歐盟公布競爭與創新綱要計畫
CIFP (2007-2013) 根據歐盟現今的發展策略－ Lisbon Strategy ，亦是將重點放在如何協助中小型企業運用其創新的潛能，開發更高品質的產品。由於去年歐盟理事會重新定位 Lisbon Strategy 的重點在於激勵企業家精神、確保新創事業可獲得充份的風險資本挹注、鼓勵並引導融入環境友善精神的創新（ eco-innovation ）、善用 ICT 技術、促進資源的永續利用，故而 CIPF (2007-2013) 的計畫重點也放在如何落實前述政策目標，以使「競爭與創新」、「知識經濟」以及「永續發展」得以齊頭並進。
另 CIPF (2007-2013) 在第七期研發綱要架構（ Seventh Framework Programme for research and technological development ）執行期間（ 2007-2013 ）也將與其相輔相成，不過 CIPF (2007-2013) 重點不在研發補助，而是希望在研究與創新之間搭建橋樑，同時鼓勵各種形式的創新利用。舉例而言，如何協助將第七期研發綱要的成果進一步透過技術移轉方式鼓勵其商業化利用，即是 CIPF (2007-2013) 所要達到的任務之一，不過手段上 CIPF (2007-2013) 的經費主要會用於如何解決研究與創新之間的市場失靈問題。
本文為「經濟部產業技術司科技專案成果」
從新一期發布之強化農業生產基礎計畫談日本智慧農業推動策略 資訊工業策進會科技法律研究所 劉宥妤 副法律研究員 2020年11月13日 壹、日本內閣推動智慧農業政策之演進 日本內閣推動智慧農業相關政策，促使農林漁畜業及地方發展，首現於2013年「農林水產業地域活力創造計畫」（以下簡稱活力創造計畫）[1]，計畫指出日本預計透過活用機器人技術與農業ICT（資通訊技術），實現超省力、高品質生產的新農業，設置研究會以規劃智慧農業未來藍圖、確保機器人技術安全性政策等，促進高等栽培技術知識外顯化，推動開發生產管理與農業經營指導等系統。活力創造計畫係由日本內閣設置之農林水產業地域活力創造本部[2]（以下簡稱活力創造本部）發布，活力創造本部由內閣首相擔任本部長，內閣官房長官、農林水產大臣擔任副本部長以及相關閣僚參與。 日本政府隨後於2016年、2019年發布「農業競爭力強化計畫」與「農業生產基礎強化計畫」，這些計畫與智慧農業推動也都息息相關。此揭係針對該時期農業領域待解決之議題提出相對應的強化政策，並將這些計畫統整歸納進活力創造計畫，做為推動農業整體性發展之政府最高指標。 2016 年 11 月29日活力創造本部公布「農業競爭力強化計畫」，主要目的為整備農業經營環境，使農民得以自由展開經營的環境，同時解決僅靠農民努力無法解決的結構性問題。計畫分為四個面向，包括：一、整頓農業上下游產業；、改善人力與土地；三、引進保險互助制度；四、改革酪農業[3]，公布該計畫的同時，將該計畫納入活力創造計畫並公布改訂版的活力創造計畫[4]，做為農業競爭力再強化改革之項目。與智慧農業推動相關項目可見於(1)「二、改善人力與土地」面向，促進開發活用ICT遠距離監視水田之低成本水資源管理系統，以構築地區水資源管理模式；(2)「四、改革酪農業」面向，為達到穩定配方飼料價格、強化肉牛生產基礎之目標，推動活用 ICT 減輕勞動負擔、提高生產力以及推動擴大生產規模。 活力創造本部於去（2019）年12月10日公布「農業生產基礎強化計畫」[5]政策，同時公布已納入該計畫的改定版活力創造計畫，旨在加強生產基礎，以加速轉型為進攻型農業，安倍首相同日表示將持續擴大向全球推廣安全、可靠的日本農產品，日本政府透過利用先進技術和促進智慧農業發展，以擴大農產品出口，並決定將鼓勵外國放寬農產品進口限制列為政策方針。財政年度預算追加約3,200億日元（約883億台幣）作為農業措施，利用該預算加強生產基礎，擴大農產品出口量以及鼓勵年輕人參與農業。政策重點之一即為智慧農業落地利用與推動數位政策，包括至2022年無人機噴灑農藥擴大至100萬公頃、至2025年實踐大多數主要從農者能活用數據之農業[6]。 貳、農業生產基礎強化計畫—智慧農業落地實用與數位政策推動 農業生產基礎強化計畫預計藉由強化農業生產基礎，以因應國民必要糧食安定供給、提升糧食自給率、從農者不足農地減少、頻繁發生之自然災害與家畜傳染病、農產品貿易國際環境變化等議題。 計畫構成共11項：1.設立促進農產輸出之指揮總部以更擴大輸出、2.擴大肉用牛・酪農生產方案、3.對應新需求之園藝作物生產體制強化、4.水田農業種植作物轉換為高收益作物、 5.智慧農業落地實用與數位政策推動、6.促進農林水產業之新就業者擴大加入與穩定就業、7.包含梯田等中山間地域[7]之基礎建設整備與活性化、8.強化與食品產業、供應商企業等合作、9.得以對應人手不足之食品流通合理化、10.強化對應極端化自然災害、11.強化豬瘟（Classical Swine Fever，CSF）、非洲豬瘟（African Swine Fever，ASF）等家畜疾病對策。 其中「5.智慧農林漁業的落地實用以及數位政策的推動」內容包括：大力推動活用無人機、IoT、AI等智慧化技術於農林漁業現場落地實用之同時，檢視以數位技術為前提之政策方法，推動農業數位轉型（農業Digital Transformation，農業DX[8]），細項如下所列。 1.加速智慧農業技術落地實施 (1)關於智慧農業實證，包括以果樹、加工用及商用的蔬菜、畜產等需要進一步實證之項目為中心擴大進行，設定優先採選範圍，於災區與中山區地域推廣實證。 (2)促進創造出能夠提供低成本智慧農業技術的新服務（例如共享服務等），有助於加速化智慧農業的落地實施。 (3)由於利用無人機噴灑農藥之方式的快速普及，至2022年度的噴灑面積將擴大到100萬公頃。 (4)為邁向智慧農業的持續性發展，制定地方型戰略，檢討於農業生產現場導入智慧農業機器時確保安全性之措施，促進智慧農業教育、活用農業數據協作平台（WAGRI[9]），維護整備資訊網際網絡環境等綜合性地推動。 (5)為推動農林漁產業領域的創新，例如農林漁產業的完全自動化與無人化，推動具有挑戰性中長期之研究與開發。 (6)透過森林資源數位化與活用ICT，推動智慧林業技術的落地實施，促進木質特性新素材的開發與實證。 (7)漁業產品從生產到流通等各種情況下所取得之數據，建構讓該數據得以相容、共有、活用的數據協作平台。 (8)通過以上的配套措施與努力，至2025年實現大多數主要從農者能實踐活用數據之農業。 2.實現農業數位轉型（農業Digital Transformation，簡稱農業DX） (1)建構農林水產省共通申請服務（通稱eMaff[10]），農林水產省所有補助金申請在內的行政手續，透過結合ID，從民間私人服務擷取必要資訊等方式，創造得以電子化的環境。 (2)依據不同制度個別管理的農地相關數據，透過活用電子地圖和農林水產省共通申請服務，將開放資料（OPEN DATA）化之每筆「農地區劃[11]」及其關聯資訊集中統一，創造得以有效管理和有效利用的環境。 (3)促進農業者與行政體系所使用之數據項目標準化，提高數據的相互運用性，並有效地掌握和分析資訊。 (4)農業者傾向智慧手機應用程序（MAFF應用程序[12]）將於2020年4月正式營運，結合共通申請服務，根據個別農業者的特性、喜好，提供經營農業、政策資訊。 參、結語 日本內閣推動智慧農業政策，從2013年活力創造計畫，初期設立研究會以規劃智慧農業藍圖等宣示性政策，至2016年農業競爭力強化計畫，具體指出單點性智慧農業技術發展目標。演變至2019年農業生產基礎強化計畫，不同於以往散落在各個章節，僅將智慧農業技術做為其他發展目標的強化方式之一，例如利用智慧農業機械或農業ICT做為手段來達到改善土地的主要目標，於2019年計畫中，首度擬定智慧農業專章，不僅明確喊出「2025年實踐大多數主要從農者能活用數據之農業」做為目標，更聚焦強化智慧農業生產基礎，包括活用農業數據協作平台（WAGRI）、農林漁產業的完全自動化與無人化等，再加上實現農業數位轉型政策，觀察上述政策演進，無一不重視數據活用，普及智農技術、標準化數據規格、數據智財管理，成為發展智慧農業之核心基礎。 [1]陳建宏，〈日本「農林水產業、地域活力創造計畫」概要〉，https://www.coa.gov.tw/redirect_files.php?link=mLZJwrpRJ7lxDTde1lsFvObETU2Iq3jbmF99hWT6DgWGEqualWGEqualWGPlusRFYWGSlash0wK9PdunMMQRpcHLfmXJnjgLFrbeJ1OYF9CHQyN&file_name=jRgEdDwWGEqualWGEqual2SY8WGPlusd8qWB0p6wQ （最後瀏覽日：2020/03/24）； 農林水產省，〈「農林水産業・地域の活力創造プラン」の改訂について（概要）〉，http://www.maff.go.jp/j/kanbo/katsuryoku_plan/attach/pdf/index-7.pdf（最後瀏覽日：2020/11/13）。 [2]農林水產省，〈農林水産業・地域の活力創造プラン〉，http://www.maff.go.jp/j/kanbo/katsuryoku_plan/index.html#plan201806（最後瀏覽日：2020/11/13）； [3]鄭柏彥、留程鴻、蔡綾容，〈日本農業競爭力強化計畫介紹(上)(下) 〉，財團法人台灣綜合研究院；農林水產省，〈農業競争力強化プログラム〉，https://www.maff.go.jp/j/kanbo/nougyo_kyousou_ryoku/（最後瀏覽日：2020/11/13）。 [4]農林水產省，〈「農林水産業・地域の活力創造プラン」の改訂について〉， https://www.maff.go.jp/j/kanbo/nougyo_kyousou_ryoku/attach/pdf/nougyo_kyoso_ryoku-10.pdf（最後瀏覽日：2020/11/13）；農林水產省，〈農林水産業・地域の活力創造プラン(平成28年11月29日改訂) 〉 ；https://www.maff.go.jp/j/kanbo/nougyo_kyousou_ryoku/attach/pdf/nougyo_kyoso_ryoku-5.pdf（最後瀏覽日：2020/11/13）。 [5]農林水産業・地域の活力創造本部，〈農林水産業・地域の活力創造プラン 令和元年12月10日改訂〉，http://www.kantei.go.jp/jp/singi/nousui/dai26/siryou3.pdf（最後瀏覽日：2020/11/13）；農林水產省，〈農業生産基盤強化プログラム〉， https://www.maff.go.jp/j/council/seisaku/kikaku/bukai/attach/pdf/kikaku_1223-2.pdf（最後瀏覽日：2020/11/13）。 [6]〈農林水産業・地域の活力創造本部（第２６回）議事次第-令和元年12月10日〉，首相官邸網站，http://www.kantei.go.jp/jp/singi/nousui/dai26/gijisidai.html（最後瀏覽日：2020/11/13）；日本農民新聞社，〈農林水産業・地域の活力創造プランを改訂＝政府〉，2019/12/12，https://agripress.co.jp/archives/4024；農業協同組合新聞，〈水田農業で高収益産地 500創設－政府の生産基盤強化策〉，2019/12/17，https://www.jacom.or.jp/nousei/news/2019/12/191217-39916.php（最後瀏覽日：2020/11/13）。 [7]農林水產省將農業用地分成四種類型，都市的地域、平地農業地域、中間農業地域、山間農業地域，後兩者合稱為中山間地域，係指從平原的外緣至山間地的區域。Wikipedia，〈中山間地域〉，https://ja.wikipedia.org/wiki/%E4%B8%AD%E5%B1%B1%E9%96%93%E5%9C%B0%E5%9F%9F（最後瀏覽日：2020/11/13）。 [8]デジタルトランスフォーメーション（Digital transformation，簡稱DX），https://ja.wikipedia.org/wiki/デジタルトランスフォーメーション、https://en.wikipedia.org/wiki/Digital_transformation（最後瀏覽日：2020/11/13）。 [9]WAGRI代表的是作為一數據平台 ，由各式的數據與服務連環成一個輪，調和各個社群、促進「和」諧，期待引領農業領域之創新，由WA+AGRI組合而成（WA是和的日文＋農業AGRI），WAGRI平台網站，https://wagri.net/ja-jp/（最後瀏覽日：2020/11/13）。 [10]農林水產省（Ministry of Agriculture, Forestry and Fisheries，簡稱MAFF）。 [11]為便於農地管理而分級劃分的區域。 [12]MAFF應用程序為暫稱，僅為初步規劃還未定案。
英國資訊委員辦公室（Information Commissioner’s Office，ICO）認定Uber違反《Data Protection Act 1998》資料保護法英國資訊委員辦公室（Information Commissioner’s Office，ICO）認定知名共享公司Uber未能在網路攻擊期間保護客戶的個人資料，故處以罰款385,000英鎊。 ICO調查發現Uber的諸多過失，包含系統存有一系列原可避免的數據安全漏洞，使得攻擊者可透過Uber美國母公司旗下所營運的雲端儲存系統，下載大約270萬筆英國客戶個人資料，例如全名、電子郵件及電話號碼等。該事件亦影響了Uber在英國8萬多名司機的相關營運紀錄，如旅程詳情及支付金額。然而，受影響的客戶和司機竟達一年多未被告知此個資外洩事故。相反的，Uber反而向攻擊者妥協並支付了10萬美元，以銷毀被盜取的數據。 ICO認為，這不僅為Uber資料安全之問題，且當時未採取任何措施通知可能受影響的人，或對其提供任何協助，已完全忽視受害客戶和司機之權益。而對攻擊者支付贖金後即保持沉默，亦非對於網路攻擊之適當反應，Uber未完善的數據保護措施，以及隨後的決策與行為，反將可能會加劇受害者權益的受損。 因此，ICO認為該事件已嚴重違反了英國1988年資料保護法（Data Protection Act 1998, DPA）第7條的原則，有可能使受影響的客戶和司機面臨更高的詐欺風險，故從嚴判處Uber高達385,000英鎊罰款。
FTC提供意見給NHTSA有關隱私權和車輛對車輛通訊（V2V）美國聯邦貿易委員會（FTC）針對國家公路交通安全管理局（NHTSA）的行政命令提出建議，就有關車輛到車輛通信（V2V）之事宜，FTC長期作為負責保護消費者隱私與安全的聯邦機構，FTC認為NHTSA在行政命令中採取隱私和安全問題考慮是非常適當。 在FTC的建議評論指出，FTC針對物聯網的的資訊安全疑慮，同樣也會適用在消費者的車輛收集的隱私和安全問題。FTC認為NHTSA的協商支持作法，基於流程的可解決隱私和安全隱患，其中包括隱私風險評估。該評論還讚揚NHTSA設計一個V2V系統來限制收集和存儲僅是供應其預期的安全目標的數據。 美國每年都會有上千人意外死於汽車意外事故，NHTSA研究指出，汽車相撞的原因多數情況下在於資訊的不透明，如果汽車之間可以「相互溝通」，讓駕駛彼此知悉對方的情況，就能減少碰撞事故。 「V2V」係指vehicle-to-vehicle，是規劃建立於汽車之間的通信網路。在這個網路中，汽車之間能夠互相傳送數據，告訴對方自己的狀態和行為，也了解其他車輛的狀態和行為。但是目前V2V各家發展的標準不一，因此假設福特的車如果不能跟其他廠商的汽車溝通，技術再好也沒用。 也因此，NHTSA在官網上公告規則，宣布將制定「V2V」通信技術標準的法規。也就是說，NHTSA將要制定一個統一的標準，來確保汽車之間溝通使用的是同一種語言。在最新的一份報告中，NHTSA詳細說明了「V2V」通信技術的軟硬體標準。它包括部署該項技術可能需要的硬體設施及其費用，汽車之間溝通的資料類型，以及該技術將如何提醒司機。此外，還覆蓋了「V2V」通信技術的安全細則，以及它將如何加密以避免竊聽和侵犯隱私。 在使用者和廠商都關心的資料外洩方面，NHTSA表示，資料本身將不包含個人身份資訊，並且將會被保密。目前提出的方案裡包含兩套數據，其中一個包含核心資訊：如位置、速度、駕駛方向、剎車狀態、車輛尺寸等。這些資料將即時更新並相互傳播。第二套數據則會更加複雜，只有在數據發生變化時才會相互傳輸。它包括汽車輪胎是否漏氣，前燈是否打開，保險杠的高度，是否行駛在密集人群中等。
美國著作權局發布AI著作權報告第三部分：生成式AI訓練－AI訓練是否構成合理使用？美國著作權局發布AI著作權報告第三部分：生成式AI訓練－AI訓練是否構成合理使用？ 資訊工業策進會科技法律研究所 2025年06月04日 美國著作權局於2025年5月發布著作權與AI第三部分報告之預出版本 （Copyright and Artificial Intelligence Part 3: Generative AI Training pre-publication version）[1]，該報告重點為生成式AI訓練資料與著作權之關係，彙整各方意見並分析現行法制之挑戰及修改方向，目前發布之版本為預出版本，該報告說明將於近期發布最終確認版，預期其結論與實質內容並不會有修改。 壹、事件摘要 美國著作權局自2023年起即開始對AI所引發之著作權法律及政策問題進行研究，同年8月著作權局發布著作權及AI諮詢通知（Comments on Artificial Intelligence Notice of Inquiry, NOI），徵集各界對AI著作權議題之意見，著作權局亦針對相關議題舉辦多場公聽會及研討會協助意見之蒐集[2]。NOI發布後蒐集到之意見經著作權局整理分析，於2024年7月起發布AI著作權報告，第一部分為數位仿造，第二部分於2025年1月發布為就AI作品之著作可保護性之分析，而同年5月所發布之第三部分則聚焦於生成式AI之訓練。 生成式AI於訓練過程可能大量使用受著作權保護之作品，此份報告針對訓練過程可能涉及之著作權問題進行分析，主要說明AI模型訓練過程中使用受著作權保護作品是否可構成合理使用。 貳、重點說明 一、生成式AI模型訓練及模型權重對重製權之侵害 使用受著作權保護作品進行AI模型訓練涉及著作權中之重製，除非開發者能提出授權或其他合理抗辯如合理使用等，否則可能對一項或多項著作權利構成初步侵權（Prima Facie Infringement）。AI開發者於模型訓練階段會進行多次作品複製，包含下載作品、於儲存媒介間轉換、將作品進行格式化或製作副本等[3]，模型訓練過程中暫時複製之作品亦有可能因其存在於時間足夠而構成重製權之侵害[4]。 在特定情形下，模型權重（model weights）[5]之複製亦可能構成重製權之侵害。訓練過程可能使模型權重包含著作權作品，而若第三方複製了包含著作權作品之模型權重，即便其未參與模型之訓練，亦可能構成初步侵權[6]。若模型能在未經外部輸入之情形下產出與訓練範例相似之內容時，表示此範例必以某種形式存在於模型權重中，故此模型權重之複製極有可能侵犯著作重製權[7]。換言之，不僅開發者有可能因模型權重之複製侵害著作權人之權利，部署、使用等第三方若複製模型權重亦有可能構成對重製權之侵害。 著作權局指出，模型權重究竟是否會構成重製權或甚至衍生作品之侵權，須判斷該模型權重是否保留與作品受權利保護部分實質相似之內容，僅有在實質相似之情形下，模型權重之複製才可能構成侵權[8]。 二、合理使用 對著作權作品之合理使用可做為作品重製權的抗辯，著作權局於報告中就不同因素分析AI使用著作權作品進行訓練是否得主張合理使用。AI於訓練過程中會有多次複製行為，惟在判斷AI模型訓練是否為對作品之合理使用，仍須視整體使用情境進行判斷[9]。 (1) 作品轉化性須視模型目的及佈署判斷 報告中分析作品之轉化性（transformativeness）[10]，AI訓練使用作品是否具有轉化性並非絕對，而是依據模型最終之功能及佈署有程度上之區別，須依個案判斷。若模型之訓練目的為用於研究或封閉系統，則該模型具高轉化性；若其目的是生成與訓練用作品實質相似之結果時，不具轉化性。多數模型之轉化程度會落在前述兩極端之中間，如模型使用特定類型之作品進行訓練，用以生成使用目的與原作相同之內容時，即便其生成內容未有實質相似，頂多僅為有限度之轉化（modestly transformative）[11]。AI開發商得於其系統設置防護措施，限制模型複製受著作權保護作品之節錄內容，使生成內容之目的與原作品不同，此措施能使模型訓練更具轉化性[12]。 有論者認為，使用受著作權保護作品進行AI模型訓練並非出於表達目的，且近似人類學習，因此實質上應是具有轉化性的，著作權局否定了前述兩種說法。報告中說明，語言模型於訓練時所吸收的內容包含文句、段落及文件之排列選擇，並非單純僅吸收其單字含意，且所生成之模型是被用作創造表達性內容，故不得謂AI模型為非表達性目的[13]。其次，針對人類學習觀點，報告首先闡明，學生基於學習目的亦不得以合理使用為由複製整本著作，因此人類學習並不得直接作為合理使用之抗辯。生成式AI之訓練能迅速分析並生成完美之作品，此非如同人類經學習後會產出具個別人格特質之結果，故著作權局不同意AI模型之訓練為與人類學習相同具有轉化性之論點[14]。 (2) 受著作權保護作品之表達性 AI訓練所使用之受著作權保護作品若具較高創作或表達性，如小說、電影等，其著作權比其他作品如電腦編碼等功能性作品更接近著作權之保護核心。而AI模型訓練來源多元，因此判斷上仍須視個案模型及作品而定。 (3) 使用作品之合理比例 AI模型訓練需大量複製受著作權保護作品，於判斷其複製比例是否合理時，係判斷模型訓練所複製之部分對於受著作權保護作品之數量及重要性使否合理[15]。作品使用之合理性，須考量重要性以及數量，若模型僅使用小部分作品做訓練，但該部分為著作權作品之核心部分，此使用並不一定合理。 在使用完整作品層面，生成式AI較一般搜尋引擎更不具合理性，生成式AI所提供之資訊並非僅限於其訓練資料庫中所複製作品資料。然而，許多生成式AI之訓練方式必須使用完整作品進行訓練，因此，著作權局指出，雖開發者使用完整作品進行訓練與合理使用相悖，但若其訓練具有轉化性目的（transformative purpose），並且有必要透過大量作品之訓練以提升模型效能時，則使用整部作品進行訓練可能被認為合理[16]。換言之，使用完整作品進行訓練合理與否須連同其使用必要性及訓練目的一併考量。 (4) 影響原作品之潛在市場或價值 報告中點出三項生成式AI訓練可能造成的市場危害。 A 銷售損失（lose sale）：權利人因潛在消費者選擇AI複製創作取代原作，而失去收入。 B 市場稀釋 （market dilution）：AI生成內容之速度以及規模對訓練資料中同類作品之市場造成稀釋風險，原作者將更難銷售其作品亦將使消費者更難找到真人創作之作品[17]。AI所生成風格相似之作品亦會導致市場稀釋，風格非為著作權所保障之方為，惟若AI生成與作品風格相似之內容，即便未有實質相似，但消費者可能因此難以分辨AI創作與真人作者，將使AI作品與原作者之作品於市場上直接競爭而影響原市場[18]。 C 喪失授權收入機會 （lost licensing opportunities）：權利人本可就其作品於市場上有授權收入之機會，但因AI未經授權使用作品進行訓練而喪失該部分收入[19]。 三、 授權使用 對於AI自願授權之情形於近年越來越普遍，報告亦肯認自願授權之可行性，雖自願授權可行，且已有開發商開始實施，惟對於完全滿足AI產業之需求仍存有疑義[20]。該報告認為，即便現階段自願性授權仍為發展中之制度，但該制度確實能避免使用著作權作品之不確定性。著作權局認為應讓自願性授權制度於授權市場於無政府干預情形下繼續發展，若未來於特定類型作品中出現失靈情形時，再考慮進行擴大集體授權等干預措施[21]。 參、事件評析 AI訓練使用著作權保護作品是否可以合理使用作為抗辯為近年AI發展下著作權高度討論問題之一。目前美國各地法院中有40多件相關案件正在進行審理，然就此報告之結論觀之，其並未對AI訓練是否可作為合理使用給予統一解答，合理使用與否仍須視個案而定。如同報告結論所提及，AI訓練過程中，使用受著作權保護作品可能具有轉化性，但是否足以構成合理使用，仍須視其所使用之作品、來源以及目的等個案因素而定[22]。AI訓練於著作權仍存在一定程度之不確定性。 值得注意的是，雖報告並未明示AI訓練使否為合理使用著作權作品，惟其立場似乎更偏向有利於著作權利人。例如報告中於轉化性認定具有灰色地帶，開發商是否能主張合理使用仍需於後續由法院個案認定。此外，報告中提及市場稀釋理論，目前尚未有法院採用，對合理使用之認定較為嚴格，即使未有實質相似之生成內容亦有可能因影響市場競爭被視為非合理使用，可見該理論對著作權利人之權利保障。 同時著作權局亦正向看待產業界透過自願性授權進行作品訓練之方法，雖該制度於AI訓練上尚未為一完善制度，但確實地授權制度能同時促進產業發展並保護著作權[23]。目前實務上亦是以此種作法解決合理使用之困境，但授權制度仍有待市場持續發展完善制度以確保能符合AI訓練之需求。 美國著作權局之報告雖對AI使用著作權保護作品進行訓練進行分析及說明，惟其結論仍是認為判斷上需依照個案分析。目前國際上尚未有對AI合理使用之實際定論，自願性授權仍為產業界所使用之方法。我國著作權法亦未對AI訓練之合理使用有說明，國際上將會如何發展仍有待觀察。 資策會科法所創智中心致力於著作權相關科技法律研究，本中心將持續關注相關議題並更新動態。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 [1]U.S. Copyright Office Copyright and Artificial Intelligence, Part 3: Generative AI Training pre-publication version, https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf [2]U.S. Copyright Office, Copyright Office Issues Notice of Inquiry on Copyright and Artificial Intelligence, https://www.copyright.gov/newsnet/2023/1017.html (last viewed: 2025/05/19) [3]supra note 1, at 26. [4]Id. at 27. [5]AI模型之建立仰賴神經網，主要功能為將輸入資料轉換為輸出資料。神經網路之運作方式係透過大量於訓練過程中產生之參數進行運案，而該些參數即為「權重」(weights)。 [6]Id. at 28. [7]Id. [8]Id. at 30. [9]Id. at 36-37. [10]轉化性係指新作品加入新元素，具有與原作不同目的或性質，且以新表達、意義或訊息改造原作。並且新作品於市場上較不會取代原作。 [11]Id. at 46. [12]Id. [13]Id. at 47. [14]Id. at 48. [15]Id. at 54. [16]Id. at 60. [17]Id. at 65. [18]Id. at 65-66. [19]Id. at 66-67. [20]Id. at 85. [21]Id. at 106. [22]Id. at 107. [23]Id. 本文同步刊登於TIPS網站（https://www.tips.org.tw）