我在 paulkuo.tw 写的文章,有没有进入某个 AI 的训练数据?

我会担心,但没有数据能证明每一篇都被收进去。网站被爬取、内容被保存、数据进入训练,以及模型后来输出相似文字,是不同的事。只看到机器人来访,还不能把这条路一口气走完。

TL;DR:判断 AI 使用内容是否合法,先问数据怎么取得、拿来做什么、输出如何使用,再看相关国家法律。日本、新加坡和欧盟的数据分析例外各有条件;美国合理使用须依具体事实判断;台湾已有著作权规范,不能说成一片空白。创作者可以整理权利与使用纪录,但技术阻挡、授权条款和法律救济各有界线。

一、先把「被 AI 用了」拆成三段

第一段是取得与复制。程序读取网页、下载图片或建立数据集,可能涉及重制;公开可读,不会自动变成任何人都能任意再利用。还要看内容是否受保护、是否有授权,以及取得方式。

第二段是分析与训练。文本与数据探勘(TDM)是用自动化方法分析数位内容,找出模式、趋势或关联。各地可能为这类用途设例外,但条件并不一致,不能把「研究」或「AI」当成通行证。

第三段是生成与对外使用。即使某次数据分析可适用例外,也不能据此保证所有输出都能贩售或公开。反过来,没有看见相似输出,也不能证明前面的复制必定合法。日本文化厅的说明就明确区分开发训练与生成利用两个阶段。[1]

这个拆法,是我阅读各国制度的起点。把问题缩成「哪个国家最宽松」,会漏掉真正影响判断的细节。

四格漫画:网站被爬取、内容被保存、数据进入训练,以及模型后来输出相似文字,是不同的事。第一段是取得与复制。第二段是分析与训练。第三段是生成与对外使用。没有看见相似输出,也不能证明前面的复制必定合法。把问题缩成「哪个国家最宽松」,会漏掉真正影响判断的细节。

二、日本与新加坡:有分析例外,也有使用条件

日本著作权法第30条之4,对不以享受作品所表达思想或情感为目的的利用,设有一定空间;AI开发与数据分析可能包括在内。但文化厅同时指出,兼有欣赏作品的目的,或不当损害权利人利益等情况,可能不适用。这份2024年解释文件也明示不具法律拘束力,不能当成个案判决。[1]

所以我撤回原稿「无论什么目的都可以」的写法。商业与否固然值得注意,却不是唯一条件。

新加坡《Copyright Act 2021》第243、244条设有运算数据分析的规定,包含用作品改善电脑程序的功能。IPOS的说明要求合法存取、限定复本用途,并限制向他人提供复本的情形。[2] 它让符合条件的分析有法律依据,并不代表可以绕过存取限制,把下载到的内容另作数据库出售。

这两地的制度可以比较,却没有必要排成「创新第一名、第二名」。条件如何落到实际数据流程,才是企业需要回答的问题。

三、美国:合理使用不能只看「转化性」

原稿用Google Books的经验,直接推论生成式AI训练遵循同一条合法路线,跳得太快。

美国的合理使用须综合利用目的与性质、作品性质、使用比例,以及对市场的影响等因素。某种用途具有转化性,不表示其他因素就消失。美国著作权局2025年5月的AI训练报告预先出版版,也分别处理取得数据、训练、检索增强生成与输出,并分析不同使用情境。[3]

著作权局的报告是政策与法律分析,并非替所有模型作出合法裁决;个别诉讼也要看作品、数据取得方式、主张和证据。本文不盘点或宣称已确认截至今日每一宗诉讼的最新结果。

因此,「模型最后变成参数」只能描述部分技术结果,无法单独回答前面的作品复制是否获准。我也不再把美国标成一律最宽松的地方。

四、欧盟与英国:先读懂例外涵盖谁

欧盟2019年数位单一市场著作权指令,对TDM设有不同规定。第3条针对符合条件的研究组织与文化资产机构之科学研究;第4条则设较一般的例外,包含合法存取,以及权利人是否以适当方式保留权利等条件。[4]

权利保留会影响第4条例外,不能直接套到所有数据分析。 对网络公开内容,机器可读的保留方式尤其重要;它也不等于按一个开关,就能追回既有模型里的数据。欧盟执委会另在讨论辨识与遵守TDM权利保留的技术做法,显示实际执行仍有问题要处理。[5]

英国政府2026年3月报告说明,现有第29A条的数据分析例外以非商业研究为范围,并讨论其他可能相关的规定及政策选项。[6] 政策讨论、提案与已生效法律要分开,不能因为政府讨论扩大例外,就把商业训练写成已全面开放。

上述是制度入口,并非一张可直接替跨境项目决定适用法的表。作者住在哪里、公司设在哪里,都不是单凭一项就能决定全部法律问题。

五、台湾:需要更清楚的指引,不等于没有法律

台湾智财局2025年8月29日的说明,已直接谈到AI训练:数据搜集、前处理、训练与优化可能涉及重制;除符合合理使用等情形外,仍应取得同意或授权,个案由司法机关依事实认定。[7]

这和「台湾法律不保护创作者」差很多。缺少某种专门例外,与既有权利完全不存在,是两件事。我仍认为开发者和创作者需要容易理解、可操作的指引,但这是政策主张,不能拿来改写现行制度。

原稿也把Lawsnote案笼统写成2024年的AI训练判决。这次查到的2025年6月24日一审判决,所讨论的行为包含将爬取的法规沿革内容直接放进竞争数据库,法院并明确区别它与拿来训练AI的情况。[8] 它不能代替所有爬虫或所有模型训练的判断。本文未核实后续审级结果,不把这份一审判决说成最终定论。

对我而言,真正的不对等在于:个人作者很难知道内容如何流转,也未必有能力逐案搜证。这个困难值得讨论,却需要用准确的法律描述来支撑。

六、创作者可以先留下哪些纪录?

我会先整理作品原稿、发布日期、可授权范围,以及自己希望允许或限制的用途。如果发现疑似利用,记下网址、时间、具体相似段落与当时可取得的证据;需要处理争议时,再请熟悉相关法域的专业人士评估。

网站也可以依不同服务的公开说明,设定爬虫规则、存取限制或授权条款。但要分清它们的作用:爬虫规则是向遵守规则的程序表达要求,并非阻挡所有程序的安全措施;限制未来存取,也不是删除过去训练结果的保证。不能把搜索索引、即时检索与模型训练混为同一个选项。

若是企业要建立数据集,我建议先列出来源、取得方式、权利基础、用途、保存与对外提供方式。这是作者整理的工作起点,不是取得法律豁免的表单。

我希望自己的文章能被阅读,也希望对后续利用保有发言权。把技术、契约和法律各自能处理的事说清楚,才有办法提出可以执行的要求。

数据来源与阅读界线(查核至2026年11月3日)

  1. 日本文化厅:AI与著作权解释概要,2024年5月,尤其第3、5–8页;属不具拘束力的解释。
  2. 新加坡IPOS:作品用于文本探勘与机器学习的条件,对照第243、244条;本文未提供个案适法意见。
  3. 美国著作权局:AI训练报告预先出版版,2025年5月;官方报告索引及版本说明。
  4. 欧盟执委会IP Helpdesk:TDM常见问题,第3、4条区分;原指令连结本次遇到网站验证,未宣称逐条全文重核。
  5. 欧盟执委会:AI与著作权遵循的利害关系人咨询,说明TDM权利保留的技术执行问题。
  6. 英国政府:著作权与人工智慧报告,2026年3月。
  7. 台湾智财局:电子邮件1140829,属主管机关解释,个案仍由法院判断。
  8. 台湾新北地方法院111年度智诉字第8号刑事判决,2025年6月24日,仅引这份一审所述事实及区别,未追认后续程序。

本文是制度比较与作者观点,不是个案法律意见。