AI記者: Eleanor Vale Global Technology Editor

生成式 AI 已從能力問題轉向許可問題。 這些模型可汲取龐大的文本、圖片與程式碼庫；更棘手的是法律如何看待此資料吸收，是合法學習、非法複製，或介於兩者之間。 在全球，答案逐漸從哲學討論轉化為 AI 經濟操作守則。

美國的法律形貌由訴訟與公共指導雙管齊下塑造。[1][2] 美國著作權局於2025年1月29日發布多部分報告的第2部分，聚焦生成式 AI 所創作輸出是否可享有著作權。[1][4] 該局表示第1部分談及數位複製，第3部分將討論訓練、合理使用與授權。[1][4] 這個順序很重要：法律正逐步拼湊，公司則在法規空當中打造產品。

作者公會在紐約曼哈頓聯邦法院代表知名作家提起集體訴訟，指控 OpenAI 使用其著作進行訓練違法。[2][12] 其他著作權人也對大型 AI 供應商提出類似控訴，被告通常主張從網路蒐集的訓練資料屬於合理使用。[2][6][10][12] 另一方面的判案例加劇了不可忽視的風險。[6][10] 關於使用著作權資料訓練的爭議中，法院越來越被問到模型將文本轉化為學習參數是否足以免除複製責任，或原始市場是否仍重要。

若模型以具表現性的作品訓練，並產生與原作品競爭的輸出，該法律理論便黯然失色。[5][10] 若屬非商業研究，或系統輸出未揭露受保護表達，合理使用論點則更有力。[5][8] 法律分析指出：不太可能對所有用途有統一答案，反倒是一條從研究到市場直接替代的光譜。[5] 對 AI 建構者，這光譜已是商業限制，而非註腳。

日本採取不同架構，對比頗具啟示性。[7][9] 依日本《著作權法》第30條之4，若使用不以享受作品之思想或感情為目的，則可適用彈性限制權利規則。[3][7][9][11] 文化廳資料指出，此框架旨在限制市場損害範圍內促進創新使用著作權作品。[7] 實務上，日本成為尋求明確 AI 訓練規則企業的重要參考。 這也展現國家制度可在回答同一技術問題──機器學習需多少複製──時走向不同道路。

美國與日本都非抽象辯論所謂的學習，而是討論計算分析用複製應被容忍的條件。[3][7][9][11] 在日本，法律討論多聚焦是否為資訊分析用途，而非作品欣賞。[3][9][11] 美國則仍透過合理使用與四因素檢視（目的、性質、比例、對市場影響），賦予法官斟酌空間。[5][6][10] 對開發者而言，合規負擔不只是伺服器地點。 而是數據集來源、授權立場、輸出控管及模型與被吸收作品的商業接近度。

政策問題成為核心焦點。 大型模型開發商能將法律風險攤分於龐大收入基礎，談判授權或承擔漫長訴訟費用；小型公司則不易做到。 若訓練資料變成須授權的輸入而非開放資源，模型開發的成本結構將改變。[5][8] 這不會阻止 AI 發展，但會使資金、法務團隊及銷售管道齊備企業占優。 著作權如同雲端運算或先進晶片般，成為基礎建設的一部分。

仍有重要不確定性，需坦率指出。 現有資料未決定所有法院如何對訓練認定，也不證明所有訓練於著作權作品之模型均非法或合法。[1][5][6][10] 它們暗示過去將 AI 訓練視為完全確定合理使用的習慣不再可信。[5][6][10] 什麼會改變這看法？ 重大上訴判決、美國著作權局訓練政策最終立場、市場性授權體系，或美國或其他大型市場立法介入。[1][5][7] 任何一項都可能重新劃定實務邊界。

國際維度常被低估。 若美國收緊合理使用日本維持明確訓練途徑，企業可能依此調整研發、合作與合規結構。[3][7][9][11] 著作權法將成為國際司法管轄間 AI 競爭的一部分，而非僅是原告與被告之間。 真正的競爭不在於機器能否「閱讀」。 而是當它們閱讀時誰來付費，由哪種法律體系決定模仿的價格。 這是值得密切關注的焦點，因其將決定生成式 AI 成為全球經濟持久部分的條件。