文：林誠夏（Lucien Cheng-hsia Lin），CC-BY-SA-3.0-TW+。

本文標題若要更具體表述，應該是「是否可以合法取用他人以 CC 授權條款發布之資料與素材，用於生成式 AI 模型的訓練？而訓練完成後的模型及其輸出，是否仍受原 CC 授權條款的拘束？若可取用，使用上的界線為何？若不可，又會涉及哪些法律風險？」

若採極短版的模式來回應前述提問：

  1. 原則上是可以的。從著作授權的角度，使用依 CC 授權釋出的素材來進行 AI 訓練，在法律上通常是被允許的。
  2. 但訓練後的產出是否仍受原 CC 授權條款拘束，關鍵在於原著作表達是否仍具體呈現。若是，其對應的 BY（姓名標示）、SA（相同方式分享）、NC（非商業使用）、ND（禁止改作）元素皆可能產生效力。
  3. 除非使用情境僅涉及探勘事實資訊（Text and Data Mining, TDM）或可主張合理使用且成功抗辯，否則仍須遵守 CC 授權條款所附帶的義務與限制。

【CC 授權本身即含「重製、散布及公開演播」之授權】

在實務上，AI 訓練的首要關卡是「是否具備合法重製他人著作的授權基礎」。雖然現代著作權制度涵蓋多元使用態樣（如重製、散布、出租、改作、公開口述、公開播送、公開上映、公開演出、公開傳輸、公開展示），然要合法取得他人著作用於 AI 訓練，首要的核心被授權地位，仍然是素材是否可合法「重製」與「公開利用」。近年來涉及生成式AI 著作侵權的訴訟，依 chatgptiseatingtheworld.com 所整理列表所示 (https://chatgptiseatingtheworld.com/2025/06/30/updated-map-of-us-copyirght-suits-v-ai-jun-30-2025/)，相關核心爭議之一，也確實就在取用他人素材時，能否取得合法重製的允許。

2025 年 6 月發布中間裁判的 Bartz v. Anthropic 一案恰為明例，美國加州北區聯邦地方法院法官 William Alsup 裁判 Anthropic 取用他人素材進行AI訓練，就AI訓練成果與輸出應用認定屬於「轉化目的性質的合理使用 (transformative fair use)」，然亦指出 Anthropic 在進行 AI 訓練之時，確實下載並保留了超過七百萬本未經授權的盜版書籍，這是侵犯了原作者著作財產權裡的重製地位，並不屬於合理使用，就此部份將繼續進行庭審，以釐清賠償金額。同年同月於我國科技法律新創圈，引發軒然大波的法源資訊訴七法公司 (Lawsnote)的「臺灣新北地方法院 111 年度智訴字第 8 號判決 (https://www.judicial.gov.tw/tw/cp-1888-1350821-0ca41-1.html)」一審宣判，其中的爭議要點之一，亦在於承審法官認定七法公司擅以爬蟲捉取「重製」之方式侵害他人之著作財產權。

然在開放資料和CC授權領域，並不會產生這樣的問題。事實上所有的 CC授權素材，原權利人皆提供後手利用者得合法重製、散布，以及包括公開播送、公開傳輸及其他各式公開行為之「公開演播」態樣的授權，而論以開放資料，只要該資料是採 OKFN 認定符合開放知識定義之授權條款 (Open Definition Conformant Licenses) 進行發布，原權利人僅得要求後手使用者，必須註引出處或要求相同授權方式分享，其他著作權上的授權允許，則皆是提供給後手的，例如我國訂立符合 Open Definition 的「政府資料開放授權條款－第1版 (OGDL-Taiwan-1.0)」，就明確將「重製、散布、公開傳輸、公開播送、公開口述、公開上映、公開演出、編輯、改作，以及開發各種產品或服務型態衍生物」的地位都提供給使用者。

【訓練成果與輸出是否受 CC 授權條款約束、視原著表達是否仍明確存續而定】

那麼，CC授權的素材可以用於 AI 訓練，但練完 AI 後產出的成果(例如 AI 模型)，還有相關成果輸出的客體(例如以 AI 模型再用於生圖或生文章)，是否還受訓練素材採用的 CC授權限制或拘束？ Creative Commons 於 2023 年底，由當時的首席法律顧問 Kat Walsh 將相關分析表述於「認識 CC 授權與生成式 AI (Understanding CC Licenses and Generative AI)」這篇專論：https://creativecommons.org/2023/08/18/understanding-cc-licenses-and-generative-ai/ ，其後再經接任的 Sarah Pearson，整理於「了解 CC 授權條款與 AI 訓練：法律入門指南」這份文件：https://creativecommons.org/2025/05/15/understanding-cc-licenses-and-ai-training-a-legal-primer/ 。

依據這二篇文件及其相應的輔佐讀物，繪製出如下所示的「AI 與 CC授權流程圖」，要正確解讀該流程圖，閱覽者必須掌控以下幾個要點。

  1. CC授權是輔助著作權利人採預先授權方式，加速其作品的分享與流通的互惠機制。所以 CC授權機制並不會就各國著作權法未加規範之處，施以更嚴格的使用限制。也就是說，若是各國法制裡，已設有資料探勘 (TDM) 或各類合理使用類型的法律允許，則該等 AI 訓練事務，本不需要得到原素材作者的著作授權，亦即亦不需要獲得相應的 CC授權。
  2. 採用 AI 訓練方式「學習」他人著作，是否構成對原素材著作表達的承襲是複雜的，並不是非黑即白，也有賴個案和輸出成果的驗證。若是不涉及原著作表達的承襲，亦即不涉及著作權之重製、改作與原作的公開演播，僅是學習原作內嵌的事實資訊，則此等利用情境非屬著作權所限制或保護的範疇，亦不會被 CC授權條款擴張拘束。
  3. 然當 AI 訓練之後的應用情境涉及商業營利時，則為避免擴大使用爭議或風險，一般來說並不建議取用 CC-BY-NC 或 CC-BY-NC-SA 等帶有「非商業性-NC」元素之素材，來進行 AI 訓練。這是因為 CC-NC 元素於法律條款裡，已明定相關被授權地位之實施「僅限於非商業性目的 (for NonCommercial purposes only)」之利用，解釋起來包括取得 CC-NC 素材的前階段重製行為，亦為被授權地位實施 (to exercise the Licensed Rights) 之一環，等同使用者必須承諾重製該素材之後的各式利用方式，也必須建立在非主要為了或直接關於商業利益或金錢報酬的前提下。

“AI and CC Licenses flowchart v5”, provided by “Creative Commons” under CC BY 4.0.

採此份流程圖用於實務分析時，可以再簡化為以下四點指範：

  1. 若個別的 AI 訓練行為，依法毋須取得原作者著作授權，則亦不需要依循該素材釋出時的 CC授權條款及其相關規範。
  2. 若個別的 AI 訓練行為，必須取得原作者著作授權為前提，那麼這些授權原則上已被 CC授權條款提供，但是，訓練之後應如何遵守 CC授權條款及其相關規範，要看相關成果與輸出，是否涉及對原作品實質近似的著作表達承襲。
  3. 當相關成果與輸出，與原作品構成實質近似且為受著作權保護的客體，那麼 CC-BY、CC-SA、CC-NC、CC-ND，都會發揮拘束效力。亦即必須善盡原作品的出處顯名標示義務–CC-BY；而若再有發布，也必須採一樣的授權模式來分享生成物–CC-SA；非商業授權的素材，經 AI 轉化後，亦不得用於商業營利目的–CC-NC；最後，CC-禁止改作 於 4.0 版本後的真實定義，在於闡釋經改作後之作品不得再行被發布或分享，所以說，若是採納到 CC-禁止改作 的素材用於 AI 訓練，相關成果就僅得用於個人或法人內部參考之用，不得再行分享出去–CC-ND。
  4. 最後，基於 CC-NC 元素在定義上的射程範圍，包含重製素材的前階行為，故若要取用 CC-BY-NC 或 CC-BY-NC-SA 用於 AI 訓練，必須要有將其相關風險等價於私有素材 (proprietary materials) 的理解，亦即就將其視為「權利人保留所有著作權利 (all rights reserved)」之素材，僅有在能援引資料探勘 (TDM) 或各類合理使用之法定抗辯時，方才條件式取用，會是比較務實與低風險的作法。

【社會共識與實務操作仍需逐步磨合與調整】

從訴訟觀察可知，AI 廠商已普遍遍歷整個網路空間擷取訓練資料。未來 AI 訓練素材的發展重點，不再是「取量」，而是「取準」、「取合法」。而根據美國著作權辦公室《著作權與 AI 第三報告（草案）》：https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf ，若生成式 AI 的輸出侵蝕到原作品市場，極可能構成侵權，不易被認定為合理使用。而合理使用本質上即屬個案審查機制，無法一體適用。

因此，善用 CC 授權與開放資料所提供的合法、正確且具可追溯性的素材來源，是未來生成式 AI 訓練的務實方向。例如：

  • EleutherAI 所建立的 Common Pile v0.1 廣泛使用 CC0、CC-BY、CC-BY-SA 授權的資源。
  • 法國新創公司 Pleias 與法國文化部、Wikimedia Enterprise 等合作開發的 Common Corpus，亦是取用開放授權資料為原則之多語語料庫。

然而雖然大方向是如此，仍有許多需要透過分享、討論，以調校出最佳實踐方案並建立社會共識的應對之方。例如「採 CC-BY 授權發布的素材，是否即必然得用於生成式 AI 之訓練？」這段話初看沒有什麼問題，誠然採 CC BY 授權發布的素材，只要能勤勉的註引出處來表彰原作當事人之顯名地位，後續相關的應用皆在著作權之授權容許範圍之內，然而，具體落實到實作階段，當前 AI 訓練對素材的採用，不再受限於個、十、百、千、萬篇文章或圖畫，而可能涉及浩繁出處，若是個別文章、圖畫的作者都希望被明確表彰，這在 AI 輸出的應用上，幾乎是不可能被完美實踐的任務與要求。目前 Creative Commons 的呼籲是依循 CC授權法律條款裡原有的「合理標示 (in any reasonable manner based on the medium, means, and context)」機制，來進行處理和應接，亦即當涉及 AI 訓練時，或許將姓名標示的實踐方式，採鏈結方式註解至來源資料集即可，然這樣的情事變通，仍需要持續與公眾和 CC授權的應用者宣導，來統一態度，亦有賴於收納或提供相關素材的中介平台，能逐步和貢獻作品的原作者間建立提供利用上的默契。

此外，Creative Commons 正逐步發展「AI 訓練偏好信號輔助機制 (CC Signals)」，採用偏好信號 (Preference Signals) 內嵌於所釋出素材機器可讀的詮釋資料，以協助創作者表意，其作品得否被用於 AI 訓練用途。目前初步研議設立四種表達偏好，包括「標示姓名、標示姓名+回饋原作者、標示姓名+回饋生態系，以及標示姓名+保持開放」四個可標示選項，亦為一種透過分享、討論，以調校建立社會共識的疏導之方，將於後續專文陸續補充說明。

本文初始發表於 2025 年 7 月 7 日，作者時任 CC Taiwan Chapter Lead 與群牧開源管理顧問有限公司法制顧問。