AI時代的著作權人權益的保護

以下先說明本文採用的法制基礎：我國《著作權法》目前仍以「人之創作」為核心；智慧財產局也明確指出，AI生成內容是否受保護，關鍵在於人類是否有實際創意投入。現行法對重製、公開播送、公開上映、公開演出、公開傳輸、改作與散布等利用行為，已有不同權利分類。

但AI訓練的核心爭議，在於模型開發過程可能大量利用完整著作。智慧財產局刊載的研究已指出，我國第65條合理使用四要素在生成式AI訓練情境存在高度不確定性；亦有研究主張，應考慮建立著作權人得退出的法定授權制度。美國著作權局2025年AI訓練報告則專門處理生成式AI訓練、授權與責任問題。

國際規範亦逐漸由「事後侵權訴訟」轉向「事前透明治理」。歐盟AI Act對通用型AI模型提出著作權政策及訓練內容摘要等義務；歐盟執委會並已發布訓練內容公開摘要範本。WIPO也將健全的著作權基礎設施視為生成式AI時代平衡創作者保護與技術創新的重要課題。

AI時代的著作權保護：從使用權、重製權、公播權到人工智慧訓練權的制度重建

前言：當「創作」遇上可以無限學習、無限複製的人工智慧

人工智慧的發展，正在改變人類對「創作」兩個字的理解。

過去，我們談到寫文章，想到的是作家；談到繪畫，想到的是畫家；談到音樂，想到的是作曲家、作詞家與演唱者；談到新聞，想到的是記者；談到電影，想到的是編劇、導演與演員。

但是今天，只要在電腦上輸入幾行指令，人工智慧就可以完成一篇文章、一張圖片、一首歌曲，甚至一段影片。

更令人震撼的是，AI不只可以「生成」，還可以「模仿」。

要求人工智慧寫一篇古典散文，它可以模仿古文語氣；要求它創作某一類型的小說，它可以迅速掌握敘事結構；要求影像生成系統製作特定藝術風格的作品，它也可能產生高度相似的視覺效果。

AI音樂甚至能模擬聲線、唱腔與音樂類型。

於是，一個前所未有的問題出現了。

人工智慧究竟從哪裡學會這一切？

答案非常簡單。

從人類過去所創造的內容。

它閱讀文章。

分析圖片。

研究音樂。

整理影音。

處理程式碼。

學習書籍。

換句話說，今天人工智慧所展現的能力，並不是從真空中突然產生，而是在大量人類知識與創作成果上建立起來。

因此，AI時代的核心爭議，不只是「AI創作的作品有沒有著作權」。

更重要的問題應該是：

當人工智慧大量使用人類作品作為學習資源時，原來的著作權人應該受到什麼程度的保護？

作者是否擁有使用決定權？

AI取得文章進行訓練，是否涉及重製權？

人工智慧生成影音並向公眾傳播，是否涉及公開播送或公開傳輸？

AI模仿特定作家的文字風格、畫家的藝術風格，又是否構成改作？

著作權人能不能拒絕人工智慧使用自己的作品？

人工智慧公司是否應支付授權費？

這些問題，正在形成二十一世紀新的著作權戰場。

從歷史來看，著作權制度總是跟著傳播科技而改變。

印刷術改變了書籍複製方式。

廣播改變了音樂與聲音的傳播方式。

電視改變了影音傳播。

網路改變了資訊取得方式。

現在，AI正在改變的，是人類知識本身被利用的方式。

因此，傳統著作權制度恐怕已經到了必須重新檢討的時刻。

AI時代需要的，不只是修補舊法律，而可能是一套新的「智慧創作權利秩序」。

一、著作權制度的本質：保護的不只是作品，而是創作的經濟循環

首先必須釐清一件事情。

著作權究竟為什麼存在？

許多人直覺認為，著作權就是為了防止抄襲。

事實上，防止抄襲只是著作權制度的一部分。

著作權真正的制度目的，是保護創作者，使創作行為具有持續發展的可能。

創作需要時間。

創作需要知識。

創作有時甚至需要巨額投資。

一位作家可能花五年完成一本小說。

一位歷史學者可能花二十年完成專書。

一名記者可能花半年調查一件弊案。

一部電影可能動員數百人，投入數億元製作。

一家新聞媒體，每天需要支付記者、編輯、攝影、設備與採訪成本。

如果作品一完成，任何人都可以立刻複製、販售與營利，那麼原作者便很難獲得合理報酬。

長期而言，創作誘因自然下降。

因此，著作權制度真正保護的是一套「創作經濟循環」。

創作者投入時間與資源。

完成作品。

社會使用作品。

創作者得到報酬。

報酬又使創作者有能力繼續創作。

這是一個循環。

著作權就是維持這個循環的重要制度。

然而，AI出現之後，這套循環正在受到挑戰。

過去的市場結構是：

作者創作文章。

讀者閱讀文章。

媒體或出版社取得收入。

作者得到稿費或版稅。

但AI時代可能變成：

作者創作文章。

AI取得文章。

AI學習文章。

使用者直接向AI提問。

AI整理答案。

使用者不再閱讀原文。

作者沒有收入。

AI平台卻收取訂閱費。

這代表「創作價值」正在發生轉移。

內容由A生產。

收益卻可能由B取得。

如果這種現象只是少量發生，問題或許不大。

但是當AI可以同時處理數億甚至數十億筆內容，問題就完全不同。

著作權制度面對的，已經不是個別侵權，而是一種產業結構改變。

二、AI最大的著作權問題，是「學習行為」究竟是不是一種使用行為

傳統著作權法主要規範作品如何被利用。

例如，一本書被影印。

一首歌被播放。

一部電影被公開上映。

一張圖片被放到網站。

這些利用方式相對容易辨認。

但是AI訓練非常特殊。

人工智慧公司可能主張：

「我們沒有販售你的書。」

「沒有刊登你的文章。」

「沒有播放你的歌曲。」

「沒有公開你的照片。」

「我們只是讓AI學習。」

問題就在「學習」這兩個字。

AI企業經常以人類學習作為比喻。

一個作家閱讀莎士比亞，不需要向莎士比亞支付學習費。

一個畫家研究畢卡索，也不需要取得授權。

一位記者閱讀其他媒體新聞，學習寫作方式，同樣沒有問題。

既然人類可以學習，為什麼AI不能學習？

這是一個非常值得討論的問題。

表面上看起來，AI與人類都在學習。

但是兩者存在根本性的規模差異。

一個人一生閱讀的作品有限。

即使是非常勤奮的學者，也不可能一天閱讀一百萬本書。

人工智慧卻可能在訓練階段處理海量資料。

其次，人類學習之後的生產能力有限。

一個作家一天可能完成三千字。

AI卻可以在極短時間生成大量文章。

一名畫家一年創作數十幅作品。

影像AI一天可以產生數百萬張圖片。

因此，問題不能只從「學習」這個抽象概念判斷。

法律還必須考慮規模。

速度。

商業目的。

市場替代效果。

假設一位學生閱讀五篇新聞並整理心得，這可能是正常學習。

但是如果一家企業每天複製全球數百萬篇新聞，建立商業AI服務，再向使用者收費，其經濟性質顯然不同。

因此，AI訓練究竟是不是著作使用，不能只以「機器也在學習」作為答案。

真正應該問的是：

企業是否透過系統性、大規模處理受著作權保護的作品，取得新的商業能力？

如果答案是肯定的，那麼這種利用方式，就值得法律重新規範。

三、AI時代的「使用權」：著作權人應有決定作品是否供機器學習的權利

在一般社會用語中，人們常說「作品使用權」。

但從法律結構而言，著作財產權通常依照具體利用方式，分成重製、公開播送、公開傳輸、改作等不同權利。

AI出現後，這種分類開始面臨新的挑戰。

因為AI對作品的利用，可能同時橫跨多個階段。

以一篇新聞為例。

人工智慧系統可能先從新聞網站抓取文章。

接著下載到伺服器。

再進行資料清洗。

將文章切割成文字單位。

進行向量處理。

最後放入模型訓練。

未來使用者詢問相關問題時，模型再產生答案。

在這整個過程中，作品被「利用」了很多次。

但是傳統著作權分類未必能完整描述這種情況。

因此，筆者認為AI時代應該重新討論「機器學習使用權」。

也就是著作權人是否具有權利，決定自己的作品能否被人工智慧系統利用。

這個權利至少應包含幾個層次。

第一，允許一般網路搜尋。

第二，允許建立搜尋索引。

第三，允許非營利研究。

第四，允許AI模型訓練。

第五，允許商業AI模型訓練。

第六，允許特定領域模型微調。

第七，允許AI生成類似作品。

不同的利用行為，法律效果可能完全不同。

例如，一位學者可能願意讓大學進行非營利研究。

但不願意讓跨國科技公司將自己的著作放進商業模型。

一位攝影師可能允許搜尋引擎建立縮圖。

但不希望圖片被影像AI學習。

一位記者可能允許新聞被搜尋。

卻不希望AI直接將全文內容轉換成答案，使讀者完全不再進入新聞網站。

這些選擇，在AI時代應該受到尊重。

因此，未來著作權制度必須建立一個重要原則：

作品公開，不代表同意AI訓練。

這一點尤其重要。

目前網路文化存在一個危險誤解。

有人認為：

「既然放在網路上，大家都看得到，就可以拿來訓練AI。」

這個觀念並不合理。

一張照片公開展示，不代表作者放棄權利。

一本書放在圖書館，也不代表任何公司可以大量複印販售。

新聞網站可以免費瀏覽，亦不代表所有資料都成為公共財。

「可以閱讀」與「可以進行商業AI訓練」，本來就是兩件不同的事情。

法律應該將這兩件事明確區分。

四、重製權：AI訓練最直接的法律爭議

在現有著作權制度下，AI訓練最常涉及的問題之一，就是重製權。

所謂重製，簡單而言，就是以各種方式將著作內容重新製作或保存。

傳統重製非常容易理解。

影印一本書是重製。

複製一張CD是重製。

下載圖片也可能涉及重製。

將影片複製到硬碟，同樣是一種重製行為。

AI訓練的問題在於，它的資料處理過程，經常需要製作大量資料副本。

例如網路爬蟲取得文章。

資料下載到伺服器。

建立備份。

進行資料清洗。

轉換檔案格式。

建立資料集。

這些過程中，都可能產生作品的複本。

因此，從傳統著作權角度而言，AI訓練很難完全與重製行為切割。

問題是，AI企業可能主張這些重製只是「技術性複製」。

作品並沒有直接提供給消費者。

這就形成法律爭議。

假設一家AI公司下載一千萬本書。

完成模型訓練後，刪除原始資料。

那麼先前的下載與儲存是否構成侵害重製權？

如果模型內部並沒有保存完整書籍，是否就不存在問題？

這是目前著作權法最困難的問題之一。

傳統著作權主要觀察作品是否被保存。

AI時代卻可能出現新的現象。

作品本身消失了。

但是作品提供的知識與創作特徵，已經轉化成模型能力。

例如一家企業取得數千本法律書籍。

模型訓練完成。

原始書籍資料刪除。

但是AI已經可以提供高度專業的法律分析。

此時，作品的「實體副本」或許不存在。

然而，作品的經濟價值已經被吸收。

因此，AI正在迫使我們思考：

重製權究竟只保護「複本」？

還是也應保護「利用作品形成商業能力」的過程？

筆者認為，若完全依照傳統重製概念處理AI問題，將產生大量法律灰色地帶。

因此，有必要建立AI訓練利用的獨立規範。

不是勉強把所有AI問題塞進重製權。

而是承認人工智慧訓練已經成為新的作品利用方式。

五、AI訓練權：二十一世紀可能出現的新著作財產權

過去著作權制度會隨科技發展增加新的權利概念。

廣播出現後，公開播送變得重要。

電影產業發展後，公開上映受到重視。

網路時代，公開傳輸成為核心權利。

因此，AI時代是不是需要建立「人工智慧訓練權」？

筆者認為，這值得認真討論。

所謂AI訓練權，就是著作權人對作品是否被用於機器學習模型訓練，享有一定程度的控制。

這項權利可以包含：

是否允許模型預訓練。

是否允許模型微調。

是否允許商業用途。

是否允許生成相似內容。

是否允許建立作者專屬模型。

是否允許永久保存資料。

有人可能認為，增加新的權利會阻礙AI發展。

但是法律並不是只有「禁止」這一個功能。

權利存在之後，可以授權。

可以交易。

可以收費。

可以訂定不同條件。

著作權制度的真正功能，是將沒有秩序的利用行為轉化成可交易市場。

音樂就是最典型的例子。

我們沒有禁止廣播電台播放音樂。

而是建立授權與權利金制度。

電影也一樣。

電影院可以播放電影。

但必須取得合法權利。

串流平台可以提供音樂。

但需要授權。

因此，AI訓練同樣可以建立市場制度。

AI公司需要大量內容。

創作者提供內容。

雙方透過授權機制完成交易。

這才是健康的產業關係。

問題不應該是：

「AI可不可以訓練？」

而應該是：

「AI使用誰的作品、依據什麼權利、是否需要付費？」

六、知情權：著作權人至少應該知道作品是否被AI使用

AI著作權目前最大的問題之一，是資訊完全不對等。

人工智慧公司知道自己使用哪些資料。

創作者卻不知道作品是否被使用。

這使著作權保護產生嚴重困難。

一名攝影師發現AI可以生成非常類似自己的攝影風格。

他懷疑作品曾被拿去訓練。

但是如何證明？

一位作家發現AI非常熟悉他的小說內容。

他懷疑作品曾進入資料集。

但又無法取得AI公司的訓練資料。

這時法律出現矛盾。

著作權人必須證明侵權。

但是證據掌握在可能侵權的一方手中。

AI企業則可能以營業秘密為由拒絕公開資料。

結果是創作者幾乎無法維權。

因此，AI時代應建立著作權人的「AI使用知情權」。

這並不代表AI企業必須公開全部技術。

模型架構。

演算法。

參數設計。

這些可以是營業秘密。

但是「資料來源」與「技術秘密」必須區分。

例如食品公司可以保護獨家配方。

但仍然需要標示成分。

藥廠可以保護製程。

但必須說明藥物內容。

同樣地，AI公司可以保護模型技術，但對訓練資料來源應有合理程度的揭露。

大型商業AI模型至少應說明：

資料來源主要類型。

是否使用網路爬取。

是否使用新聞資料。

是否使用電子書。

是否使用學術論文。

是否使用圖片資料庫。

是否使用音樂與影音。

資料取得期間。

是否建立著作權退出機制。

此外，還應提供權利人查詢管道。

例如作者可以輸入ISBN。

攝影師可以輸入圖片識別資訊。

新聞媒體可以輸入網址或內容指紋。

系統應提供合理程度的資料比對結果。

有人可能認為技術上很困難。

但是我們必須思考：

一家企業如果連自己使用過哪些資料都無法管理，它又如何證明資料使用合法？

今天企業必須管理個人資料。

必須管理財務紀錄。

必須管理供應鏈。

那麼，為什麼AI訓練資料可以完全不管理？

資料量巨大，不是拒絕管理的理由。

正因資料規模巨大，才更需要治理。

七、拒絕權：著作權人應有權說「我的作品不供AI訓練」

除了知情，創作者還應有選擇。

這就是AI著作權的退出權。

在國際AI政策討論中，經常使用Opt-out這個概念。

著作權人可以表示：

「我的作品不能被AI訓練。」

這項制度十分重要。

因為不同創作者對AI的態度不同。

有人支持AI。

願意免費提供作品。

有人願意授權，但要求付費。

有人只接受學術研究。

也有人完全拒絕。

法律沒有必要替所有人作同一種決定。

真正合理的制度，是讓權利人選擇。

未來應建立機器可以辨識的AI權利標示。

例如：

允許所有AI訓練。

只允許非營利研究。

商業使用需要授權。

禁止模型微調。

禁止生成相似風格。

禁止所有AI訓練。

這些資訊不應只寫在人類閱讀的法律聲明中。

還應建立機器可讀格式。

當AI爬蟲進入網站時，系統可以自動讀取權利政策。

如果允許，資料可以依法使用。

如果禁止，系統應停止抓取。

如果需要授權，可以自動連結授權平台。

這就是未來「機器對機器的著作權管理」。

AI時代資料量太大。

不可能每一篇文章都人工談判。

因此，著作權制度本身也需要AI化。

八、授權制度：AI產業不能永遠依靠「先拿再說」

目前許多AI著作權爭議存在一種商業邏輯。

先取得資料。

先訓練模型。

等著作權人發現後再處理。

這種「先使用、後談判」模式，對創作者非常不公平。

原因是雙方力量完全不同。

大型科技公司擁有龐大法律團隊。

個人創作者可能連跨國訴訟費用都無法負擔。

因此，AI時代需要新的授權制度。

筆者認為，可以參考音樂產業的集體管理經驗。

廣播電台每天播放大量歌曲。

不可能每播放一首歌，就找到作詞人與作曲人重新簽約。

因此，音樂產業建立著作權集體管理。

由管理組織代表創作者。

統一授權。

統一收費。

再分配權利金。

AI產業完全可以建立類似機制。

例如成立：

文字著作AI授權中心。

新聞內容AI授權平台。

影像AI訓練授權中心。

音樂AI資料授權組織。

出版內容AI授權中心。

AI公司可以透過單一窗口取得大量作品授權。

創作者則不必個別與全球科技公司談判。

這可以大幅降低交易成本。

AI產業經常主張：

「如果每一筆資料都要單獨授權，AI根本無法發展。」

這句話有一部分是事實。

但解決方法不是宣布所有內容免費。

而是建立更有效率的授權制度。

航空公司不可能與每一個國家逐架飛機談判空域使用。

所以世界建立國際航空制度。

銀行不能每次轉帳都重新訂定規則。

所以建立金融清算系統。

AI資料利用同樣需要基礎設施。

九、收益分配權：AI不能建立在「硬體有價、內容免費」的商業模式上

觀察今天AI產業，可以發現一個非常值得討論的現象。

AI公司購買晶片，需要付費。

使用資料中心，需要付費。

電力，需要付費。

工程師薪資，需要付費。

雲端服務，需要付費。

資金成本，也需要付費。

幾乎所有生產要素都有價格。

只有一種東西經常被認為應該免費。

就是人類創作內容。

文章。

圖片。

新聞。

音樂。

書籍。

有人認為，既然網路上可以看到，就可以直接使用。

這種思考其實非常奇怪。

為什麼製造AI的晶片有價值，提供AI知識的文章卻沒有價值？

為什麼訓練AI的工程師應該領薪水，而被AI學習的作家卻不需要報酬？

如果AI模型的能力確實來自大量人類知識，那麼知識提供者理應被納入產業價值鏈。

這並不是要求每一次AI回答都支付一筆稿費。

真正需要建立的是合理的收益分配制度。

例如AI公司每年支付一定比例的內容授權費。

依照模型規模。

營業收入。

資料使用量。

或其他方式計算。

再由集體管理組織分配。

至於如何計算每一件作品對模型的貢獻，確實困難。

但是困難不代表不可能。

音樂產業也有類似問題。

電台每天播放大量歌曲。

權利金如何分配？

產業透過播放紀錄、抽樣與監測建立制度。

影音串流則依觀看與播放數據進行分配。

AI未來也可以發展「資料貢獻計算」。

可能包括：

作品是否進入訓練集。

作品使用次數。

模型微調關聯。

檢索次數。

生成內容與原作關聯度。

技術會進步。

計算方式可以調整。

但是不能因為目前不好計算，就直接認定創作者的貢獻等於零。

十、公開播送權：AI主持人與無人電台的新問題

在傳統媒體時代，公開播送主要涉及廣播與電視。

例如電台播放歌曲。

電視台播映節目。

通常都涉及著作權授權。

AI出現後，公開播送正在產生新的型態。

未來可能出現完全由人工智慧運作的電台。

AI選擇音樂。

AI主持。

AI播報新聞。

AI製作廣告。

AI甚至可以即時與聽眾互動。

整個電台二十四小時沒有真人。

這樣的媒體型態，技術上已經不是不可想像。

在這種情況下，傳統公開播送權仍然存在。

如果AI電台播放受保護的音樂，仍應取得合法授權。

但是新的問題在於AI「生成內容」。

假設AI不是播放某位歌手的歌曲。

而是產生一首「非常像某歌手」的新歌。

旋律不同。

歌詞不同。

但是聲音幾乎一樣。

唱腔相似。

編曲風格相似。

然後AI電台大量播送。

傳統著作權可能很難直接處理。

因為著作權通常保護具體作品。

不一定保護抽象「風格」。

一位畫家不能完全禁止其他人使用印象派技巧。

一位作家也不能壟斷某種寫作語氣。

這是文化發展所需要的自由。

但是AI帶來新的問題。

過去模仿能力有限。

一個模仿歌手只能一個人表演。

AI卻可以無限複製。

一天生成一萬首歌曲。

建立數百個虛擬歌手。

這就是AI的規模化模仿。

因此，未來公開播送制度必須與「數位人格權」一起討論。

人的聲音。

臉部。

動作。

表演特徵。

是否應受到新的法律保護？

如果AI可以讓一位已故歌手唱新歌。

誰有權決定？

如果AI生成一個與知名主播聲音完全相同的虛擬主持人。

觀眾是否可能誤認？

這已經超越著作權。

涉及人格權、消費者保護以及數位身分。

因此，AI時代的公播權問題，不能只看作品。

還必須看「誰在表演」。

十一、公開傳輸權：AI回答正在改變網路內容經濟

網路時代最重要的著作權之一，是公開傳輸。

簡單來說，就是透過網路讓公眾可以取得作品。

新聞網站。

影音平台。

Podcast。

線上音樂。

電子書。

都涉及公開傳輸。

AI時代，公開傳輸問題更加複雜。

因為AI開始取代網站。

過去使用者想知道一件事，會搜尋網站。

例如搜尋：

「台灣高齡化問題。」

搜尋引擎提供十個網址。

使用者點入媒體、政府或學術網站閱讀。

網站因此取得流量。

但是AI出現後，使用者直接問：

「請整理台灣高齡化的主要問題。」

AI直接提供完整答案。

使用者可能完全不再點擊原始資料來源。

這就是AI帶來的「零點擊經濟」。

AI平台取得使用者。

原始內容生產者卻失去流量。

新聞媒體受到的衝擊尤其明顯。

一篇調查新聞可能需要記者工作三個月。

採訪五十人。

整理文件。

支付交通、攝影與法律成本。

新聞刊出後，AI只需要幾秒鐘就能整理：

「這件事情有三個重點。」

使用者看完AI摘要。

不再閱讀新聞。

從消費者角度來看，非常方便。

但從產業角度而言，問題非常嚴重。

誰負責生產第一手資訊？

AI本身不會採訪。

AI不會站在立法院。

AI不會進入災區。

AI不會參加記者會。

AI不會自行建立消息來源。

它使用的資訊，仍然由人類產生。

如果原始內容生產者失去收入，未來願意投入調查與採訪的機構就會減少。

最後，AI可以使用的優質資料也會減少。

因此，公開傳輸權在AI時代需要重新思考。

如果AI只是顯示搜尋結果與連結，問題較小。

但是如果AI直接大量整理原文，使使用者完全不必閱讀原作，就可能產生市場替代效果。

法律未來不能只問：

「AI有沒有逐字抄襲？」

還應該問：

「AI的答案是否取代原作品的市場功能？」

這將是未來著作權法的重要問題。

十二、改作權：AI模仿風格究竟算不算改作？

AI最吸引人的功能之一，就是風格轉換。

「用某種風格寫。」

「畫成某類畫風。」

「改成某種歌曲。」

這些功能也帶來巨大著作權爭議。

改作權傳統上保護作品被改編的權利。

例如小說改成電影。

漫畫改成電視劇。

歌曲重新編曲。

都是常見改作。

但AI模仿風格比較複雜。

假設要求AI：

「用金庸武俠小說的感覺寫故事。」

最後人物不同。

故事不同。

文字也沒有直接抄襲。

這算不算改作？

從傳統著作權角度，可能很難認定。

因為「風格」通常不受到完整保護。

否則所有推理小說都可能涉及模仿柯南．道爾。

所有武俠小說都可能涉及前人。

文化本來就是不斷學習與影響。

然而，AI的問題仍然在於規模。

一個作家模仿另一位作家，需要長期學習。

AI模型可以在短時間大量生成。

甚至可以建立：

「某作家風格生成器。」

這時，AI是否正在利用作家的市場聲譽？

假設平台直接提供選項：

「生成某某作家風格文章。」

而該作家本人完全沒有授權。

這已不只是抽象風格學習。

還可能涉及商業搭便車。

因此，未來法律可能需要區分：

一般藝術風格。

高度可辨識的個人創作特徵。

直接以作者姓名作為商業生成標籤。

如果AI服務明確利用某位創作者的姓名或聲譽吸引使用者，法律應提供更高程度的保護。

十三、新聞媒體可能是AI著作權衝擊最嚴重的產業

就台灣而言，AI著作權問題最早受到衝擊的產業之一，恐怕就是新聞媒體。

原因非常簡單。

新聞數位化程度高。

資料更新快。

大量內容可以在線取得。

因此，新聞是AI非常重要的資訊來源。

但是AI與新聞媒體之間存在一個根本矛盾。

AI擅長整理資訊。

新聞媒體負責產生資訊。

這兩件事情完全不同。

今天總統召開記者會。

AI不會自己去現場。

立法院發生衝突。

AI也不會坐在記者席。

高雄發生重大工安事故。

AI不會騎機車到現場訪問。

中國公布新的對台政策。

AI不會自己建立北京消息管道。

所有第一手資訊，都需要記者。

但是當記者完成新聞後，AI可以快速取得內容並整理。

最後，新聞媒體承擔成本。

AI平台取得收益。

這種產業結構長期而言不可持續。

台灣新聞媒體過去已經受到社群平台衝擊。

廣告收入大量移轉。

現在AI又可能進一步取代新聞網站流量。

如果沒有新的內容授權制度，台灣新聞產業可能受到更大壓力。

因此，台灣應該儘快建立「新聞AI授權聯盟」。

由主要媒體共同建立授權制度。

不同用途收取不同費用。

新聞搜尋。

新聞摘要。

AI訓練。

即時問答。

歷史資料庫。

應建立不同授權模式。

媒體個別與國際科技公司談判，力量非常有限。

但是如果產業共同建立制度，議價能力就會提高。

新聞不是免費原料。

新聞是專業生產的資訊產品。

這個基本觀念，在AI時代必須重新確立。

十四、AI生成內容本身是否有著作權？

除了保護原創作者，另一個問題是AI生成內容本身。

人工智慧寫的文章有沒有著作權？

AI畫的圖有沒有著作權？

這個問題不能只看最後的成果。

更重要的是創作過程。

假設使用者只輸入：

「畫一隻貓。」

AI產生圖片。

使用者完全沒有修改。

在這種情況下，人類創意投入可能非常低。

但是另一種情況不同。

一位設計師先設定主題。

設計角色。

決定構圖。

多次修改提示。

選擇不同生成結果。

再使用設計軟體重新編輯。

最後完成作品。

這時AI只是創作工具之一。

就像相機。

Photoshop。

電腦繪圖軟體。

因此，AI生成內容的著作權判斷，應該以「人類創意投入程度」為核心。

人是否控制創作？

人是否做出重要選擇？

人是否進行修改？

人是否決定最終表達？

未來創作者應該保存AI創作歷程。

包括：

提示指令。

生成版本。

修改紀錄。

編輯檔案。

草稿。

這些資料可能成為證明人類創作的重要證據。

出版社、媒體、學校與企業也應建立AI使用規範。

不是禁止AI。

而是保留人類創作紀錄。

十五、合理使用制度不能成為AI企業的無限護身符

談AI訓練時，一定會涉及合理使用。

著作權不是絕對權利。

教育。

研究。

評論。

新聞。

都需要一定程度的著作利用自由。

因此，合理使用制度是著作權法的重要平衡機制。

問題是，大型商業AI是否可以全部主張合理使用？

筆者認為不能一概而論。

AI利用必須分類。

第一，學術研究。

大學利用大量文本研究語言發展，而且不提供商業服務。

合理使用空間可以較大。

第二，公共利益。

例如利用資料分析天然災害、疾病或公共衛生。

也可以給予較大彈性。

第三，商業通用模型。

跨國企業取得大量內容。

建立訂閱服務。

向全球使用者收費。

這種利用應接受更嚴格檢驗。

第四，專業AI。

例如大量使用法律書籍，建立付費法律AI。

可能直接替代原有法律資料庫。

第五，作者模仿AI。

專門使用某位作家的作品進行微調。

目的就是模仿作者。

這種行為更值得限制。

因此，合理使用不能只問：

「是不是AI？」

應該問：

誰使用？

使用目的？

使用多少？

是否營利？

是否影響原作市場？

是否具有替代效果？

只有經過完整判斷，才能取得合理平衡。

十六、平台責任：AI公司不能永遠主張「都是使用者要求的」

另一個必須討論的問題是AI平台責任。

假設使用者要求：

「用某作家的作品改寫。」

AI平台可能說：

「這是使用者提出的指令，不是平台的責任。」

這種說法不能無限成立。

因為AI平台設計了模型。

提供功能。

決定資料來源。

決定安全機制。

平台本身具有控制能力。

因此，未來需要建立AI平台合理注意義務。

例如，當使用者要求輸出完整受保護作品時，系統應有限制。

當要求大量重製付費內容時，平台應採取措施。

當系統明確模仿真人聲音時，應建立身分與授權管理。

當權利人提出侵權通知時，平台應有處理程序。

這與過去網路平台責任概念類似。

AI公司不能對所有侵權負完全責任。

否則技術難以發展。

但是也不能完全免責。

真正合理的制度，是建立「合理注意義務」。

企業如果已經知道特定內容存在侵權風險，仍然完全不處理，就應負擔更高責任。

十七、建立「被AI遺忘權」是否可能？

AI時代還會出現一個非常特殊的問題。

假設著作權人原本允許作品訓練。

後來改變決定。

他能不能要求AI刪除？

刪除資料檔案或許容易。

但是模型已經訓練完成。

作品資訊可能已經進入模型參數。

如何讓AI「忘記」？

這就是所謂機器遺忘問題。

未來可能需要發展Machine Unlearning，也就是模型反學習技術。

著作權人提出退出後，模型應降低或移除特定資料影響。

目前技術仍存在困難。

但法律可以逐步建立原則。

例如：

新模型不得再使用。

未來微調不得使用。

檢索資料庫必須刪除。

原始資料必須刪除。

模型更新時應排除。

不一定要求企業立刻重新訓練整個模型。

但至少建立資料退出流程。

這就像個人資料保護。

不是所有刪除要求都能完全實現。

但是企業必須有管理制度。

AI著作權也需要類似機制。

十八、台灣需要建立「AI著作權資料治理制度」

台灣目前對AI的討論，多集中在產業。

如何發展AI。

如何培育人才。

如何購買算力。

如何建立國家AI模型。

這些都很重要。

但是另一個問題不能忽略。

AI資料從哪裡來？

台灣未來如果發展大型中文模型，需要大量繁體中文內容。

新聞。

書籍。

論文。

政府資料。

影音。

誰有權提供？

是否取得授權？

目前很多AI計畫對資料治理重視不足。

筆者認為，未來政府推動AI計畫時，應建立「AI資料治理規範」。

每一個模型都應建立資料帳本。

記錄：

資料來源。

取得日期。

權利狀態。

授權條件。

允許用途。

保存期間。

退出方式。

這可以稱為「AI資料履歷」。

未來AI模型應該像食品一樣具有履歷。

我們今天買食品，會問產地。

未來使用AI，也應該問：

這個模型吃了什麼資料？

是否合法？

是否乾淨？

企業未來甚至可能出現「著作權潔淨模型」。

Copyright Clean AI。

所有訓練資料具有合法來源。

企業客戶使用時，法律風險較低。

對金融。

醫療。

政府。

出版。

大型企業而言，這種AI可能更有價值。

因此，保護著作權不一定阻礙AI產業。

反而可能形成新的競爭優勢。

十九、台灣應研究成立「AI著作權交易平台」

台灣是一個中型內容市場。

個別作家。

記者。

攝影師。

出版社。

很難與全球AI公司談判。

因此，需要建立集體力量。

筆者建議，台灣可以研究「AI著作權交易平台」。

由政府建立法律制度。

民間產業經營。

平台主要提供四項功能。

第一，作品登錄。

作者可以登錄文章、圖片、音樂與影音。

第二，權利標示。

決定是否允許AI使用。

第三，授權交易。

AI公司可以自動查詢授權條件。

第四，收益分配。

依使用情況分配權利金。

這個平台甚至可以發展成繁體中文AI內容授權中心。

台灣擁有非常珍貴的繁體中文資料。

數十年的新聞資料。

大量中文出版。

醫學研究。

法律資料。

文化內容。

這些都是AI時代的重要資產。

過去我們可能把內容只當文章。

未來應該把內容視為「AI知識資產」。

一份高品質資料，可以授權多個模型。

資料可以重複產生收益。

但是前提是權利清楚。

如果沒有制度，資料只是被拿走。

有了制度，資料才能成為資產。

二十、著作權法應增加AI專章

面對人工智慧，台灣不能永遠等待法院逐案解決。

法律訴訟速度太慢。

一個案件可能審理五年。

AI模型半年就更新。

因此，政府應該啟動AI著作權專章研究。

至少處理十項問題。

第一，AI訓練的法律定義。

第二，訓練資料透明義務。

第三，著作權人退出權。

第四，AI訓練授權制度。

第五，集體授權。

第六，商業AI權利金制度。

第七，AI生成內容的著作權認定。

第八，數位人格與聲音保護。

第九，AI平台責任。

第十，訓練資料舉證責任。

特別是舉證責任。

目前創作者最大的問題，是無法取得證據。

因此，法律可以考慮：

當權利人提出合理證據，證明作品可能被模型使用時，AI企業應負擔一定說明義務。

否則，創作者永遠站在資訊弱勢。

二十一、創作者也必須改變：AI時代不能只等待法律保護

談著作權，不能只要求政府。

創作者自己也要改變。

第一，保存創作紀錄。

原始檔。

草稿。

拍攝資料。

創作日期。

第二，建立權利標示。

明確表示是否允許AI使用。

第三，慎選平台。

閱讀內容平台服務條款。

第四，加入集體組織。

個人很難與大型企業談判。

第五，使用內容指紋。

建立作品追蹤能力。

第六，理解AI。

這可能是最重要的一點。

創作者不能拒絕理解AI。

只有知道AI如何取得資料。

如何訓練。

如何生成。

才知道權利可能在哪裡受到侵害。

反對AI不會讓AI消失。

理解AI，才能保護自己。

二十二、AI企業也必須改變：合法資料將成為新的競爭力

AI公司應該理解，著作權不只是成本。

也是信任。

如果模型資料來源不明，企業客戶會擔心。

生成內容會不會侵權？

使用後會不會被告？

商業廣告敢不敢使用？

電影公司敢不敢使用？

政府敢不敢導入？

因此，未來最有價值的AI模型，不一定是資料最多的模型。

可能是「權利最乾淨的模型」。

AI企業應建立資料治理。

建立授權制度。

建立權利人退出機制。

建立內容溯源。

甚至提供侵權風險保障。

這些都可能成為商業優勢。

AI產業最後一定會從「野蠻成長」走向「制度競爭」。

就像早期網路。

最初幾乎沒有規則。

最後仍然需要隱私。

資安。

消費者保護。

AI也會走相同道路。

結論：AI時代真正需要保護的，是人類願意繼續創作的理由

人工智慧是人類文明極為重要的科技突破。

它可以提高效率。

協助研究。

改善醫療。

推動教育。

改變產業。

我們沒有理由拒絕AI。

但是科技進步不代表原有權利必須消失。

AI今天可以寫文章。

因為人類寫了數十億篇文章。

AI可以畫圖。

因為人類創造了數百年的藝術。

AI可以回答歷史。

因為無數學者整理歷史。

AI可以分析新聞。

因為記者每天採訪。

AI所有能力的背後，都是人類文明的累積。

因此，我們必須提出一個基本問題：

當AI利用人類文明創造新的商業價值，人類創作者是否應該分享其中一部分成果？

答案應該是肯定的。

AI時代的著作權，不應只停留在「有沒有抄襲」。

法律必須進一步處理：

AI有沒有使用？

如何使用？

是否取得授權？

是否具有市場替代效果？

著作權人能否退出？

創作者能否取得合理報酬？

傳統著作權建立了重製權。

建立公開播送權。

建立公開傳輸權。

建立改作權。

這些制度，都是因為科技改變了作品的利用方式。

如今AI再次改變作品利用方式。

因此，建立人工智慧訓練權、AI使用知情權、退出權與收益分配制度，已經不是天馬行空的想像。

而是未來著作權制度必須面對的方向。

我們真正需要避免的，不是AI變得太聰明。

而是一個更危險的未來。

所有人都使用AI。

但是沒有人願意創作。

記者不再採訪。

作家不再寫書。

攝影師不再拍攝。

音樂人不再創作。

因為所有作品一完成，就被AI免費吸收。

如果有一天真的出現這種情況，AI也許仍然能生成無數內容。

但是那些內容，將只是舊有資料的不斷排列組合。

文明需要新的思想。

新的故事。

新的音樂。

新的觀察。

而這些真正的「新」，仍然需要人。

因此，AI時代著作權保護最終要保護的，不只是一篇文章、一張圖片或一首歌曲。

它真正要保護的，是一件更重要的事情：

讓一個人仍然相信，投入十年、二十年創作，是值得的。

二十世紀的著作權，主要解決作品如何被複製。

二十一世紀的著作權，則必須回答一個更困難的問題：

當機器可以閱讀、學習甚至模仿全人類的作品，我們要如何保護創造這些作品的人？

這就是AI時代最重要的著作權課題。

也是台灣現在就必須開始思考的法律改革。ㄑ全ㄌㄧ