 看更多2026年月旦釋讀 | |
發佈日期：2026/10/19 |
|
臺灣發展生成式AI的著作權法制策略
【摘 要】
生成式AI乃當前全球科技發展的重心，其模型訓練依賴高品質著作資料。然而臺灣在其現行著作權法制下卻面臨授權模式的高交易成本阻礙繁體中文著作取得的困境，導致其獨特文化與民主人權價值在簡中及主流語言主導的模型下被邊緣化的風險。本文以生成式AI生命週期與財產權權利配置模式為框架，分析各國比較法與我國智慧局圍繞在合理使用或法定豁免之應對策略的優缺點與不足，從而嘗試提出以法定授權與補償為主的突破困境策略。
【目次】
壹、臺灣所面臨生成式AI開發的特殊困境
貳、三個涉及著作權的生成式AI階段 參、私有財產之權利配置與產權移轉的保護模式 肆、比較法制分析 伍、臺灣現行著作權法制的權利配置與困境 陸、跳脫現有框架的「立法論」提案 柒、總結與建議 【關鍵詞】
【本文試讀】
壹、 臺灣所面臨生成式AI開發的特殊困境
生成式AI的出現當是人類文明歷史上最重大的發明之一。自從2022年底ChatGPT橫空出世以來，以大型語言模型技術為基礎的生成式AI已席捲各場域。從簡單的日常對話問答、語言翻譯、文獻整理、旅程規劃，到文稿撰擬、電腦程式編碼、多模態資料轉換與創造，乃至複雜問題的理解、分析與推理等，生成式AI能力究竟有無極限，似已超越人類最初的想像。為了能在生成式AI帶來的契機中搶占一席之地，不僅產業界投入生成式AI的開發，不願在AI浪潮中落人之後的各國政府也挹注大量資源，包括積極打造算力基礎設施、培育研發人力、籌獲訓練資料等，協助生成式AI的開發與部署應用。在上述各類資源中，又以可作為訓練資料而受著作權保護的各類作品，是影響生成式AI開發結果的最關鍵因素。生成式AI開發者能否順利取得大量高品質之著作供模型訓練之用，以及部署應用是否與現行法制相符，即成了衡量一國法制環境是否有利於生成式AI開發與落地的重要指標。
臺灣政府雖然也在這波AI浪潮中，積極投入各種資源，協助產業搶占先機，但在著作資料取得上，卻面臨特殊的雙重困境。 首先，語言模型的開發需要大量的文本作為訓練資料，涵蓋文字、影像、聲音、程式碼等多樣著作，規模往往高達數十億筆以上。若依傳統個別著作授權邏輯，逐一尋找著作權人、確認權利狀態並簽訂契約的模式，幾乎不切實際。行政法人文化內容策進院於《2021年台灣文化內容產業調查報告Ⅰ：圖書、雜誌、漫畫、原創圖像產業》（2022）中亦指出，數位內容市場目前仍以大型平台集中化為主體，個別創作者的授權與交易機制相對薄弱，顯示現階段尚未形成足以支撐AI訓練需求的授權市場。換言之，即便生成式AI開發者欲合法取得授權，往往也難以找到可供洽購之管道。我國現行的著作權集體管理團體制度雖提供部分授權解方，例如音樂類著作可透過中華音樂著作權協會(MÜST)進行集中授權，惟該制度主要針對公開播送、傳輸、演出等利用型態，尚未涵蓋AI模型訓練所涉及的「資料探勘與重製」行為。此外，授權契約的談判與管理亦形成顯著成本：AI訓練過程需反覆進行資料重製與分析，涉及「重製」、「改作」與「資料探勘」等多項權利，使契約須就權能與再利用條件進行複雜協商，難以明確界定範圍，從而提高談判與後續管理成本，再加上資料再利用與模型更新過程中需持續監督與追蹤授權使用情形，進一步加重管理負擔並提高爭議風險。 當然，導因於授權機制的高交易成本而造成的困境並非特例，實際上亦存在於其他各國。美國著作權局即指出，在涉及數百、數千或數百萬件作品的大規模資料利用中，若必須逐一與權利人洽談授權，其所需時間與成本往往超過利用本身的經濟價值，使授權過程缺乏可行性與效率。歐盟執委會於《數位化單一市場著作權指令》立法前的影響評估報告亦指出，研究機構與文化典藏單位在進行大規模資料或內容利用時，若採傳統個別協商模式，將面臨高昂交易成本與法律不確定性，甚至使計畫無法推進。日本文化廳亦曾於《AI與著作權報告書》（2019）指出，針對AI訓練的「全面性授權市場」幾乎不存在，即便由政府介入推動資料集授權平台，也因著作權歸屬複雜而進展有限。而現行授權體系主要是「作品導向」，而非「資料導向」，因此也難以滿足AI訓練的龐大資料需求。 然而，除了因高交易成本造成著作訓練資料難以取得的普遍性困境之外，臺灣也面臨一個獨有的挑戰。大型語言模型雖然可以仰賴高維向量空間中相同概念(Semantics)在不同語言中所具有的對稱性，建立跨語言的能力，但缺少特定原生語料作為訓練素材的結果，不僅可能使生成式AI無法理解特定語言的語法結構、產生錯誤的斷詞、偏離特定文化脈絡與社會常識，更可能造成少數語言所承載的文化與價值，在主流語言所開發而成的生成式AI大規模部署應用下，被邊緣化甚至滅絕。臺灣是目前少數甚至是唯一使用繁體中文的國家，人口在全球華語人口中僅占1.4%，臺灣出版的繁體中文圖書在全球華語出版市場上也僅占6%。相對地，使用簡體中文的人口占全球華語人口的98.6%，但其所能流傳的文字卻受到高度的言論審查控制；中國圖書出版數量雖占全球華語出版市場的94%，但利用簡中語料所開發訓練出的大型語言模型卻經常投射偏狹的中國觀點。另一方面，公開可得的繁體中文歷史資料當中，亦有相當大比例屬於臺灣民主化前、受言論審查之內容。倘若欠缺當代繁體中文的平衡，以簡中語料或少數繁中為素材所開發的語言模型也將成為生成式AI時代唯一存在的觀點。在簡體中文資料數量具先天優勢的背景下，臺灣面臨的挑戰不僅是技術與商業的影響，而是文化、政治、社會與國安的全面性威脅。換言之，相較起其他同樣面臨授權機制的高交易成本而難以取得著作資料的國家而言，臺灣若無法順利取得大量高品質繁體中文著作供生成式AI模型訓練，其後果毋寧將是更為巨大而難以承受的。 為此，本文的任務即是：分析臺灣現行著作權法制對生成式AI開發與應用所以造成障礙的原因，參考比較各國在因應生成式AI開發需求而做出的權利配置調整，分析目前我國主管機關所提出的應對策略的適當性，最後提出突破當前困境的可行政策建議。 貳、三個涉及著作權的生成式AI階段
生成式AI從開發至部署應用，對開發者與部署者而言，可能在以下三個階段與著作權保護存在緊張關係。
訓練資料蒐集階段（一）：首先，為取得開發生成式AI所需的訓練資料，開發者經常利用爬蟲技術(data scraping)，在未經權利人知情參與或同意的情況下，從公開資料大規模蒐集受著作權保護之著作（包含語文著作，亦可包含圖形、音樂、視聽、電腦程式等其他各類著作）；更多的時候則是從他人利用爬蟲蒐集而建立的現成資料集，取得著作訓練資料，例如常見的「共用爬蟲」(Common Crawl)；亦有從俗稱「影子圖書館」(shadow library)的來源，取得大量未經授權的著作作為訓練素材；少部分則從合法取得的原始紙本類比著作，在未經權利人進一步授權下自行重製而轉化為可供機器訓練的數位形式。訓練資料蒐集階段雖涉及獨立於生成式AI之外的爬蟲、影子圖書館或紙本著作數位化等行為本身的重製合法性問題，但本文更關切的是，在生成式AI訓練目的下，生成式AI開發者無論是自行從事該等蒐集行為，或使用第三方透過前述方法蒐集建立之現成資料集，其法律評價在AI開發目的下有無不同，若有不同又應如何評價。 模型訓練階段（二）：其次，機器學習的模型訓練藉由探勘與分析大量著作中構成表意基本元素的詞元(tokens)與其他詞元間的關係，找出蘊含在詞元關係中以相關性所呈現之表意規則，從而產出具有模擬相類似詞元關係能力的機器學習模型。模型訓練階段涉及的是分析詞元關係的資料探勘行為，是否需有合法授權。 模型應用部署階段（三）：最後，在生成式AI開發完成後的部署應用階段，涉及生成之結果在何種程度上「模仿」原始著作將構成違法重製，而須由開發者或部署者與使用者分別或共同負擔侵權法律責任的議題（至於生成結果本身是否可成為著作權保護之新著作、誰是新著作之作者等議題，則與使用者之著作權法上權益較為相關，不在本文論述處理之範圍）。 在立法論上，上述三個階段的權利配置與相應的合法性判斷，取決於著作權人的權益保障與生成式AI開發利用效益間的權衡結果。生成式AI的發展能否快速而普及，相當程度繫於各開發者、部署者在上述三個階段的整體法遵成本是否為其所能合理負擔。換言之，倘若在特定著作權的法律制度下，第一階段的訓練資料蒐集被評價為違法重製、第二階段的資料探勘亦被認定為違法利用，而第三階段的生成結果無論生成式AI所提供的模仿能力為何，均須由開發者或部署者負擔違法重製的間接侵權賠償責任，甚至刑事責任，則生成式AI開發與部署應用的高額法遵成本，將導致僅極少數具雄厚資本且無畏刑責者或本身即為巨量資料擁有者之人， 才有能力與意願投入生成式AI的開發與部署。反之，若能打造一個能在三個階段上適度調和著作權人權益與生成式AI開發與部署需求的著作權法律制度，應是鼓勵更多參與者投入生成式AI開發與部署應用不可或缺的制度條件。 ...（本文未完） 延伸閱讀
相關書籍 more
實務講座 more
|
|
| 看更多2026年月旦釋讀 | |
