訓練AI模型的著作權風險：當資料成為兵家必爭之地台灣有何策略？

※如欲轉載本文，請與北美智權報聯絡

袁如陵╱台灣專利師

在二月初時，國科會表示為了建置主權 AI，需要完整、高可信度的資料庫，並直指要鬆綁著作權法，以將政府的開放資料用在 AI 研發，來解決缺乏訓練資料的問題，此提議引起學界譁然。

為了推動 AI，修法放寬聽起來勢在必行，但修訂著作權法可能牽一髮而動全身，要如何顧及著作權人的權益？目前業界用於訓練 AI 的資料，除了使用無著作權，以及合法授權的資料外，大多還需加入一些灰色地帶的資料，例如網路新聞、部落格文章、論壇留言等，這些其實都屬於未授權之使用。若進行修法，勢必要考量是否會有連帶影響。

與現行著作權法規的衝突

目前已有許多 AI大廠因為著作權議題而被告上法院，例如：

通用AI 模型/服務：OpenAI、Microsoft、Meta、Google、Anthropic

音樂：Suno、Udio

圖像：Stability AI、DeviantArt、Midjourney

影片：Runway AI

在這些案件中，AI 廠商大多主張自己不是直接複製或散佈受著作權（又稱版權）保護的作品，而是將這些作品作為「原料」，用於訓練 AI 理解資料的模式和結構，最終生成全新的、與原始作品不同的輸出。

另外，許多人倡議目前的著作權法規並未充分考慮到 AI 技術的特殊性，因此必須調整或重新詮釋著作權法。然而這樣的論點真的能夠說服法院嗎？

其實，訓練 AI 並不是讓電腦去「讀」網路上的公開資料，而是要將資料下載後，才能人為標註或編輯資料，再餵給模型進行訓練；因此，明顯涉及著作權法上的「重製」。

能主張「合理使用」？

大部分身陷訴訟的 AI 大廠，是以「合理使用」作為主要的抗辯方式。在台灣，要能成功主張合理使用，必須依據四個因素進行綜合判斷：

(1) 利用之目的及性質，包括係為商業目的或非營利教育目的。

(2) 著作之性質。

(3) 所利用之質量及其在整個著作所占之比例。

(4) 利用結果對著作潛在市場與現在價值之影響。

由於AI模型有相當大的商業價值，且可能完整複製了許多資料，也會大幅度影響原著作的市場（已經有相當多產業受到影響），是否能夠主張合理使用，是相當有疑問的。政府想要修著作權法，是否也是為了先幫 AI 廠商「拆彈」？

著作人權益已然受損

目前大多數AI廠商，都是先做再說，在法院作出判決前，能衝多遠是多遠。通常企業也會表示，要訓練出能用的AI模型，必須使用大量資料，而他們很難在事先獲得所有資料的授權，再進行模型訓練，而這會導致AI技術的發展停滯。

也常有人說，訓練 AI 就像人類讀書，只是換成電腦來讀，為什麼就會侵權？這樣的類比其實有著很大的謬誤，其中主要的差別在於「人類閱讀」與「訓練 AI 」的目的及結果是完全不同的。

聽音樂、讀書、或觀賞繪畫作品，通常不是為了產生一個類似的作品，而是想要享受、學習、或研究。但「生成式 AI 」的目的只有一個，就是「生成」。而且閱聽眾在獲得生成的成果後，很可能就不再需要使用或購買原本的作品了。

另外，當使用 AI 生成內容時，使用者無法得知內容是源自於哪些人的創作。當原始作者的貢獻無法被彰顯時，就是對作者姓名表示權的一種間接侵犯。這是目前較難依靠技術解決的問題，因為內容在模型中已經轉為向量的形式，自然無法追溯到原始作品。

雖然有些 AI服務會在生成的文章中標註資料來源，例如 Google 的 NotebookLM 會引述使用者上傳的文件，ChatGPT 或 Perplexity 也都可以搜索網路資訊，並結合模型中本身的資訊做出回答，但這些被引述的文獻其實是都是另外取得的資料來源，無法解決原始訓練資料中的溯源問題。

大廠已經積極取得合法資料授權

在著作權訴訟進行的同時，AI 也早已開始砸錢買資料。下表為媒體所報導的授權交易：

這些授權大部分是由 OpenAI 所簽訂並發布，宣示意味濃厚，其中與新聞集團的交易金額高達 2.5 億美元。這些大廠當然也不是一開始就選擇購買資料。OpenAI 最初只是個非營利的研究機構，在資料使用上彈性較大。但在 ChatGPT 成功商業化後面臨諸多訴訟，自然只能開始向第三方取得資料授權。

Meta自從被告上法院後，不斷有內部文件被公開，外界也因此才了解，Meta 當年發現追趕不上 OpenAI 後，開始無視內部人員的警告，公然抓取盜版書籍作為訓練資料。Google 則是目前訴訟較少的公司，或許是因為資料較為乾淨，但作為 AI 實力最雄厚的公司，這可能也就是一直在 OpenAI 之後苦苦追趕的原因之一。

著作權法向來是隨著科技發展而逐漸調整，但不代表它一定得「順應潮流」。在網路泡沫年代，Napster 曾經橫掃音樂產業，但兩年後就因為侵犯著作權而急速殞落。當各國法院判決一一出現後，哪一家 AI 廠商會因此掉隊？能拿捏好風險與商業利益的廠商，才有辦法笑到最後。筆者猜想許多大廠可能都預備了「低風險」的模型。一旦法院的判決站在著作權人一方，就可以馬上更換。或許之前 ChatGPT 被報導突然「變笨」的狀況，也與此有關。

屬於台灣的中文語料仍然嚴重不足

無論要發展主權 AI，或鼓勵廠商打造 AI 產品，優質的訓練資料都是不可或缺的。然而台灣政府或 AI 廠商，似乎都力不從心。以國科會的TAIDE模型為例，來自民間出版社或媒體的資料居然只有下表所列：

僅以這些以 MB 作為單位的資料量，配合公部門資料，似乎不太可能打造出主權 AI。更重要的是，政府一直都大聲疾呼要增加訓練資料，但經過一兩年，這份清單卻幾乎沒有新增。

行政院已編列百億級的預算發展 AI，但外界一直以來都關注算力的硬體，不清楚有多少被用來合法取得訓練資料。因此現在說要用修改著作權法的方式來解決，也沒有說明相關配套，在學界及創作者的耳中自然特別刺耳。

完整配套可參考國外做法

在 AI已經成為軍備競賽的大環境下，人人都想搶先。雖然各國政府皆不敢大力要求 AI 馬上合規，但仍陸續有國家出現一些指引，試圖在 AI 發展與創作者權益間取得平衡。對於台灣來說，筆者建議可參酌歐盟及日本的做法，例如：

(1) 公開訓練資料來源，並定期接受稽查。

(2) 開放使用公開資料訓練 AI，但必須給予著作權人opt-out（選擇退出）的機會，如果能建立類似 AI 稅的回饋機制會更好。

(3) 不可有明顯違法的行為，例如使用盜版資料庫及蓄意繞過付費牆（paywall）取得資料。

會如此倡議，是因為許多 AI 模型已經開源，現實上已經不可能阻止任何人自建模型使用，因此堅守公開資料需要授權已幾乎失去意義。這自然會損害創作者的權益，因此必須搭配 opt-out 及 AI 稅等機制，以平衡公眾利益。而公開訓練資料是檢核 AI 廠商是否有落實自我管理的前提，當然也是無法迴避的義務。

這樣的方案對於 AI 廠商已經相當寬容，因為大部分著作權人可能沒有心力對自己的作品進行opt-out。且未來若公眾慢慢習慣利用 AI 獲取資訊，可能會逼迫著作權人要想盡辦法讓自己的內容被 AI 抓取及訓練（就像網站要做 SEO 以出現在 Google 搜尋結果一樣）。AI 服務的滲透度，會大幅度影響產業的格局及大眾所認知的「公眾利益」，這也是 AI 廠商甘冒風險也要不斷衝刺的原因之一。

參考資料：

要著作權法鬆綁！數發部為台灣AI謀訓練資料（風傳媒）

TAIDE官網（訓練資料）

責任編輯：李淑蓮

【本文僅反映專家作者意見，不代表本報立場。】

作者：	袁如陵（Juling Yuan）
經歷：	雃博股份有限公司法務智權部經理英國 Visiongain 產業分析師鴻海精密專利工程師
學歷：	台灣大學植物病理暨微生物學碩士英國倫敦大學皇后瑪麗學院智慧財產權管理碩士
專長：	專利佈局、企業品牌、商業情資調查、企業內訓
資格：	台灣專利師無形資產評價管理師初級英國專利／商標代理人初試通過中國專利代理人考試通過