部）は、高品質でローカライズされた繁体字中国語データを集めた「台湾主権AI訓練コーパス」を推進しています。昨年末のコーパス稼働開始以来、数発部は各機関と協力してコンテンツの拡充を続けています。AIモデルの開発者はコーパスの利用申請を行い、最新のデータセットを取得することで、AI活用の可能性を広げることができます。

数発部が本日発表したプレスリリースによると、今回、中央研究院（中研院）から、学術研究、政策分析、歴史文化、科学普及など、代表的な研究およびサイエンス・コミュニケーション資料が多数提供されました。これらは計620万トークンを超え、専門的な深みと知識価値を兼ね備えています。

数発部の説明によると、中研院が公開したデータには、農業、技術、金融改革など多岐にわたる政策提言を含む「政策提言書」があり、重要課題に対する深い分析と先見的な視点を提供しています。また、「研究成果選集」は、人文社会、数理、生命科学などの分野を網羅した台湾の研究ハイライトを集めたもので、AIモデルが異なる分野の知識背景や文脈をより正確に把握するのに役立ちます。

さらに、数発部は、科学知識を分かりやすく伝える「研之有物」や「科学普及コラム」が、難解な内容を理解しやすい表現に変換されており、AIが多様な語り口や知識の翻訳を学習するための重要な素材になると指摘。また、「台湾史研究所蔵書精選」は豊かな現地の歴史と文化的記憶を内包しており、モデルの台湾史に対する視点の理解を補完します。「中研誠信電子報」は、科学研究の倫理と制度面を補い、倫理課題に対するモデルの判断・回答能力を向上させます。

専門分野の知識コーパスは、特定のシチュエーションや領域におけるモデルの応用・理解能力を高めるだけでなく、推論能力や回答の正確性の強化にも寄与します。例えば、検索拡張生成（RAG）ナレッジベースの構築、専門的なQAシステムの開発、モデルの微調整（ファインチューニング）、要約・分類・知識抽出などのタスクに応用され、高度で専門的なAI開発を促進します。

数発部によると、台湾主権AI訓練コーパスは昨年末の公開以来、累計で3000件以上のデータセット、12億トークン以上が登録されています。今後も各政府機関や学術研究機関と連携し、台湾の特色と専門的価値を持つテキスト資料の提供を拡大し、台湾主権AIの発展基盤を共に固めていくとしています。（編集：楊蘭軒）20260410