Korpus AI Taiwan Berkembang, tetapi Sengketa Hak Cipta dan Pembayaran Membatasi Konten Swasta

111 kontribusi swasta menyingkap kesenjangan dalam ambisi AI Taiwan

Kumpulan data pelatihan AI pemerintah Taiwan telah mencapai 7.161 entri, tetapi hanya 111 yang berasal dari kontributor swasta. Jumlah itu sekitar 1,6% dari total, porsi kecil untuk proyek yang bertujuan membantu kecerdasan buatan memahami bahasa, budaya, dan kehidupan sehari-hari Taiwan.

Kementerian Urusan Digital meluncurkan Korpus Pelatihan AI Berdaulat Taiwan pada 24 Desember 2025, dengan kontribusi lebih dari 200 lembaga pemerintah berupa lebih dari 2.000 set data yang memuat 600 juta token. Token adalah potongan kecil teks yang diproses sistem AI, kadang berupa satu karakter, kadang bagian dari sebuah kata.

Partisipasi pemerintah membantu membangun skala. Melibatkan penerbit, penulis, platform pengajaran, dan organisasi berita menghadirkan tantangan yang lebih sulit: pengembang membutuhkan izin untuk menyalin tulisan bernilai guna pelatihan, sementara pemilik konten menginginkan pembayaran dan kendali atas penggunaan karya mereka.

Dalam sidang legislatif pada 14 Oktober 2026, Menteri Urusan Digital Lin Yi-jing mengatakan partisipasi swasta bersifat sukarela dan pemerintah ingin perusahaan AI besar, terutama perusahaan Amerika, membayar konten pelatihan. Konten berita tidak termasuk dalam program pengumpulan swasta saat ini.

Dampak praktisnya melampaui ukuran basis data. Model yang dilatih menggunakan tulisan Taiwan dapat mempelajari kosakata setempat, menjelaskan tradisi budaya, dan menjawab pertanyaan dengan mempertimbangkan lembaga-lembaga Taiwan. Namun, para penulis dan organisasi yang menghasilkan materi tersebut juga bergantung pada nilai komersialnya. Taiwan berupaya memperluas akses terhadap karya mereka sembari menentukan siapa yang harus membayar, apa saja yang dicakup izin, dan bagian mana dari aturan hak cipta yang perlu diperjelas.

Isi kumpulan data pemerintah

Pengumuman peluncuran pada Desember dari kementerian itu menyebutkan bahwa kumpulan tersebut mencakup bahasa, budaya, pendidikan, biologi, dan geografi. Kumpulan ini memanfaatkan lebih dari sepuluh tahun Data Terbuka Pemerintah dan memungkinkan pengguna mencari serta mengunduh materi.

Kementerian Kebudayaan menyediakan set data tentang seni publik dan aset budaya. Kementerian Pendidikan menyumbangkan data kamus yang mencakup bahasa Taiwan, Hakka, dan Mandarin. Sumber-sumber tersebut memberi pengembang materi tentang makna dan penggunaan lokal, serta informasi mengenai tempat, benda, dan tradisi.

Deskripsi program korpus kementerian itu juga menyebut Dewan Masyarakat Adat dan Dewan Urusan Hakka sebagai lembaga peserta. Topik yang direncanakan mencakup sejarah, warisan budaya, pariwisata, dan budaya lokal. Kementerian menyatakan bahwa teks pelatihan yang bermanfaat harus koheren, utuh, dan lancar.

Angka yang disampaikan kepada legislator pada September 2026 menunjukkan kumpulan tersebut mencakup lebih dari 5.000 set data dan lebih dari 2,4 miliar token. Dibandingkan dengan 600 juta token yang diumumkan saat peluncuran, jumlah teks yang dihitung berdasarkan token itu meningkat lebih dari empat kali lipat. Angka 7.161 entri dan 111 kontribusi swasta memberi gambaran lain tentang komposisinya.

Mengapa bahasa lokal penting

Wu Che-yu, seniman media baru yang mendirikan proyek pengetahuan komunitas Taiwan.md, berpendapat bahwa tulisan beraksara Mandarin tradisional hanya mendapat porsi terlalu kecil dalam pelatihan AI arus utama. Ia memperkirakan porsinya kurang dari 1% materi pelatihan berbahasa Mandarin, angka yang ia kutip saat menjelaskan proyeknya.

Kekhawatiran Wu bukan hanya soal mengubah aksara sederhana menjadi aksara tradisional. Taiwan dan China menggunakan kata yang berbeda untuk sejumlah hal sehari-hari, dan ungkapan yang sama dapat memiliki makna berbeda. Pengetahuan lokal juga mencakup lembaga, sejarah, dan makanan, termasuk hidangan yang kurang mendapat perhatian internasional dibandingkan bubble tea atau pangsit sup.

Taiwan.md menggunakan perangkat AI untuk mengumpulkan informasi dari web dan menyunting artikel tentang alam, masyarakat, dan sejarah Taiwan. Sebanyak 1.123 artikelnya bersumber dari makalah akademis, blog, dan informasi pemerintah yang dapat diakses publik. Wu ingin model arus utama seperti ChatGPT, Gemini, dan Claude menemukan lebih banyak tulisan yang mencerminkan pengalaman warga Taiwan.

Pemerintah menyebut ambisi terkait ini sebagai AI berdaulat: mengembangkan sumber daya dan kemampuan AI yang dapat dibentuk Taiwan sesuai kebutuhannya sendiri. Korpusnya menyediakan materi pelatihan; proyek seperti Taiwan.md berupaya memudahkan pengembang AI menemukan pengetahuan lokal.

Pengaduan pidana mengubah perhitungan

Pada Juli 2025, seorang mahasiswa doktoral Universitas Nasional Taiwan menghadapi pengaduan pidana terkait hak cipta setelah menyebarkan korpus beraksara Mandarin tradisional yang berisi 140.000 artikel Kantor Berita Pusat yang digunakan tanpa izin. Mahasiswa itu mengumpulkan materi dari situs web Amerika yang menampung sumber daya terbuka dan membagikan kumpulan tersebut tanpa memungut biaya.

Kedua pihak kemudian mencapai kesepakatan. Mahasiswa itu meminta maaf, mengimbau para peneliti untuk memeriksa legalitas sumber data mereka, dan menghapus seluruh korpus.

Wu mengatakan kasus tersebut membuat pengembang independen lebih berhati-hati. Tim Taiwan.md membuang materi ketika menemukan kemungkinan masalah hak cipta, sehingga perluasan koleksinya melambat. Bagi proyek kecil, kemungkinan menghadapi proses pidana menambah risiko pribadi pada tugas pemeriksaan izin yang sejak awal sudah sulit.

Sejumlah tanggal menjelaskan perkembangan persoalan ini:

• Awal 2023: Dewan Sains dan Teknologi Nasional memulai proyek model bahasa TAIDE dengan pendanaan lebih dari NT$200 juta.
• Juli 2025: Mahasiswa doktoral tersebut menghadapi pengaduan terkait korpus yang memuat artikel berita tanpa izin.
• 24 Desember 2025: Kementerian Urusan Digital mengumumkan korpus AI berdaulatnya dengan 600 juta token.
• September 2026: Angka kementerian menunjukkan lebih dari 5.000 set data dan lebih dari 2,4 miliar token.
• 14 Oktober 2026: Menteri Lin mengatakan kepada legislator bahwa kontribusi swasta bersifat sukarela dan perjanjian konten berbayar merupakan sasaran kebijakan.

Peran hak cipta dalam pelatihan AI

Chen Chi-tung, pengacara senior di Firma Hukum Luguo, menyebut penyalinan sebagai persoalan hukum utama. Pengembang umumnya perlu mereproduksi teks sebelum menggunakannya untuk melatih model. Undang-undang hak cipta memberi pemegang hak kendali atas reproduksi, dengan pengecualian tertentu seperti penggunaan wajar.

Penggunaan wajar mengizinkan penggunaan tertentu atas karya yang dilindungi tanpa izin dalam keadaan khusus. Chen mengatakan ketentuan yang berlaku di Taiwan tidak secara tegas mengatur pelatihan AI, sehingga pengembang tidak yakin apakah pengadilan akan menganggap penggunaan mereka dapat diterima.

Pelatihan dan pembuatan jawaban juga melibatkan tindakan yang berbeda. Saat pelatihan, sistem memproses contoh untuk mempelajari pola. Saat menghasilkan jawaban, sistem membuat teks untuk pengguna. Chen mengusulkan agar undang-undang mengatur kedua tahap itu secara terpisah, termasuk risiko keluaran yang sangat mirip dengan karya yang dilindungi.

Kantor Kekayaan Intelektual, di bawah Kementerian Urusan Ekonomi, menyatakan kemungkinan penyesuaian hukum masih dikaji. Kementerian Urusan Digital menyebut kantor tersebut bertanggung jawab atas kebijakan hak cipta. Investigasi Yuan Pengawas juga mendesak langkah aktif untuk menyesuaikan kerangka hukum setelah Yuan Eksekutif menugaskan pekerjaan itu kepada kantor tersebut.

Izin sukarela, bukan pengalihan kepemilikan

Menteri Lin mengatakan kepada Komite Transportasi legislatif bahwa program pengumpulan swasta dimulai dengan penerbit dan platform buku elektronik. Ia menjelaskan empat jenis materi yang dicari:

• Buku yang masa perlindungan hak ciptanya telah berakhir.
• Deskripsi buku yang disediakan penerbit.
• Kutipan pratinjau terpilih dari buku.
• Karya yang dilisensikan secara sukarela oleh penulis perorangan.

Lin mengatakan kementerian meminta izin untuk menggunakan karya dalam pelatihan AI, sementara hak cipta tetap dimiliki penulis. Lisensi memungkinkan pihak lain melakukan kegiatan tertentu dengan syarat yang disepakati. Cakupannya dapat mengatur hal-hal seperti penggunaan yang diizinkan dan jangka waktu.

Lin Chu-yin, legislator Partai Progresif Demokratik, mempertanyakan cara kontributor akan dibayar, apa yang terjadi jika mereka kemudian menarik izin, dan bagaimana kepentingan mereka dilindungi ketika pelatihan menghasilkan produk lain. Hung Yu-hsiang, legislator Partai Rakyat Taiwan, mengusulkan layanan yang menangani pemeriksaan kualitas, pengurusan izin hak, pembelian berbayar, dan pengelolaan berbagai kategori lisensi.

Kementerian telah menerbitkan Lisensi Korpus Pelatihan AI Berdaulat Taiwan, Versi 1, dan bekerja sama dengan Kantor Kekayaan Intelektual untuk menyusun contoh guna membantu lembaga menerapkannya. Ketentuan standar bertujuan mengurangi negosiasi berulang dan sengketa hak cipta. Kementerian juga merencanakan insentif bagi kontributor. Tarif pembayaran, pengaturan penarikan izin, dan aturan untuk produk yang dihasilkan belum ditetapkan dalam proposal yang dipaparkan kepada publik.

Kerja sama berbayar sudah punya contoh terbatas

Lee Po-feng, ketua Open Culture Foundation, mengatakan permintaan agar penerbit memberikan materi bernilai secara gratis kemungkinan tidak akan menghasilkan partisipasi yang cukup. Ia menunjuk sebuah proyek pelatihan kecil yang berhasil menjalin kerja sama dengan media dan platform pendidikan melalui kesepakatan yang dinegosiasikan.

Ketentuannya mencakup pembayaran lisensi satu kali, batas penggunaan data selama dua tahun, serta akses prioritas terhadap model yang dihasilkan bagi penyedia konten peserta. Pengaturan itu memberi kontributor imbalan uang, masa penggunaan yang jelas, dan manfaat sebagai gantinya.

Wang Rong-wen, ketua penerbit Yuan-Liou Publishing, juga berpendapat bahwa pengembang pemerintah dan komersial harus menganggarkan biaya lisensi konten. Ia menilai kekhawatiran terhadap pengaduan pidana membatasi pengembang swasta maupun pejabat yang berupaya mendukung proyek AI.

Lin mengatakan kepada legislator bahwa tujuan akhir pemerintah adalah menyediakan akses berbayar bagi perusahaan AI besar. Ia menyebut sengketa hak cipta seputar teknologi baru dapat berlangsung tiga hingga lima tahun, sehingga kementerian memulai dengan materi yang lebih sedikit menimbulkan sengketa. Jangka waktu yang ia sampaikan menggambarkan lamanya kontroversi mungkin berlangsung, bukan tenggat legislasi atau skema pembayaran.

Pengecualian hukum dan lisensi kolektif menjadi opsi yang bersaing

Chen mengusulkan bab khusus AI dalam Undang-Undang Hak Cipta Taiwan. Bab itu akan menetapkan pengecualian untuk penambangan teks dan data, mewajibkan pengungkapan sumber pelatihan, serta mengurangi risiko proses pidana bagi kegiatan yang memenuhi syarat.

Penambangan teks dan data berarti menggunakan perangkat lunak untuk menganalisis materi dalam jumlah besar dan menemukan pola. Uni Eropa, Jepang, dan Singapura memiliki pengecualian untuk bentuk kegiatan tertentu ini, meski aturan dan persyaratannya berbeda. Chen menilai pendekatan tersebut dapat menjadi acuan dalam pembahasan di Taiwan.

Lee mengusulkan langkah administratif yang bisa dilakukan lebih dahulu: panduan yang menjelaskan penggunaan pelatihan mana yang dianggap otoritas sebagai penggunaan wajar dan mana yang berisiko melanggar. Ia mengutip Badan Urusan Kebudayaan Jepang beserta daftar periksa dan panduan hak cipta AI 2024 sebagai contoh upaya membuat ekspektasi lebih praktis bagi pengembang dan kreator.

Chen juga mengusulkan lisensi kolektif dengan mengacu pada Masyarakat Hak Cipta Musik Taipei China (MÜST) di sektor musik. Dalam model itu, sebuah organisasi mengelola izin bagi banyak pemegang hak, memungut biaya, dan menyalurkan pembayaran. Untuk AI, layanan serupa dapat mengurangi pekerjaan negosiasi secara terpisah dengan ratusan penerbit atau penulis.

Chang Chung-hsin, asisten profesor luar biasa di Institut Kekayaan Intelektual Universitas Teknologi Nasional Taipei, berpandangan berbeda. Ia berpendapat bahwa pengembang harus membayar berdasarkan aturan hak cipta yang berlaku, bukan meminta perubahan hukum. Menurutnya, akses yang dinegosiasikan terhadap konten penerbitan dan berita bernilai harus menjadi inti solusi.

TAIDE menunjukkan pentingnya akses dan sumber daya

Trustworthy AI Dialogue Engine (TAIDE) Taiwan sebelumnya menunjukkan betapa besar ketergantungan sebuah model pada beberapa kumpulan data yang mudah diakses. Proyek ini dibentuk sebagai proyek Dewan Sains dan Teknologi Nasional pada awal 2023, dengan dana pengembangan awal lebih dari NT$200 juta.

TAIDE menggunakan materi pelatihan dari 15 lembaga pemerintah. Sekitar empat juta artikel Kantor Berita Pusat mencakup 70% data tekstualnya. Materi tersebut diperoleh dengan mempertimbangkan persoalan hak cipta, menunjukkan bagaimana akses terorganisasi ke arsip berita yang besar dapat mendukung model lokal.

Peneliti utama Yuh-Jye Lee dari Pusat Keamanan Informasi Taiwan di Academia Sinica menjelaskan manfaat memiliki alternatif dalam negeri:

Pada awalnya kita mungkin belum mampu menyamai mesin-mesin besar, tetapi memiliki mesin dialog sendiri setidaknya memberi kita pilihan.

Model awal itu dibangun di atas Llama 2 milik Meta dan memiliki tujuh miliar parameter, yakni pengaturan numerik yang disesuaikan model saat belajar. Pusat Komputasi Berkinerja Tinggi Nasional memiliki 1.028 prosesor grafis V100 dan membeli sembilan prosesor H100 pada November 2023 untuk proyek tersebut, sembari tetap menjalankan layanan rutinnya.

Proyek tanya jawab pertanian Demeter GPT dari Universitas Nasional Chung Hsing kemudian beralih dari ChatGPT ke TAIDE. Profesor Madya Fan Yao-chung menyebut akurasi bahasa Mandarin meningkat setelah pelatihan tambahan. Sebelumnya, laboratorium itu membayar OpenAI NT$1 hingga NT$2 untuk setiap jawaban; menjalankan TAIDE secara lokal mengalihkan biaya operasional ke komputer dan listrik milik mereka sendiri.

Inisiatif korpus Taiwan menangani pasokan teks yang mendukung aplikasi semacam itu. Kamus pemerintah dan catatan budaya menyediakan landasan. Akses yang lebih luas terhadap materi penerbitan, bahan pengajaran khusus, dan jurnalisme akan bergantung pada kesepakatan yang terjangkau bagi pengembang dan dapat diterima pemilik konten.

Poin Utama

• Kontributor swasta memasok 111 dari 7.161 entri korpus, atau sekitar 1,6%.
• Pemerintah mengumumkan 600 juta token saat peluncuran pada Desember 2025; pada September 2026, jumlahnya melampaui 2,4 miliar.
• Menteri Lin mengatakan partisipasi swasta bersifat sukarela dan hak cipta tetap dimiliki penulis.
• Konten berita tidak termasuk dalam program pengumpulan swasta saat ini, sementara kementerian mengupayakan perjanjian berbayar dengan perusahaan AI.
• Pengaduan pidana pada Juli 2025 terkait 140.000 artikel berita tanpa izin meningkatkan kekhawatiran pengembang independen.
• Usulan yang diajukan mencakup panduan penggunaan wajar yang lebih jelas, pengecualian penambangan data, lisensi kolektif, dan pembayaran langsung berdasarkan hukum yang berlaku.