AI 生成的內容裡沒有奈及利亞，而這是一個所有非英語社會的問題

奈及利亞的專家提出一項警告：來自全球北方的 AI 生成內容，忽略了奈及利亞的真實處境。他們呼籲建立本地資料集與訓練資源，以確保文化上的相關性。

這則消息表面上是關於奈及利亞，實際上指出的是一個所有非英語、非西方社會共同面對的結構。

**為什麼會這樣？答案在訓練資料的組成。** 語言模型學到的東西，來自它讀過的文本。而網路上的文本在語言與地區上高度不均——英文內容遠多於其他語言，而英文內容中又以北美與西歐的觀點為主。這不是任何人刻意設計的偏誤，它只是資料分布的直接結果。

**結果會以幾種方式顯現在教育現場。**

**最明顯的是例子與情境。** 當學生請 AI 舉一個例子時，它給的可能是一個在當地不存在的情境——不同的氣候、不同的制度、不同的日常生活。對數學題目影響不大，對社會科、公民、生活應用類的內容影響很大。

**更隱微的是預設值。** 當模型描述「一個典型的家庭」「一般的學校」「常見的職業」時，它腦中的原型來自訓練資料的多數。學生持續接觸這些內容，會在不知不覺中把別人的常態當成標準，而把自己的處境當成偏離。

**最難察覺的是缺席。** 某些主題根本不在資料裡——在地的歷史細節、本地的產業結構、只有當地人會遇到的問題。當學生問到這些，模型不會說「我不知道」，它會用最接近的東西填補。而那個填補的內容看起來完全合理。

**專家提出的解方是建立本地資料集，而這裡有幾個現實層面值得講清楚。**

**這件事很貴，而且沒有商業誘因。** 建立高品質的本地語料需要收集、整理、授權、標註，而市場規模小的語言在商業上回報有限。這意味著它通常必須由公共部門或學術機構推動，否則不會發生。

**它也不是一次性工程。** 資料需要持續更新，否則幾年後同樣會失去相關性。這需要的是常態編制，不是專案經費。

**而在資料集建立之前，還有一個可以立刻做的事：教學生辨識。** 讓學生實際測試——問 AI 一個關於本地的問題，然後查證答案；請它舉例，然後判斷這個例子在這裡成不成立。這個練習不需要任何基礎建設，而且它訓練的正是最核心的 AI 素養：**知道這個工具的知識從哪裡來，因此知道它在哪裡會失準。**

業界分析人士指出，語言模型在低資源語言與區域性知識上的表現落差，短期內難以透過模型規模擴大而消除，主要瓶頸在於訓練語料的可得性。

對台灣而言，這個問題我們同樣面對，而且程度不輕。繁體中文的網路語料規模遠小於英文，也小於簡體中文——後者意味著模型關於「中文世界」的預設，未必是台灣的語境。這則消息提供的問題有兩個層次：長期是**誰在建立台灣的公共語料**；而現在就能做的是——**我們的學生知不知道，AI 給的答案裡，有些東西本來就不是為他們寫的？**