讓AI讀書算犯法？著作權法未鬆綁，主權AI訓練語料僅1%來自民間…台灣繁中語料庫難拓展制度哪卡關？
作者 : 陳子萱
圖片 : 數發部提供
ChatGPT、Gemini等AI模型幾乎只靠簡體資料來認識中文世界，讓AI向中國價值觀傾斜。
台灣政府和民間都為此建立「繁體中文語料庫」，但實務上進展有限，真正的制度卡關在哪？
乍看之下，Taiwan.md是個羅列台灣自然及人文歷史的策展網站，但它主要服務對象，其實不是人類。
「這不只是介紹台灣的網站，更反向成為 ChatGPT、Gemini、Claude等大型語言模型的訓練資料，讓這些主流AI模型因為能抓到繁體中文的高品質內容，進而發展出台灣觀點。」三十一歲的新媒體藝術家吳哲宇，將自己發起、社群開發者協作的Taiwan.md，定義為「替台灣在AI世界爭取話語權的開源知識庫」。
主流語言模型多用簡中
繁中語料占比不到1％
吳哲宇解釋，目前主流大語言模型訓練用的中文語料，絕大多數是以簡體中文書寫，繁體中文語料占比不到一％。既然AI讀的是「中國的書」、自然會形成中國的價值觀，讓包括台灣人在內的全球使用者，不自覺陷入中國框架。
相反地，具備台灣觀點的AI模型，不會將台灣美食簡化成只有「小籠包」、「珍珠奶茶」，還能說出「乾麵加醋」、「麻薏湯」等特色小吃；被問到「國家元首是誰」，不會回答「習近平」；更不會把「花生」講成「土豆」，或以中國慣用詞「視頻鏈結」陳述「影片連結」。
而Taiwan.md依靠的，就是每天以AI工具從網路自動抓取資料、編輯文章，建立一個不斷擴充的繁中書庫，為主流AI模型敞開學習台灣觀點之門。
但這項與各國競相發展「主權AI」趨勢高度契合的創舉，卻因為深怕踩到著作權紅線，一路走得膽戰心驚。
「我們極力避免版權問題，非常害怕。」吳哲宇指出，Taiwan.md目前已收錄一一二三篇繁中文章，主要來源包括公開的學術論文、部落格、政府官方資料等，只要有一絲侵權疑慮，團隊就寧可捨棄，以免違反《著作權法》、甚至衍生刑事責任。這樣的「自我設限」，不免讓繁中語料庫的擴張進度不如預期。
吳哲宇的擔憂，並非杞人憂天。
二○二五年七月，一位台大博士生為彌補AI的繁中語料缺口，從美國開源網站截取繁中資料、無償對外分享，但因其中包括十四萬筆來自中央社的「未經授權」新聞，遭中央社以違反《著作權法》為由，提起刑事告訴。
儘管雙方後來達成和解，台大生則發表道歉聲明，「提醒」研究人員務必確認資料來源的合法性，隨後將語料庫全數下架。但看在心繫AI缺乏台灣觀點的研發者眼裡，此次事件已形成寒蟬效應。
現《著作權法》不合時宜
政府籲「無償授權」陷僵局
律果法律事務所資深律師陳啟桐解釋，由於AI訓練必須先複製一份語料才能進行，符合目前《著作權法》的「重製」定義，是最容易踩到的法律紅線的狀況；尤其法規明定不構成侵權的「合理使用」樣態，也未納入AI訓練情境，讓開發者不敢與法院對賭自己是否符合豁免資格。
「讀書並不犯法，但現在的狀況是，讓AI讀書卻犯法了。」開放文化基金會董事長李柏鋒指出，AI「訓練」及「產出」的意義不同，訓練模型時提供語料，是為了發展出台灣在地的價值觀，並非要求AI直接抄襲、產出相似內容。
吳哲宇也說，台大博士生被告後，讓許多個別AI研發者倍感壓力，若違反《著作權法》，著作權人可輕易提起刑事告訴，因此容易先用刑責迫使民事和解，這讓研發者幾乎毫無談判空間，只能妥協。
研發者被夾在「繁中語料匱乏」與「著作權侵犯」之間的兩難，政府也有切身感受。
同樣有感於國際大語言模型多以簡體中文為主，數位發展部去年底建立「台灣主權AI訓練語料庫」，蒐集台灣在地文本，供AI研發者使用，但至今語料庫累計的七一六一筆資料當中，僅一一一筆為民間資料、占比約一％。
即使九月間數發部部長林宜敬向民間出版社、電子書平台業者喊話，邀請各界以「自願參與、無償授權」方式，提供內容給語料庫，以擴大AI模型的台灣觀點，迴響仍極為有限。
「想要靠『無償授權』獲得語料，不會有人理你。」李柏鋒直言，數發部建立語料庫固然立意良善，但寄望出版社直接釋出高品質資料，顯然過於天真。
他舉例，就連基金會曾協助的一項小型AI訓練計畫，也是主動找媒體業者、教學平台業者洽談授權，提出給付一次性授權金、規定資料使用限期兩年、基金會也願優先將訓練好的模型提供給對方使用等條件，才得以推展合作。
陳啟桐分析，數發部顯然想避開著作權深水區取得語料，但這樣的做法並未面對根本性的問題：《著作權法》上次修法已是ChatGPT問世前的二二年六月，早就落後科技進展，「《著作權法》一定要重新討論，建立主權AI、使用繁體中文語料才有法律依據。」他強調。
遠流出版董事長王榮文也坦言，《著作權法》的刑事告訴若不解套，談台灣主權AI就是緣木求魚，因為不但商人怕坐牢，做官的更怕無來由被告，在畏懼刑責下恐無利於AI研發。
監察院去年六月公布的調查報告同樣點出，AI發展刻不容緩，但過度保守的法制環境，未必有利於衡平《著作權法》的立法目的，且行政院已指定經濟部智財局進行《著作權法》的法規調適，既然制度現況不足因應AI挑戰，政府就必須積極研謀相關作業。
借鏡國際資料探勘豁免
推動修法除罪化與規範責任
不過時至今日，相關部門仍未有積極行動。經濟部智財局向本刊表示，針對AI與著作權議題，尚須研究國際發展，我國是否進行法規調適，目前仍在研議階段。數發部則直接把皮球踢開，強調語料涉及的著作權議題，「由智財局主責辦理」。
相較之下，民間專家則已明確指出，若要兼顧主權AI發展並保障著作權，勢必得在「豁免機制」及「有償授權」兩大關卡力求突破。
在「豁免機制」上，歐盟、日本、新加坡等地，都已制定各自的「資料探勘豁免」條款。原則上，AI研發者只要透過合法途徑，如公開網頁、使用者已付費訂閱等進入網站，即可爬取相關內容作為訓練語料；相反地，AI研發者若從盜版網站，或者出版業者已設定阻擋爬蟲技術的網站取得資料，就屬侵權行為。
借鏡各國做法，陳啟桐認為，台灣《著作權法》可研擬AI專章，除了訂定豁免條款，讓資料探勘除罪化，回歸民事訴訟，也能同時規範AI研發者的責任義務，例如公開揭露語料的資料來源。
具體而言，他認為法律應明定AI「訓練端」及「生成端」的差別情境。例如AI研發者在訓練階段，運用小說《天橋上的魔術師》作為語料，原則上不構成侵權；但若到了生成階段，要求AI仿效《天橋上的魔術師》產出與原著高度相似的內容，就可能屬於侵權。
考慮短期內未必能完成修法，李柏鋒建議，主管機關可先以行政命令正面表列AI訓練的合理使用情境，「智財局和數發部應該共同出面說明，著作可以拿給AI訓練，其中哪些是合理範疇、哪些是侵權行為。」
李柏鋒舉例，日本法規原則上開放資料探勘豁免，但日本文化廳也在二四年公告〈人工智慧著作權檢核清單和指引〉，以負面表列方式，來保護創作者。例如「明知是盜版網站卻仍使用其資料」、「用AI訓練出與原著作高度相似的結果」等，都屬明確侵權。
「主管機關本來就能藉行政解釋，擴大或限制適用範圍，盡量畫出一條各界可依循的界線，而著作權人不滿，還是可以提告，到法院解決爭端。」李柏鋒說。
即使法律開放資料探勘豁免，內容業者仍可選擇關閉網站、禁止爬蟲技術，因此，建立「有償授權」機制，鼓勵AI研發者對著作權人釋出善意，就將是下一步關鍵。
民間建立的Taiwan.md，透過自動抓取繁中語料，成為一個給ChatGPT等主流AI模型讀取的「繁中書庫」。但這項創舉，受限於《著作權法》而進展有限。（圖／擷取自Taiwan.md網站）
學者主張使用者付費
尋求AI發展與版權平衡
「數發部要作家出版界捐出著作權是無濟於事。」王榮文指出，不論是政府或企業，要發展台灣主權AI，都少不了花錢取得授權，當研發者投資購買著作內容，才能真正讓雙方展開合作。
陳啟桐建議可參考音樂界的「集體授權」機制，例如有店家希望播放音樂，就可找中華音樂著作權協會（MÜST）這樣的「著作權集體管理團體」，一次性取得大量合法授權的音樂，協會後續再將授權分潤給著作權人，達到雙贏。
AI語料授權，也可比照類似作法，讓利用人無須逐一向成千上百個著作權人談授權費，只須找到幾個對應的團體，一次對接。
事實上，歐洲議會在今年十月剛通過一項決議，就是建議歐盟執委會透過制度，鼓勵各個內容產業建立「集體許可協議」，例如行業組成協會與AI業者集體談判，同時確保著作權人擁有公平報酬、AI研發者能獲得高品質訓練語料。
但面對新科技浪潮，也有學者認為應堅守內容業者的版權。
台北科技大學智慧財產權研究所兼任助理教授章忠信就主張，要解決AI語料的侵權問題，並不需要修正《著作權法》，而是落實既有的使用者付費原則，既然過去的資料庫業者，也是自行向各大出版社一一洽談授權分潤，AI開發者也該如此。
「AI研發者自己知道，網路上充斥很多低品質、低可信度的文章，而高價值內容都是來自出版社、雜誌社、新聞社等。既然那是屬於『高價值』的文字內容，為什麼還不需要付費取得授權？」章忠信提醒，AI研發者不能便宜行事，政府更不該帶頭喊「無償授權」，反而應拿錢向出版業者購買版權，做出示範效果。
政府想要打造具有台灣觀點的AI、建立繁體中文語料庫，不能只靠喊話呼籲，更必須進入《著作權法》的關鍵戰場，啟動相關討論，尋找AI研發及內容業者的共識，才可能在AI時代奠定台灣的話語權。
更多今周刊文章
一輩子沒出過國，臨終留巨額遺產、好幾間房代表什麼？律師看盡人生百態嘆：多數人都算錯了這筆帳
張忠謀唯一一次大笑！從錯過英特爾到開創FinFET，胡正明如何「拿出辦法來」助攻台積電登上世界第一