在第 1 節所述的廣泛背景下，我們主張文化資產領域應積極倡議公共 AI（Public AI），以回應兩項相互關聯的挑戰：AI 系統日益成為知識與文化的中介，以及 AI 權力集中於少數非歐洲私人企業。

公共控制

實施治理措施，確保支撐 AI 系統的基礎設施具備民主問責與長期永續性。

公共屬性

優先考量可近用性、開放性與互通性。

公共功能

滿足知識共享、文化參與及公民參與等社會需求。

2.1 公共 AI 的定義

公共 AI 是指一種 AI 生態系與治理模式，其中的系統具備公共屬性、公共功能與公共控制（見表格）。23

23 表格內容來源：Sieker/Tarkowski/Gimpel/Osborne（2025）。Public AI – White Paper。Bertelsmann Stiftung，Gütersloh。

https://www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/Public_AI_2025_final2.pdf。

23

綜合而言，這些面向使公共 AI 有別於由私人控制的系統，提供一個更民主、多元且可向公眾問責的替代生態系。一般作法通常著重於減輕既有商業結構中的傷害，公共 AI 則對這些結構提出質疑，並提出制度性的替代方案。公共 AI 所追求的公平，不僅存在於 AI 系統本身，也涵蓋資料治理、基礎設施與近用方式所構成的整體生態系。

公共 AI 與其他相近概念之間有必要加以區分。「主權 AI」（sovereign AI）著重國家競爭力，可能只是在國家主導下重現商業優先事項；公共 AI 則以民主問責與國際合作為導向。「開源 AI」（open-source AI）本身只處理模型層級的開放性；公共 AI 涵蓋完整技術堆疊，包括算力、資料、模型與應用程式，並在近用之外同樣重視治理。「倫理 AI」（ethical AI）通常著重於減輕既有商業結構中的傷害，公共 AI 則對這些結構提出質疑，並提出制度性的替代方案。

24

公共 AI 為何日益受到重視

在 Alignment Assembly 討論進行的同時，各界對公共 AI 的興趣也有所增加，公共部門尤其如此。

2026 年 2 月舉行的 India AI Impact Summit 顯示，各界愈來愈希望藉由公共 AI 取得更大的資料自主權，並降低對少數主導業者的依賴。

公共服務媒體可作為一項具有啟發性的類比：公共廣播機構的成立，是為了確保資訊近用不會完全由商業利益所決定；同樣地，公共 AI 所處理的風險，是知識與文化的近用方式可能完全由追求私人利益最大化的系統塑造。這個觀點反映出一種看法：AI 系統本質上屬於公共技術，因為它們建立在集體形成的知識與文化資源之上。

文化資產領域是更廣泛公共知識生態系的一部分，其他成員包括公共服務媒體、出版、教育、研究及公部門資訊。文化資產並不是唯一承受 AI 壓力的領域；其他以公共利益為使命的知識機構，也正面臨類似問題，包括其資料與資源如何被再利用、由誰使用，以及依據哪些條件使用。公共 AI 不應被理解為文化資產領域的避風港，而應是讓生產與管理公共知識的機構共同合作的聯盟架構。

與此同時，公共 AI 也可以與私人倡議共存。然而在歐洲，這個方向尚未獲得清楚界定，也尚未穩固納入歐盟政策制定之中。

25

環境永續的公共 AI

依據《歐盟人工智慧法》（EU AI Act），我們承認 AI 應用也會對環境造成風險。因此，公共 AI 也必須具備環境永續性。

隨著 AI 基礎設施在歐洲與全球持續擴張，環境永續性必須被視為公共 AI 治理的核心面向，而非次要考量。文化資產領域長期以來對典藏治理的承諾，也應延伸至 AI 系統與基礎設施所造成的實體影響。

這表示應支持符合比例原則、透明且能審慎運用資源的 AI 作法。文化資產領域不應強化只以規模愈來愈大、能源消耗愈來愈高的系統為基礎的模式，而可協助推動以高品質、經過策展且具有脈絡的資料為基礎的替代方案。

規模較小、符合特定領域需求及特定用途的模型，若搭配可信任的文化資料集，通常能以大幅減少的運算資源，提供更可問責且更有意義的成果。文化資產領域也很適合倡議能兼顧文化價值與生態責任的 AI 系統，包括支持節能的模型設計、永續的數位基礎設施、環境成本透明化，以及在採購實務中納入長期環境影響。

26

文化機構強化公共 AI 的四種方式

| 1 | 2 | 3 | 4 | | --- | --- | --- | --- | | 提供高品質資料，以及維持資料可追溯、可解讀且可靠所需的知識。 | 以公平且互惠的方式管理資料近用與再利用。 | 形塑規模較小、符合特定領域需求的 AI 系統如何開發及使用。 | 強化機構內部及整體社會的公共 AI 素養。 | | 文化資產機構藉此協助 AI 產出變得更穩健、更有脈絡，並可接受公開檢視。 | 文化資產機構是值得信賴的中介者，應影響文化資訊由 AI 開發者近用及再利用的方式，並協助避免缺乏互惠的價值榨取及基礎設施耗損。 | 這包括協助形塑相關系統的開發與部署治理，確保 AI 保持透明、可受質疑，並符合民主價值。 | 機構必須提升專業人員的能力，同時協助受眾了解 AI 如何運作，並以批判方式與其接觸的 AI 系統互動。 |

27

2.2 文化資產如何在實務上協助形塑公共 AI

公共 AI 提供了一種未來願景，使資訊的近用與使用更為公平；讓這個未來成真，符合文化資產領域的最大利益。我們歸納出文化資產機構可為公共 AI 帶來的四項獨特貢獻，這些貢獻建立在其公共使命、專業能力及對文化記憶的長期治理之上。

「如果公共 AI 需要制度性的基礎，那麼 Europeana 與歐洲的文化資產機構最適合承擔這項角色。」

Open Future

這四項貢獻共同符合公共 AI 的三項特徵：公共屬性、公共功能與公共控制。在歐盟政策的支持下，資料空間可以透過協調、共享基礎設施、標準、治理與能力建構，強化文化資產領域在這四個面向上的能力。

28

資料空間也能成為一座橋梁，讓文化資產領域連結至更廣泛、具備高品質及良好治理的資料生態系，其中包括公部門資訊、科學與教育資源、語言資料、媒體，以及由社群持有的知識。

以下各節將更詳細說明這項願景，呈現文化資產機構能為公共 AI 帶來哪些貢獻，以及資料空間必須扮演什麼樣的促成角色，才能使這些貢獻切實可行、受到協調並具備永續性。

1. 提供高品質資料的權威近用管道，以及維持資料可追溯、可解讀且可靠所需的知識基礎設施

願景

文化資產機構可以提供歐洲文化資產資料的權威近用管道，藉此為公共 AI 作出貢獻。這不僅包括提供高品質、多元且多語言的資料，也包括提供能讓這些資料變得可解讀、可追溯且可問責的脈絡知識基礎設施。

AI 系統可以透過多種方式與文化資產資料互動：將其作為基礎資料，以提高相關性與準確性；作為風格轉換或產生新衍生內容時的參考輸入；或作為可直接摘要、比較或分析的材料。24

29

文化資產資料特別適合這些用途，因為相較於一般網路資料，25 它經過策展、具備權威性且包含脈絡資訊。以書籍為例，書籍提供篇幅較長、經過仔細編輯的文字，有助於 AI 模型理解複雜的論述與敘事。書籍通常比多數網路內容更連貫、可靠且具有完整紀錄，也是最具價值的訓練資料之一；每一詞元所能提供的效用，高於網路、社群媒體或研究資料庫。26

與此同時，部分文化資產資料反映了不平等的收藏與數位化優先順序，也受到殖民掠奪及偏重特定世界觀的機構分類法影響。27

因此，在提供資料供 AI 訓練及使用時，也應檢查偏見、審查有害或具爭議性的語言並補充脈絡、採用具包容性的描述方式，以及讓相關社群參與其文化資產如何被描述及使用的決策。

文化資產機構也持有原住民族的資訊；依據 CARE 原則，使用其文化資產時，必須尊重其傳統。文化資產領域已有相關工作經驗；例如，歐盟資助的 DE-BIAS 計畫28 開發了一項 AI 工具，可偵測文化資產中介資料裡的有害語言並補充脈絡。

24 Europeana Foundation 委託 Open Future Foundation 撰寫的立場文件〈Publishing cultural heritage in the age of AI〉，屬於持續進行的 Alignment Assembly 工作之一，並對其作出貢獻。

25 見註 24。

26 2026 年，美國法院文件顯示，Anthropic 的內部策略資料將書籍認定為最有價值的訓練資料。參見 Aaron Schaffer、Will Oremus 與 Nitasha Tiku（2026），《華爾街日報》〈Inside an AI start-up’s plan to scan and dispose of millions of books〉。

27 Miles, Rachel S., Alana Osbourne, Eleni Tzialli & Esther Captain 編。Inward Outward, Critical Archival Engagements with Sounds and Films of Coloniality: A Publication of the 2020 Inward Outward Symposium。Hilversum，Inward Outward，2020。DOI：https://doi.org/10.18146/inout2020。

28 https://pro.europeana.eu/project/de-bias。

30

這套工具採用由文化資產專業人員與邊緣化社群共同建立的多語詞彙。

除了資料本身，文化資產機構也透過長期保存意義與證據真實性的機構實務，提供一套「知識基礎設施」。29 任何（公共）AI 系統都應將這種真實性列為設計要求，而文化資產專業人員長期累積的專業能力，可以支持文化資產領域內外相關工具的設計。

其中包括維護脈絡完整性、來源資訊、館藏結構、永久識別碼、策展詮釋，以及「我們對自己所知之事了解多少」。30 鑑於生成式 AI 很容易產生錯誤或誤導性資訊，這些能力比以往任何時候都更加重要。

29 https://pro.europeana.eu/files/Europeana_Professional/Publications/251202PublishingCulturalHeritageDataInTheAgeOfAI.pdf。

30 Bowker, G. C. and Star, S. L. 1999。Sorting Things Out: Classification and Its Consequences。MIT Press，Cambridge, MA, USA。

The Artist Jeanna Bauck，Bertha Wegmann，1881 年。瑞典國家博物館，瑞典——公眾領域。

31

敘事性與論述性的中介資料也很重要，可以呈現歷史紀錄中的細微差異、沉默、權力關係及潛在傷害。專業文化資產社群認為，這些原則必須同時維持人類與機器的可讀性。31

對脈絡與問責的理解，對系統設計也同樣重要。檢索增強生成（Retrieval-Augmented Generation，RAG）在此尤其重要，因為它能透過文化資產館藏的結構、描述與維護方式，將脈絡完整性落實於實際運作。

RAG 系統不只依賴模型內部的知識，而會從經過策展的館藏，以及相關的中介資料、來源紀錄、永久識別碼與策展詮釋中檢索資訊，再依據這些材料產生回答。32

文化資產機構正是在此扮演結構性的角色：透過保存並記錄館藏，使其能長期維持可檢索、可解讀及可追溯。這麼做能減少幻覺，讓產出以具有紀錄的館藏內容為依據，並讓使用者能夠回溯回答所依據的來源。

資料空間的促成角色

透過中介資料架構、永久識別碼、來源標準與文件，以及具有豐富脈絡的 API，資料空間能協助文化資產機構維持其共享資料的脈絡完整性與證據完整性，並確保生成及可檢索的內容符合既定的治理限制。

31 Colavizza, Giovanni, and Lise Jaillant。AI Preparedness Guidelines for Archivists。2026 年 2 月。Archives & Records Association（英國與愛爾蘭）。

32 RAG 方法與本文提出的其他方向一樣，例如鼓勵近用高品質資料，也可能造成資源耗損，因為更多請求最終會直接使用文化機構的伺服器。本文假設文化資產領域的機構能夠開發及採用保護措施，在提供其希望鼓勵的使用方式之餘，抑制其他用途。這項假設或許值得商榷，但我們正是希望提出這個問題，並鼓勵社群加以討論。

33 Write it Down! Fostering Responsible Reuse of Cultural Heritage Data with Interoperable Dataset Descriptions，https://zenodo.org/records/17725565。

32

其中一種具體工具是「資料表」（datasheets）或「資料信封」（data envelopes）：33 用來描述文化資產資料集的中介資料，包括近用條件、建議事項、資料產生的脈絡及任何潛在偏見。CommonsDB34 與 DE-BIAS35 計畫所開發的指引及工具顯示，本領域能夠在向 AI 系統提供資料的同時，讓系統了解並受到鼓勵去尊重近用條件與敏感性規則。

這需要改善文件紀錄實務並強化館藏層級的脈絡，使來源資訊與策展詮釋對人類及機器都保持清楚可讀。

資料空間在這方面可以延續既有的鏈結資料（Linked Data）與知識圖譜（Knowledge Graphs）工作；這些技術已協助機構發布在語意與語言層面更豐富的中介資料。

Europeana Aggregators’ Forum 協助彙整機構及向資料空間提供資料的機構，協調並統整相關標準、技術實務與策略。藉此，它能強化建立更可問責的公共 AI 生態系所需的公共屬性與公共控制。

34 CommonsDB 計畫也說明如何在基礎設施層級落實脈絡完整性。其可行性研究提出一套生產信任模型，結合合格信任服務、可驗證憑證及每項聲明的數位簽章，協助維持來源的可追溯性，並讓掌握相關脈絡知識的資料提供者承擔問責責任。詳見：https://www.commonsdb.org/。

35 https://pro.europeana.eu/project/de-bias。

33

2. 以公平且互惠的方式管理資料近用與再利用

願景

負責任的資料治理要求機構承認，其所照管的館藏植根於不同社群，而這些社群的歷史往往多元、充滿爭議或受到排除所形塑。

因此，在資料集設計、館藏描述、詮釋、保存與近用等決策中，必須讓來源社群及資料所代表的群體參與。這種治理方式要求來源資訊透明、就返還或歸還議題展開對話並共同決策，尤其是館藏反映殖民、原住民族、離散社群或其他邊緣化群體歷史的情況。

資料治理不只涉及維持資料的真實性與完整性，也涉及形塑近用及再利用條件，使資料持續符合文化資產機構的公共利益使命。

AI 相關討論往往將資料視為可供擷取、規模化及商品化的原始投入。AI 公司若要取得文化資產資料，可能會抓取網路上公開的內容，或個別接洽文化資產機構，以服務交換資料。36

隨著 AI 推動業界對大規模館藏近用的需求，文化資產機構最具策略性的定位，是成為資料治理者：一個值得信賴的中介者，負責形塑文化資料如何被近用、解讀及再利用。文化資產機構藉由扮演這個角色，支持公共 AI 的公共功能。

36 服務範圍可能包括託管能力、館藏數位化，以及提供 AI 工具的使用權。

34

IEEE《原住民族資料來源建議實務》（Recommended Practice for Provenance of Indigenous Peoples’ Data）37 等標準承認，社群在供 AI 使用的資料中必須保持可見性與權威性，才能降低重現既有偏見的風險。38

負責任的資料治理也必須以堅定保障基本權利、包容性參與及可信任資料實務為基礎。

依據聯合國《身心障礙者權利公約》（CRPD，2006），39 文化機構有義務確保身心障礙者能與其他人平等地近用、參與及形塑文化生活。這不僅包括近用文化內容，也包括實質參與其創作、詮釋與治理。

此外，《歐洲無障礙法》（European Accessibility Act，2019）40 進一步強化了相關義務，要求數位基礎設施、平台與資料集從設計之初即具備可近用性，並移除妨礙公平參與的障礙。

這些承諾與 AI 高階專家小組提出的《可信賴人工智慧倫理準則》（Ethics Guidelines for Trustworthy Artificial Intelligence，2019）41 高度一致；該準則為 AI 時代建立可信任、透明且可再利用的文化資料生態系奠定了基礎。

文化資產機構在扮演資料治理者時，可以防止公共資料在缺乏互惠的情況下被用來創造私人利益。這包括制定清楚的近用及再利用措施，並在某些情況下提供技術介面。

37 https://standards.ieee.org/ieee/2890/10318/。

38 Carroll, S, Garba, I, Figueroa-Rodriguez, O, Holbrook, J, Lovett, R, Materechera, S, Parsons, M, Raseroka, K, Rodriguez-Lonebear, D, Rowe, R, Sara, R, Walker, J, Anderson, J & Hudson, M，2020，〈The CARE principles for Indigenous data governance〉，Data Science Journal，第 19 卷。https://doi.org/10.5334/dsj-2020-043。

39 un.org/disabilities/convention/。

40 https://eur-lex.europa.eu/eli/dir/2019/882/oj/eng。

41 https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai。

35

這些技術介面可以管理權限、建立在系統的集體治理之上（見下一節），並能大規模執行。資料治理也表示要建立能大規模清楚呈現權利與來源資訊的基礎設施。42 文化資產機構必須有信心及自主權，決定其資料是否能用於 AI 訓練，以及應依據哪些條件使用。43

一名男子在空中飛行，身上裝有翅膀與氣球。彩色木刻版畫。——英國 Wellcome Collection，CC BY。

42 https://www.bertelsmann-stiftung.de/fileadmin/files/BSt/Publikationen/GrauePublikationen/Public_AI_2025.pdf。

43 Keller, P.（2025 年 12 月）。〈Publishing cultural heritage data in the age of AI〉［立場文件］。由 Europeana Foundation 委託 Open Future Foundation 撰寫，屬於持續進行的 Alignment Assembly 工作之一，並對其作出貢獻。

36

資料空間的促成角色

《資料空間策略 2025–2030》44 強調，文化資產機構應持續掌握其所治理資料如何被近用及再利用的控制權。

Alignment Assembly 已制定初步架構，協助文化資產機構在開放近用承諾與 AI 驅動的大規模再利用之間取得平衡。這可促成一套差異化近用模式：在符合公共利益時，仍以開放為預設；但當大規模 AI 再利用引發署名、互惠、透明度或經濟永續方面的疑慮時，則可以設定額外條件。

如此一來，資料空間可以協助機構跳脫「完全不受限制地開放」與「防禦性限制」之間的二元選擇。這項初步架構已在立場文件〈Publishing Cultural Heritage in the Age of AI〉45 中提出，之後並由其他人的貢獻與反思進一步發展。46

資料空間可以針對來源、權限、再利用條件與互惠方式制定共同作法，協助機構清楚界定及傳達其資料如何被近用及再利用。

資料空間也支持發展共同工具與架構，使權利及來源資訊能夠大規模清楚呈現，並協助機構制定符合其使命的標準，以決定是否、何時及依據哪些條件提供資料供 AI 使用。

44 https://www.dataspace-culturalheritage.eu/en/news/discover-the-common-european-data-space-for-cultural-heritage-Strategy-2025-2030。

45 Keller, P.（2025 年 12 月）。〈Publishing cultural heritage data in the age of AI〉［立場文件］。由 Europeana Foundation 委託 Open Future Foundation 撰寫，屬於持續進行的 Alignment Assembly 工作之一，並對其作出貢獻。該文件主張，近用及再利用決策應持續符合文化資產機構的公共利益使命，在開放近用、非歧視、可信任性、支持研究與創新，以及經濟永續性之間取得平衡。文件也建立在兩項與資料空間高度相關的假設上：多數文化資產機構依據公共使命運作；任何公開提供的內容，都很可能被 AI 系統使用。因此，問題不在於這種使用是否發生，而是應在什麼條件下進行，才能符合公共價值。

46 https://openfuture.eu/blog/beyond-control-and-compensation/。

37

透過制定必要的治理架構與執行機制，資料空間可以協助文化資產機構維持開放，同時避免陷入結構性的脆弱處境。

3. 形塑規模較小、符合特定領域需求的 AI 系統如何開發及使用

願景

在我們對公共 AI 的願景中，文化資產領域應能形塑決定 AI 如何開發及部署的標準與治理原則，並與其他公共機構共同在 AI 模型開發中扮演更重要的角色。

文化資產領域可以透過支持能維持公共控制的 AI 開發途徑，履行這些角色。其中包括開發 API、登錄系統等共享工具，並支持包含規模較小、特定領域模型在內的專用系統。

文化資產機構在多語能力與公共問責方面具備專業知識及經驗，因此很適合擔任研究聯盟的共同治理者，參與建立這些模型與工具。

38

近期的文化資產計畫展現了由特定領域需求及資料治理所主導的 AI 在實務上會是什麼樣貌。前述 DE-BIAS 計畫即是一例，說明文化資產專業知識如何形塑 AI 工具，47 以負責任的方式處理館藏中敏感且具爭議性的語言。

這項計畫及其他類似計畫顯示，如果希望 AI 真正具備實用性、可問責性並立基於社會脈絡，參與式與社群導向的方法不可或缺。

公共 AI 方法也要求與商業、公部門或研究型模型開發者密切合作，確保文化資產領域的規範及專業能力納入 AI 流程、產品及服務，並符合公共目標與社群需求。

文化資產領域擁有相關且可轉用的經驗，能領導跨機構聯盟，在領域之外制定共同標準、共享工具與治理安排。IIIF、Creative Commons 工具及 RightsStatements.org 等倡議都體現了這項能力。

文化資產領域也應被視為設計與評估特定領域 AI 工具的合作夥伴。開源開發有助於檢視、調整與問責，但決定性的因素仍是共享的治理架構：共同設定目標、共同界定評估標準，以及共同建立異議與救濟機制。

這在部署階段尤其重要，48 因為使用者會透過介面、搜尋系統、推薦系統或對話式代理程式接觸 AI。

47 Mastromichalakis, O. M., Liartis, J., Rose, K., Isaac, A., & Stamou, G.（2025）。〈Don’t Erase, Inform! Detecting and Contextualizing Harmful Language in Cultural Heritage Collections〉。arXiv 預印本 arXiv:2505.24538。

48 歐洲法規日益反映出這一點。《人工智慧法》為高風險系統的部署者訂定義務，《數位服務法》（DSA）則為大型平台制定透明度、風險評估與稽核要求。然而，包括 European Digital Rights（EDRi）網絡在內的公民社會組織，針對 DSA 初期實施情況所做的分析顯示，僅有透明度並不足夠：只有在資訊揭露能促成有意義的獨立檢視、評估及執法時，治理才能發揮作用。

39

對文化資產機構而言，部署並非中性的技術層次：它會形塑館藏如何被近用、呈現及排序，也可能因系統持續與公共治理的館藏互動，而產生長期的基礎設施、法律及聲譽風險。

因此，文化資產機構不只應在開發階段參與形塑這些系統的治理，也應參與部署階段的治理。其中包括為評估標準、文件紀錄實務、問責機制，以及與館藏互動之 AI 系統的近用與互惠條件作出貢獻。

文化資產領域藉此可以協助確保 AI 系統維持透明、可受質疑，並符合公共價值。

資料空間的促成角色

資料空間可以成為共享治理聯盟的樞紐，使文化資產機構、研究人員、公共利益科技參與者及社群，能圍繞專用 AI 模型與工具合作，包括為明確任務、領域及公共功能設計的較小型模型。49

資料空間可以協調以文化專業能力與公共問責為基礎的開放、多語 AI 倡議。其中包括推動範圍適當、透明且具資源效率的方法，並協助創造使其切實可行且具有吸引力的實際條件。

具體而言，這表示應支持試辦計畫、媒合工作與共同標準。

49 https://nadiapiet.notion.site/Small-AI-Public-Research-Log-9bad029402a144a9b5a1d05bc2ee5bfd。

40

這些工作可將文化資產機構與相關研究團隊、開源社群及歐洲 AI 基礎設施連結起來，並記錄哪些使用情境更適合採用專用或較小型模型，或在哪些情況下，這些模型比通用系統更符合需求。

這項工作不應只侷限於為文化資產領域建立工具。如果 AI 是一種文化技術，文化資產機構便很適合透過自身的資料、專業能力與實務，參與更廣泛公共利益 AI 應用的設計及治理。

資料空間可以透過整理良好實務案例、製作指引、促成共同實驗，以及協助機構評估成本、效能、可解釋性、多語能力及環境影響之間的取捨，來促進這些方法的採用。

藉此，資料空間可以協助文化資產領域擺脫對通用商業工具的依賴，轉向更專業化、分散且可向公眾問責的 AI 生態系。

資料空間也可以協助落實與文化資產館藏互動之 AI 系統的部署層級治理。其中包括制定近用條件、可追溯性要求，以及部署時公共利益標準的共同作法。

同時，資料空間也可以協助界定 AI 系統反覆近用公共治理館藏時應遵守的互惠條件，包括署名、下游使用方式透明化、分擔基礎設施成本，或參與共享治理安排。

如此一來，資料空間便能將公共 AI 的公共控制面向轉化為實際的部署標準。

41

4. 強化公共 AI 素養

願景

機構及其工作人員，以及機構的受眾，都需要強化 AI 素養。

對文化資產專業人員而言，這要求機構整體具備理解 AI 系統如何運作，以及如何形塑知識生產、文化詮釋、專業實務與權力關係的能力。

Alignment Assembly 顯示，目前對於文化資產從業人員需要哪些技能與知識，才能針對 AI 作出決策，尚未形成明確共識。

但可以確定的是，所需能力並不只限於技術技能。專業人員必須理解資料治理、權利管理、偏見、風險評估、採購及合作關係所涉及的法律、倫理與社會問題。

公共 AI 也需要充分知情且積極進行批判思考的公眾。文化資產機構可以協助受眾理解 AI 系統如何運作、如何形塑知識近用，以及文化資料如何被用於 AI 開發。

這符合這些機構長期以來的公共使命：以能賦權個人及社群的方式，蒐集、補充脈絡並分享知識。

文化資產機構可以運用數十年來在公共教育與詮釋方面累積的經驗，以多種方式強化公共 AI 素養。展覽與公共活動可以揭開 AI 系統的神祕面紗，呈現支撐這些系統的資料、假設及設計選擇。工作坊與培訓課程則能讓公民獲得相關技能。

42

這些技能可協助公民批判性地評估 AI 生成內容、理解演算法偏見，並思考來源資訊與信任問題。

Better Images of AI50 等倡議顯示，負責任地溝通 AI 十分重要，包括避免誤導性的呈現方式，並促進知情討論。文化資產機構可以透過自身與受眾的互動，推廣並形塑這些實務。

德意志博物館（Deutsches Museum）的「Can AI learn to see?」展覽51 透過互動裝置與公開講座探索機器學習；荷蘭聲音與影像研究所（Netherlands Institute for Sound & Vision）則與 AIxDesign 共同製作《Archival Images of AI Playbook: How to Create Better Images of AI through Digital Heritage》，52 提供從數位文化資產中尋找素材的實務指引，以打破 AI 圖像的陳腔濫調。

資料空間的促成角色

資料空間可以同時強化文化資產領域內部及面向公眾的 AI 素養。建立這些能力，對文化資產機構成為 AI 生態系中知情的合作夥伴、批判性的評估者與負責任的治理者至關重要。

同時，這些知識也是支持受眾公共 AI 素養的關鍵。

第一步，資料空間將建立動態知識庫，彙整 Alignment Assembly 的洞見與學習成果，並支持培訓、專業發展，以及良好實務與警示案例的交流。

Europeana Network Association 與 Europeana Aggregators’ Forum 將在這項工作中扮演重要角色，負責連結機構、維持跨國交流，並將 AI 素養確立為文化資產領域長期共享的優先事項。

50 https://betterimagesofai.org/images。

51 https://www.deutsches-museum.de/en/museum-island/programme/event/can-ai-learn-to-see。

52 https://blog.betterimagesofai.org/archival-images-of-ai-playbook/。

43

資料空間也能透過展覽、工作坊、學習資源及負責任的溝通實務，協助公眾理解 AI。藉此，它可以協助文化資產領域在 AI 公共討論中，將自身定位為值得信賴的中介者。