2023 AI 與著作權：訓練資料的法律邊界#
案發現場#
2023 年，AI 的法律戰場爆發：12 月，《紐約時報》起訴 OpenAI 與微軟——指控其以數百萬篇報導訓練模型，且模型會逐字輸出訓練內容；此前，蓋蒂（Getty）起訴 Stability AI、作家公會（Authors Guild）集體起訴——訓練資料是否侵權成為法律的核心戰場。
被告的核心辯護：合理使用（fair use）——訓練是「學習語言規律」不是「複製作品」；輸出是「轉化性」的（transformative）。
「讀」與「抄」的法律界線在哪裡？模型權重（數十億參數）算不算「複製品」？版權的四百年平衡（激勵 vs 公共領域）如何被一台預測機重新洗牌？
偵查過程#
線索一：讀 vs 抄（本案的核心分界）。 人類的學習：讀了《紐約時報》→學會寫作→寫出文章——不侵權（學習的是規律，不是複製文本）。AI 的「學習」：把文本壓縮進權重——偵查的難題：權重是「記住了規律」還是「記住了文本」？鑑識的證據：逐字輸出（模型能完整吐出訓練文本的段落——《紐時》案的核心證據）顯示部分內容以可提取的形式儲存；但權重不是文本的副本（無法逐篇還原）——權重介於「記憶」與「學習」之間。偵查的重點：法律的二元（讀/抄）遇到技術的連續（記憶程度可測）——界線從「是與否」變成「多少與可提取性」。
線索二：合理使用的四因素（法律的既有工具）。 美國法上的鑑識框架：合理使用（17 U.S.C. §107）四因素：使用的目的與性質（轉化性？——訓練是產生新文本還是替代原作？）、原作性質、取用比例、對市場的影響（訓練版模型是否替代原作的市場——新聞機構的訂閱與授權收入？）。偵查的重點：第四因素（市場替代）是關鍵——如果 ChatGPT 的回答替代了「去讀原報導」，就是市場替代；若只是「知識的蒸餾」，則偏向轉化。同一行為，用途不同，定性不同——與 1710-安妮法規與版權.md 的「激勵 vs 公共領域」同構：版權的平衡永遠在「創作者的回報」與「知識的流通」之間。
線索三：主體的轉移（四百年平衡的重演）。 安妮法規（1710）把版權主體從書商轉為作者；本案把問題從「印行副本」轉為「以作品訓練」——偵查的對照：印刷術時代的爭點是「誰可以印」（副本），AI 時代的爭點是「誰可以學」（訓練）——兩場爭論共享同一公理（1623-獨占法與專利.md 的原則）：排他權的正當性來自「新增了什麼」——訓練若「新增」了社會沒有的能力（通用寫作助手），偏向合理使用；若「替換」了原作的市場，則偏向侵權。偵查的重點：四百年的平衡原則在重演——期限、主體、標的的設定都是政治的產物；AI 讓「標的」（權重算不算作品？）本身成為新問題。
線索四：授權市場的誕生（市場的自救）。 訴訟之外，授權成為新常態：美聯社、Axel Springer、新聞集團與 OpenAI 簽署授權協議——訓練資料的許可市場誕生（呼應 1960-科斯定理.md：交易成本低時，市場自己解決——產權清楚+談判可行=授權交易；訴訟的角色是把「產權的邊界」定出來，市場隨後定價）。偵查的重點：訴訟定邊界、市場定價格——與頻譜拍賣、碳交易同一劇本：外部性（訓練的外溢）被產權化、市場化。
線索五：輸出端與輸入端的分流（法律的分工）。 各國的處理：輸出端（模型的輸出近似原作=直接侵權——這條線較清楚）與輸入端（訓練本身是否侵權——正在激辯；日本 2019 年修法偏向寬鬆、歐盟 AI 法案要求訓練資料摘要的透明義務、2024-AI法案與治理.md）。偵查的重點：輸入與輸出的責任分流——「吐出來的」（輸出）較易裁定，「學進去的」（訓練）是戰場；透明義務（資料摘要）是輸入端的妥協方案——不禁止、但要求說明（與 1906 年「標示真實」的資訊管制同構——1906-純淨食品法.md：法律的第一步是說真話）。
結案報告#
- 讀與抄的界線被技術連續化：權重介於「記憶」與「學習」之間——法律的二元遇到技術的連續；逐字輸出的可提取性成為鑑識的核心指標。
- 市場替代是關鍵因素：合理使用的第四因素（訓練模型是否替代原作市場）——同一行為、用途不同、定性不同。
- 訴訟定邊界、市場定價格：授權協議的誕生——訓練資料的許可市場（科斯框架：產權清楚後市場自解）；與頻譜拍賣、碳交易同一劇本。
- 偵探教訓：AI 著作權案的偵查路線：先鑑識記憶的可提取性（權重吐得出原作嗎）、再檢驗市場替代（模型是否搶走原作的讀者）、最後看透明義務（說明訓練資料）——四百年的平衡原則（激勵 vs 流通）在「學進去的知識」上重演。
證據與工具#
跨領域影響矩陣：
| 領域 | 爭點 | 機制 |
|---|---|---|
| 法律 | 訓練是否侵權 | 合理使用四因素 |
| 技術 | 權重=記憶還是學習 | 可提取性鑑識 |
| 媒體 | 授權協議、訂閱替代 | 市場定價格 |
| 經濟 | 資料的許可市場 | 科斯框架（產權化） |
| 治理 | 資料摘要透明義務 | 說真話的資訊管制 |
合理使用的四因素（鑑識框架）：
| 因素 | AI 訓練的鑑識點 |
|---|---|
| 轉化性 | 訓練產生新能力 vs 替代原作 |
| 原作性質 | 事實報導 vs 創作性作品 |
| 取用比例 | 全文 vs 摘錄 |
| 市場影響 | 模型回答是否替代原作的讀者（關鍵） |
訴訟與授權的時間表：
| 年份 | 事件 |
|---|---|
| 2022 | Stability 訴訟起、Copilot 訴訟 |
| 2023 | Getty v Stability、作家公會、《紐約時報》起訴 OpenAI |
| 2023–24 | AP/Axel Springer 等授權協議 |
| 2024 | 歐盟 AI 法案的訓練資料透明義務 |
結論： 2023 年的 AI 著作權案是「讀 vs 抄」界線的技術連續化：權重介於記憶與學習之間，逐字輸出的可提取性與市場替代成為鑑識的核心。四百年的平衡原則（激勵 vs 公共領域）在重演——訴訟定邊界、市場定價格（授權協議的誕生）、透明義務作為妥協（不禁止、但要求說明）——與 1906 年的「標示真實」同一種資訊管制的第一步。