前陣子，我和一位長期在日本創業的外國朋友聊到在地經驗。他說，相較於市場競爭，最需要時間適應的，反而是日本獨有的溝通方式。
「有時候對方講得非常禮貌，但我還是無法確定，那到底是真的答應，還是其實在婉拒？」他苦笑著舉例，有一次請客戶幫忙介紹窗口，對方客氣地回了句：「考えさせてください。」他當下以為對方會再聯絡，結果那封信就成了句點。
這樣的語氣，其實是日本人常見的委婉拒絕——「不是不幫，只是不方便說不」。這種溝通方式，對不熟悉日本文化的人來說，真的很容易誤解。
我聽完只覺得太有共鳴。因為語言從來不只是翻譯文字，而是關乎語氣、情境，還有彼此默契的理解。
我不禁想到，我們現在每天使用的 AI 大語言模型（LLM）。連長期生活在當地的創業者都有可能誤會對方語意，那些用「英文語境」來訓練的 AI 模型，又怎麼可能真正掌握這些文化裡的細緻用語呢？
AI 的文化偏見
這樣的疑問其實也被近期 MIT Sloan 的一項研究所證實。
研究團隊針對大型語言模型（如 OpenAI 的 ChatGPT 與百度的文心一言）進行實驗， 發現模型在使用不同語言作答時，會顯現出不同的文化偏向 。 當用中文發問時，AI 更傾向展現出「重視群體」的思維模式；而以英文提問時，則明顯偏向「強調個體」的表達方式 。
舉例來說，當要求大語言模型設計一個保險廣告標語，中文輸入時，AI會產出像「家人的未來是你的承諾」，而英文輸入時，則會出現「你的未來，你的平靜、我們的保險」。同一個問題，不同語言，反映的卻是截然不同的文化價值排序。
更關鍵的是，研究還發現， 這些文化傾向會在不知不覺中影響使用者，甚至透過 AI 編輯的媒體與教材滲透至社會 。換句話說，生成式 AI 正在無聲地複製著某種文化與價值觀，就算我們沒有直接使用語言模型，也可能早已置身於它建構的文化觀與價值觀裡，而這一點，我們常常沒有察覺。
大語言模型，已成為文化的基礎設施
語言模型承載的不只是技術，而是文化。它們內建的語料與價值觀，正逐步形塑我們的語氣標準與溝通方式：每一個大語言模型的生成結果，更在默默定義：什麼樣的語氣是「合理的」、什麼樣的回應方式是「正常的」，當我們用大語言模型對話時，也接受了背後那套價值觀的邏輯。
這也是為什麼越來越多國家開始將語言模型納入「主權治理」的視野：歐盟在 2024 年通過《人工智慧法案》（AI Act），首創按應用風險分級，並要求基礎模型開發者揭露訓練資料來源，以維護對模型文化價值的可見性與控制。
新加坡則是針對東南亞地區文化，打造開源的大型語言模型Sea-Lion，透過廣泛收集東南亞語言與文化背景，Sea-Lion 將可以有符合本地需求的 AI，並在該基礎上建構新的應用程式。
沙烏地阿拉伯則透過主權基金直接切入，成立由王儲主導的 Humain 公司，建設涵蓋超級運算中心與大規模資料中心，總投資達 1,000 億美元。
這些不同策略其實都在傳遞同一訊號：語言模型不只是演算法，更牽涉文化價值、資訊治理與國家安全，必須由自己主動建構，而非仰賴他人。
長期依賴他國訓練的語言模型，不只是接受他人定義語氣與互動邏輯，更可能埋下結構性風險。隨著生成式 AI 逐步滲透到各行各業，若其語料偏向特定文化，其價值觀也將滲透社會，悄悄重塑我們的思考與表達方式。
日本的嘗試：Shisa.ai，從文化出發的語言模型
在語言理解這場全球競賽中，日本出現了一個格外突出的在地嘗試：Shisa.ai。這支僅由三人組成的團隊，在資源有限的情況下，成功訓練出一款 4,050 億參數的日文大型語言模型。根據實測結果，這款模型在指令理解、翻譯、語意推理等多項日語任務中表現亮眼，整體已能與 OpenAI GPT‑4、中國 DeepSeek‑V3 平起平坐。對一個小新創來說，這不只是技術突破，更是一場文化主體性的實踐。
Shisa.ai 的三位創辦人皆為移民，選擇在日本落腳創業。他們相信，AI 主權必須從在地語言與文化出發，打造本土模型，不只是為了保留多樣性，更關乎資料隱私、地緣政治韌性與國家的數位自主權。
執行長 Jia Shen 與技術長 Leonard Lin 是共同創辦人，其中 Shisa 模型由 Leonard 領銜開發，是他的代表作。而團隊中的 AI 研究員 Adam Lensenmayer，則有著截然不同的背景——他是日本動畫迷耳熟能詳的字幕翻譯家，曾參與《進擊的巨人》、《鋼彈》、《名偵探柯南》（劇場版）、《銀河鐵道999》、《櫻桃小丸子》、《宇宙戰艦大和號》，以及在便利商店都能買到的《宇宙兄弟》等作品。對語感與語氣的極致講究，讓他在模型的訓練中扮演關鍵角色，也讓 Shisa.ai 更貼近日語世界的深層語境與文化細節。
從一開始，Shisa.ai 就選擇在日本本地訓練模型，刻意聚焦於日語中的語氣細節、社交潛台詞等特性。創辦人 Jia Shen 指出，過去三十年的網路語料幾乎已被大語言模型掃過，接下來，AI 訓練的資料將面臨天花板，未來的突破不在於「更多資料」，而是「更貼近語境的資料」，例如，那些不會自動留在網路上的聲音與情感。像是長輩的生活對話、地方方言、Z 世代約會時的語氣變化——誰能掌握語言與文化交織的真實語料，誰就握有下一代模型的籌碼。
這樣的理念，也獲得日本政府的支持。2024 年，經濟產業省（METI）啟動 Generative AI Accelerator Challenge（GENIAC），提供資金、導師與大規模算力，協助新創發展自有基礎模型。Shisa.ai 作為入選團隊之一，成功加速模型訓練進程，也讓日本語言模型的研發實力嶄露頭角。
更難得的是，Shisa.ai 並未止步於技術開發。他們將語氣理解技術實際帶入產業，例如，協助日本餐廳應對國際觀光客、支援零售門市處理退換貨，甚至在車站設置多語 AI kiosk 協助旅客查詢方位與服務。這些應用，不是單純的技術展示，而是對跨文化溝通的務實回應。
誰的語氣，會成為 AI 的語氣？
Shisa.ai 或許只是起點，卻提醒我們：生成式 AI 正快速融入日常與各行各業，而它所承載的語氣，將深刻影響我們理解彼此、表達自己的方式。
語言不只是工具，更是文化的載體——我們怎麼說話，終將決定 AI 如何理解這個世界。
延伸閱讀：AI Agent過譽了？16款LLM代理功能大PK：GPT-5達成率43％卻奪冠，為何複雜任務AI搞不定？
AI辦公室應用有哪些？談薪水、跨部門溝通⋯10個實用AI技巧大公開
責任編輯：蘇柔瑋
