引言
人工智慧 (AI)，特別是生成式AI，已成為數位世界不可或缺的一部分，並為娛樂、醫療保健、教育及其他眾多領域做出貢獻。然而，AI創新的高速發展正日益與現行法律規則產生衝突，尤其是在著作權領域。隨著AI在內容創作方面變得愈發熟練，關於著作權侵權、數據抓取 (data scraping)、法律責任以及自動生成內容之保護等問題也隨之浮現。
現有的法律框架被證明不足以應對這些議題。許多企業處於法律模糊地帶，因不確定其行為的合法性而導致創新步伐放緩。我們需要全面的法律更新，為AI使用者與開發者制定明確規則，以鼓勵AI發展，同時防範潛在的有害後果。
法律挑戰與法定回應
近期，針對生成式AI的法律訴訟案件有所增加，多數與著作權侵權有關。這些訴訟通常源於對使用從開放網路收集的數據來訓練AI模型的不確定性。例如，生成式AI公司使用公開數據訓練其系統，隨後卻禁止他人對其系統輸出內容進行相同操作，這種做法是否合法，目前仍不明確。
此外，若生成式AI系統產生的內容與現有素材相似，導致著作權侵權責任的相似度界限仍不清晰。這些懸而未決的問題使得企業，特別是更容易面臨訴訟的大型企業，對使用生成式AI技術持謹慎態度。
全球監管機構已開始致力於限制AI帶來的損害，但著作權問題同樣值得關注。明確且公平的規則將確保更多人能更快地從AI中受益。
未解決的問題
目前，在這個法律角力場中，仍有幾個問題懸而未決：
- AI 公司在未與網站營運商達成明確協議的情況下，利用從開放網路收集的數據來訓練其模型，是否合法？
- 生成式 AI 公司能否在利用自由獲取的數據進行訓練的同時，禁止他人利用其系統的輸出結果進行訓練？
- 若生成式 AI 公司之系統創作出與現有素材相似的內容，該公司是否應承擔侵犯著作權的責任？素材的相似度需達到何種程度才構成侵權？
- 在 AI 生成內容侵犯著作權的情況下，應由誰承擔責任——是客戶還是雲端服務提供商？
- 自動生成的內容是否受著作權保護？如果是，誰是擁有者？如果兩名用戶使用相同的 AI 模型創作出相似的內容，會發生什麼情況？
建議解決方案
為了解決這些問題，我們提出以下解決方案：
- 資訊准入：如果資訊在網路上可供人類自由存取與學習，那麼 AI 系統也應享有相同的權利。這種做法透過鼓勵創新和加速知識傳播，對社會有所裨益。值得注意的是，日本已明確允許 AI 使用資訊，即使是未公開的資訊亦然。
- 數據的相互使用：如果一家 AI 公司利用他人的數據訓練其系統，則不應限制他人利用其系統的輸出結果進行訓練。這有助於促進公平競爭並推動創新。
- 明確的「合理使用」（fair use）標準：目前美國的「合理使用」條款定義模糊，導致混亂並阻礙了進步。若能制定更明確的標準（例如定義與訓練數據重疊的閾值），將使企業能夠在社會可接受的公平範圍內進行創新。
- 避風港法案（Safe harbor laws）：制定相關規則將大有裨益；若在生成內容時遵守這些規則，即可確保生成媒體的完整性。這將為用戶和 AI 公司提供明確的指引。
儘管減輕 AI 可能帶來的危害至關重要，但我們也應投入同等的努力來加速 AI 帶來的效益。明確的著作權法規是朝此方向邁出的重要一步，但我們同樣需要明確規範何者為可允許行為的法規。
近期發展
近期的法律訴訟凸顯了此局勢的緊迫性。包括 Alphabet、Meta 和 OpenAI 在內的多家 AI 公司，正面臨著作權所有者的訴訟，指控其未經許可使用他們的作品來訓練 AI 模型。這些案件對 AI 社群長期以來認為「現行著作權法允許訓練機器學習模型」的假設提出了質疑。
對此，OpenAI 已與多方達成協議，以使用其高品質的訓練數據。在一項前所未有的協議中，OpenAI 同意向美聯社（Associated Press）支付費用，以使用其自 1985 年以來的新聞報導來訓練其演算法。作為回報，美聯社將獲得授權費並能使用 OpenAI 的技術。
美國立法者也正在研議此議題。參議院智慧財產權小組委員會已針對 AI 對著作權的影響舉行了聽證會，並會見了 Adobe 和 Stability AI 的代表，以及一位藝術家、一位法學教授和一位來自環球音樂集團（Universal Music Group）的律師。
結論
這些事件強調了現行著作權法已過時，亟需改革。AI 產生創意作品的能力日益增強，且經常模仿特定藝術家和作家的風格，這使得大眾更加關注公平性的需求。存取透過開放網路收集的大量數據，推動了近期機器學習的進步。對此類存取的任何限制，都可能減緩進步或徹底改變當前研究的經濟層面，進而加劇現有的缺陷與不平等。
現在是時候針對著作權與生成式 AI 做出明確規範了。立法者、企業家、科學家、藝術家和公民必須攜手合作，在持續保護著作權的同時，制定新法律並確保資訊的公平存取。
