Skip to content
CC Taiwan
Forum
Facebook
Email
Menu
CC 介紹
專文編年
新聞彙整
找資源
推廣演講
演講記錄
演講申請表
公眾領域
OpenGlam
OpenGlam專文知識庫
OpenGLAM CC授權問答集-著作權
OpenGLAM CC授權問答集-第三方素材
OpenGLAM CC授權問答集-CC授權
OpenGLAM CC授權問答集-合理使用
OpenGLAM CC授權問答集-個資、隱私、肖像、原民傳智權
過往協作專案
記憶庫2.0 x CCTW
關於
NEWS
CC Signals (CC信號) 實作指南
2025-09-23
Article / News / Translation
原文由 Creative Commons 撰寫、譯文由 Lucien C.H. Lin 整理,併採 CC-BY-4.0 發布。 深入了解我們目前的初步構想,並協助塑造下一步的方向!我們希望得到你對這項工作在 法律、技術與社會層面 的想法、回饋與問題。 ❓以下問題我們特別想聽取你的意見: CC Signals旨在要求 AI 開發者採取「互惠回報」。在你看來,AI 生態中的「互惠性」應該是什麼樣子?我們該如何改進所提議的信號配套,以更好地實現這些互惠性?社群治理將是決定 CC Signals 何時以及如何應用的關鍵。你認為內容維護者應如何做出決策?在這些決策中,誰的偏好最重要?CC Signals 優先強調標準化與機器可讀性,以提升其效用,但這也帶來代價。我們應如何在「特定情境考量」與「集體行動目標」(促使大規模採用者改變行為)之間做取捨? 歡迎你透過分享回饋參與討論。 CC信號 (The CC Signals) 🏁從這裡開始:如果你還沒有讀過,請先參考我們的「情境與考量」文件,它構成了 CC Signals 發展的背景。你也可以下載完整報告。 當你已經理解了基本背景,讓我們挖掘更多的細節。 CC Signals 的想法很簡單。透過 CC Signals,大型內容收藏的維護者可以表達一組 AI 開發者必須遵守的條件。這些條件圍繞不同層面的「互惠性」設計,目的是推動有意義、可實踐的舉措。 CC Signals 同時被設計為 機器可解讀 與 人類可理解。 CC Signals 的組合元素 這項計畫受到 AI 討論中常見的幾個基本概念啟發——同意、補償與名譽標示——但我們的切入角度比較特別:驅動我們此一方案的目標是增加並維繫公眾對知識的開放存取。 每一種信號都包含內容得被機器採用的條件。也就是說,AI 開發者必須滿足這些條件才能使用內容進行 AI 開發。所有條件的設計都是為了在相當規模機器採用裡,推動有意義且可實踐的互惠性。我們的初步提案包括以下信號要素: 名譽標示:你必須依據使用方式、手段與情境,提供適宜的名譽標示。 直接回饋: 你必須向「聲明方」提供金錢或相類支持,用於該方資產的開發與維護;此支持應基於善意評估,考量你對資產的使用情況以及你的獲利手段。 生態系回饋: 你必須對你所受益的生態系統提供金錢或相類支持,基於善意評估,考量你對資產的使用情況以及你的獲利手段。 保持開放: 使用(內容)的 AI 系統必須是開放的。例如,必須符合「模型開發框架 (Model Openness Framework, MOF) 的 II 級或 I 級,或符合「開源AI定義 (Open Source AI Definition, OSAID)」。 🗒️注意:「名譽標示」被納入在每一種信號(組合)中,因為我們相信這是最基本的互惠形式,有助於知識循環。除「名譽標示」外,其他信號元素在本提案中是互斥的。信號(元素)列表刻意保持精簡,好讓更多內容維護者與其社群能協調一致,要求 AI 開發者遵守。這最終將建立起一種網絡化的集體行動,以推動 AI 生態裡的互惠性。 CC Signals 的運作方式 誰在套用信號: 聲明方 (Declaring Party) 是決定收藏內容應如何被機器使用的人(或組織)。有時就該內容,聲明方擁有著作權,或有權代表權利人。在這些情況下,CC Signal(的表意) 在特定司法管轄區或可能具有法律效力。若收藏包括多位作者的內容,聲明方有責任在社群裡協調,以決定應適用何種信號才適當。 信號適用的機器用途之範圍: 聲明方會將 CC Signals 套用到一組標準分類中,從一般類別到特殊類別,例如:文字與資料探勘(Text and Data Mining, TDM)、AI 訓練(AI Training)、生成式 AI 訓練(Generative AI Training)、AI 推論(AI Inference)。為了將全球互通性最大化,這些類別不會由 Creative Commons 自行定義,而是依循 IETF(Internet Engineering Task Force,網際網路工程事務聯盟) 制定的國際標準。CC Signals 的框架會隨著標準類別定稿後而持續演進。所選定的類別,將界定本工具預計處理的活動範圍。 哪些信號被套用: 聲明方可從可用的 CC Signals 中進行選擇,表達其對機器採用(內容)的偏好。這代表聲明方表示依該特定信號元素的條款,該被選類別的機器採用是被允許的。(目前)提案中的四種組合是: 名譽標示名譽標示 + 直接回饋名譽標示 + 生態系回饋名譽標示 + 保持開放 與 CC 授權相似,CC Signals 將同時具備 機器可解讀 與 人類可理解 的形式。其中,人類可理解的解釋——說明當某一信號被套用時會發生什麼——稱為 「聲明 (declaration)」。每一種信號都會有一份對應的聲明,並會依據「聲明方是否具有著作權權限」以及「所選定的機器採用範圍」而有所差異。至於套用 CC Signals 於資料集時所使用的程式碼字串,則稱為 「內容採用表述(content usage expression)」。 法律上的考量 CC Signals 被設計為全球性工具,這意味著它們運作於不同的法律制度中,而這些制度的運作方式並不一致。在機器採用的脈絡下,著作權法往往是有限的、不確定的,且在各司法管轄區之間缺乏一致性。因此,套用 CC Signals 可能會因「由誰套用」以及「在何種情境下套用」而產生不同的法律效果。 在著作權存在並適用的情況下,CC Signals 的目的在於衡平著作權的力量,但不擴張其權限。 這並不是在創造新的財產權,而更像是為機器律定行為規範。 更多細節請參閱完整報告。未來幾個月,我們將重點研究與分析 CC Signals 的法律涵義。 技術上的考量 CC Signals 的設計是建立在 IETF 正在制定的技術標準之上。我們已在 GitHub 上揭露 CC Signals 的技術考量與元件。 依循 CC Signals 名譽標示信號 在大型 AI 模型的脈絡下,出處標示與內容溯源是複雜、困難且隨技術發展快速演變的。然而,這並不意味著「名譽標示」的概念在 AI 環境下是無關緊要或不可能的。我們的目標是建立「可行的規範」,而不是讓「追求完美」阻礙進步。就像 CC 授權中的「姓名標示」條件,我們認為名譽標示的信號要素,可以採任何合理的方式來落實。我們計畫在未來階段制定名譽標示的指引與最佳實踐,並借鑑該領域其他人的進展。目前至少,我們預期這種信號至少要求採用者引註所使用的訓練資料集。至於能讓模型在回應查詢時檢索資訊的技術(例如檢索增強生成 RAG),以及其他技術上可行、能將內容連結至特定輸出的使用情境,這些輸出應提供連結以溯源該收藏內容。 直接回饋信號 這並非被設定為商業交易,而是旨在建立一種結構,讓財務或相類貢獻能支持聲明方的持續發展。套用 CC Signals 不應被視為一種商業模式,甚至不應被視為可靠的成本回收方式。這些回饋應與機器採用的類型與規模、以及採用者的財務能力成比例。與名譽標示類似,我們計畫隨著 CC Signals 的推進,制定直接回饋的指引與最佳實踐。 生態系回饋信號 這種信號旨在推動對整體共享資源(commons)的支持性回饋。雖然初期表述相當廣義且模糊,但我們希望並預期在不同領域與不同類型的採用情境下,會逐漸形成規範、最佳實踐,甚至新的集體導向結構。目標是鼓勵「回饋」的實踐,注入互惠性的規範,以幫助整個生態系統持續運作,造福所有人。 保持開放信號 這種信號元素反映出:讓 AI 模型保持開放——例如釋出模型權重、程式碼或資料集,讓他人使用與於其上建立基礎——是互惠性的一種型態。鑑於本領域已有其他人對「開放性」提供了有意義的定義,我們對此信號的提案也更具體,列出了遵循的具體要求。 為 AI 開發者的遵循提供激勵 我們理解,CC Signals 需要仰賴 AI 開發者的自願參與和遵循。雖然存在許多懷疑的理由,特別是當遵循或許不是法律義務時,而且永遠會有不良的行為者,但我們仍然有許多理由相信它會被廣泛採用。 首先,已有先例。雖然遵循(的表現)並非總是完美,但 robots.txt 多年來一直作為一種方式,用來將有關網路內容被機器採用的期望寫入規範性文件,並幫助維持這種社會契約。我們也看到 CC 授權的成功,證明了自願遵守是可能的。雖然 CC 授權建立在著作權法之上,因此(違反它)帶有侵權風險,但實際上它們之所以有效,是因為人們選擇遵守它們。涉及 CC 授權維護權利的訴訟相當罕見,多數案例與惡意行為有關。反之,如今在共享資源(commons)中已有數百億份 CC 授權作品,因為這些授權植基於人們對於「分享與知識再利用」的直觀公平與利他觀念。 此外,理性行為者也有充分理由去尊重並遵循偏好信號。正如我們在本報告前段所撰,來自整個公開網路的資料是發展大型 AI 模型的關鍵組成部分。若 AI 開發者不尊重創作者的意願,他們將削弱人們分享與廣泛散布作品的動機。隨著時間推移,這將損害所建構的模型與服務的準確性、安全性與時效性。對小型公司、新創公司、非營利組織與學術研究者而言,後果尤其嚴重,因為(這將導致)他們沒有資源而得轉而依賴所付不貲的授權交易。 請立即到 GitHub 分享你的反饋!...
Read more...
CCGN 跨域交流平台轉換通知
2025-09-19
News
Image attribution: Tapestry lawn in autumn by Solstice2015. Reading University. Licensed CC-BY-SA 4.0. 代轉 CCHQ 訊息: 各位關心 CC 發展與動向的朋友們,您好! Creative Commons 正在將跨域的社群交流平台,從 Slack 移轉到 Zulip! 為什麼要移轉?在過去的社群調查中,Zulip 成為明顯的首選 —— 它不僅提供更完善的權限管理、更順暢的跨國交流支持,其平台理念也與 CC 所重視的「分享」精神高度契合。 CCHQ 誠摯邀請以下朋友加入新的互動平台: 曾參與 CC Slack 平台的成員CCGN 成員開放教育、開放文化、著作權平台的成員所有對 CC 社群有興趣的朋友 加入方式,請先完成《社群受理表》:https://forms.gle/4rQgNfwfkaqLPpvC6 此表單將協助 CC 為所有參與者營造一個安全、友善且透明的交流環境。 查看完整公告、Creative Commons Blog: https://creativecommons.org/2025/09/18/new-community-chat-platform-moving-from-slack-to-zulip/...
Read more...
AI 與 Commons:一份閱讀書單
2025-09-18
Article / News / Translation
原文由 Jack Hardinges、Rebecca Ross、Sarah Hinchliff Pearson 撰寫、譯文由 Lucien C.H. Lin 整理,併採 CC-BY-4.0 發布。 Distorted Forest Path © by Lone Thomasky & Bits&Bäume is licensed under CC BY 4.0 大型 AI 模型對數位共享資源 (digital commons) 造成什麼影響?我們(CC參與者)應該如何因應?作為支持內容的創作者與管理者適應 AI 未來變動的工作職志之一,我們在此分享一些近期文章與想法,這些內容正形塑我們對這個議題的看法。 我們這裡在 Creative Commons,有一個目標:在人工智慧發展之下,捍衛並維護數位共享資源。 近期我們推出了一個新的框架,叫做 CC signals–AI 訓練偏好信號輔助機制,提供大型收集內容的管理者一種新的方式,讓他們可以表明自己對於機器(以及掌控者)應該如何回饋共享資源 (commons) 的偏好。 在我們發展這套方案時,我們從合作夥伴、社群與其他利害關係者的工作中獲得靈感。我們特別關注以下議題: AI 爬取器 (AI scrapers) 如何重塑網路著作權、勞動、監控與抗爭資料授權新經濟的效應更道德的 AI 與經過同意之資料治理等新興構想 我們在這些主題上大量閱讀!以確保面對不斷展開的 AI 未來,CC signals 能成為保護共享資源裡一系列多元解決方案中的一部分。以下是一些正在影響我們思辨的文章與資源: Cloudflare 推出一個市場,讓網站可以向 AI 機器人收取爬取費用 — Maxwell Zeff,TechCrunch https://techcrunch.com/2025/07/01/cloudflare-launches-a-marketplace-that-lets-websites-charge-ai-bots-for-scraping/ 資料開放的法律摩擦:AI 訓練再利用開放網路的個案反思 — Ramya Chandrasekhar https://hal.science/hal-05009616v1 AI 訓練、授權的海市蜃樓,以及支持創作者的有效替代方案 — Derek Slater,Tech Policy Press https://www.techpolicy.press/ai-training-the-licensing-mirage-and-effective-alternatives-to-support-creative-workers/ 「等等,不是這樣的」:生成式 AI 時代的自由與開放近用 — Molly White,Citation Needed https://www.citationneeded.news/free-and-open-access-in-the-age-of-generative-ai/ 禮貌地告訴 AI 走開 — Nick Jackson,dxw https://www.dxw.com/2025/04/telling-ai-to-go-away-but-politely/ AI 是能夠「被同意」嗎?在萬物合成的時代重新思考許可(的定位) — Giada Pistilli,Hugging Face https://huggingface.co/blog/giadap/consentful-ai AI 應該幫助資助創意性勞動 — Mariana Mazzucato,Project Syndicate https://www.project-syndicate.org/onpoint/how-ai-profits-can-help-fund-cultural-production-by-mariana-mazzucato-and-fausto-gernone-2025-07 授權、補償金與著作權的極限 — Paul Keller,OpenFuture https://openfuture.eu/blog/licensing-levies-and-the-limits-of-copyright/ 我們希望你能與我們一起閱讀與學習,分享你的想法,也歡迎你就這份書單推薦其他文章與資源!透過 LinkedIn、Bluesky 或 Mastodon 與我們連結。 原文發布於 2025 年 9 月 3 日...
Read more...
可以使用 CC 授權的素材來訓練 AI 嗎?
2025-07-07
Article / News
文:林誠夏(Lucien Cheng-hsia Lin),CC-BY-SA-3.0-TW+。 「CC 圖示雕像(CC Icon Statue)」,由 Creative Commons 採用 DALL·E 2 AI 平台生成,原圖以 CC0 公眾領域貢獻宣告釋出,本文作者再經 ChatGPT-4o 轉化為 impasto 風格圖像,同樣依 CC0 貢獻於公眾領域。 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: 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。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。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。 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。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。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: 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。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。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。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。...
Read more...
代轉 Creative Commons Global 的社群意見徵集調查!
2025-05-16
News
Creative Commons 致力於成為一個促進合作、讓知識自由流通,並賦能社群共同塑造共享未來的夥伴。 目前正透過社群問卷廣泛徵求意見,期望在社群回饋的基礎上,作為未來在治理、溝通與參與策略上調整的重要參考。 調查將開放至 2025 年 5 月 30 日,誠摯邀請有興趣的朋友填寫線上問卷,分享您對 CC 社群的看法與期待。 調查說明頁面:https://creativecommons.org/2025/05/15/the-next-chapter-strengthening-the-creative-commons-community-together/ 調查問卷(英文):https://forms.gle/vaPTSG2j9x8TjKtz8...
Read more...
CC於2024年AIPREF會議發表對AI訓練列入偏好信號輔助的推動態度
2025-04-18
News
Creative Commons強調在AI時代,應重新思考和建立新的工具與方法,以補充現有開放授權機制之不足,並推動AI生態系統,能正面、正向的朝向公眾利益發展。 有幾項重點: 1、不認為全有或全無的機制是解決方案。2、需要一組新的工具來補充CC授權條款。3、研議採用偏好信號(Preference Signals)協助創作者表意,其作品得否被用於AI訓練用途,並設立研究目的或文化備存目的為啟動條件。也就是說,透過meta-data註引的方式,著作權利人將可以對AI爬蟲機器人指示,其素材得否用於AI訓練、或於何種情境下容許用於AI訓練,並可搭配現有的公眾授權機制來進行補充。4、目前這些偏好信號尚不具法律拘束力,但能為生成式AI世界裡的分享與再使用,建立新的規範與文化,並弭平爭議。5、優先發展「為公眾利益而生」的AI,同時處理少數大型玩家壟斷利益的風險。6、透過持續對話集體定義並推動一套新的分享與再使用的規範,以符合AI世代共享資源的發展需求。 正式說明文件全文,請參照出處鏈結:https://www.ietf.org/slides/slides-aicontrolws-creative-commons-position-paper-on-preference-signals-00.pdf #PreferenceSignals #AI治理 #ResponsibleAITraining #CreativeCommons...
Read more...
《CC @ SXSW: Protecting the Commons in the Age of AI》討論摘要
2025-04-18
News
Creative Commons(CC)於2025年4月9日發表的文章《CC @ SXSW: Protecting the Commons in the Age of AI》,探討了在人工智慧(AI)時代下,如何保護與推動開放的共享資源(commons)。此篇文章回顧了CC在德州奧斯汀舉辦的SXSW活動–「Open House for an Open Future」,與 Project Liberty Institute 資深學人唐鳳及作家Cory Doctorow進行了深入對談。 該場對談的討論重點有: 1、技術自主權的爭取:從印表機墨水補充到醫療呼吸器等關鍵技術,越來越多技術事項受到額外契約的限制。因此,開放運動不僅要促進內容共享,還應擴展到支持人們自由修復、修改和使用技術的權利,確保技術的自由化。 2、從抵抗到建立替代方案:開放運動應超越單單對抗企業限制,進展到積極創建可行的開放替代方案。例如,g0v(零時政府)活動展示了去中心化、使用者控制的平台,能如何對抗壟斷性的數位生態系統。 3、退出權作為變革的槓桿:提供用戶離開限制性平台的選擇權,當能有機會影響企業行為。如 Free Our Feeds 和Bluesky等計畫,即志在創建可信賴的退出策略,不讓用戶只能被困在剝削性的數位環境。 4、超越著作權–開放與創新的新框架:雖然Creative Commons起初是作為解決著作權限制而發展,但未來應關注更廣泛的議題,如支持開放共享的基礎設施、倫理性的AI發展,以及對社群培力的開放治理模式,而不能受限於過往僅是降低企業控制的面向。 5、重拾開源與自由軟體的精神:開放運動必須重新連結其倫理根源,強調創作、共享和創新的自由,而非僅只是為了效率而去進行開放。這包括抵抗企業對「開放」一詞的挪用和攫取,確保技術進步是服務於公眾利益,而非私人利益。 另外,AI時代下的偏好信號(Preference Signals)也一併被進行了討論和梳理。隨著AI的普及,僅依賴著作權法和基於著作權法推衍的CC授權,或已不足以作為AI訓練的因應機制。因此,CC提出了偏好信號的概念,讓創作者和資料集持有者,能主動決定其內容是否用於AI訓練。例如,Bluesky提出的「User Intents for Data Reuse」提案,以及CC參與的IETF AI Preferences Working Group,都是推動這一概念的實踐。透過這樣的「技術標記方式」,創作者能主動加入其對AI訓練的意向,鼓勵這些意向被平台與AI模型遵守,並將這些意向適用於CC授權與公眾授權領域的相關內容。 簡要來說,Creative Commons強調在AI時代,應重新思考和建立新的工具與方法,以補充現有開放授權機制之不足,並推動AI生態系統,能正面、正向的朝向公眾利益發展。 原始文章:https://creativecommons.org/2025/04/09/cc-sxsw-protecting-the-commons-in-the-age-of-ai/ #CreativeCommons #AI #PreferenceSignals #AITraining...
Read more...
歐盟通過具有里程碑意義的《人工智慧法案》
2024-11-26
News
原文出處、作者 Brigitte Vézina, Mark Foster、譯文作者 Rong,使用 ChatGPT 生成式 AI 輔助方案自動化翻譯後人工校潤,併採 CC-BY-4.0 發布。 圖片採用 DALLE 生成,以 CC0 釋出公眾自由利用。 歐洲議會(EP)在昨天通過了《人工智慧法案》(AIA),為全球首部全面規範人工智慧(AI)的法案。 Creative Commons(CC)過去幾年來一直積極與歐盟政策制定者就《人工智慧法案》(AIA)進行合作,特別是在去年六月的談判中,著作權議題成為核心焦點。在這篇部落格文章中,我們將分享對於條文在多個影響公域的重要方面的高層次評估,以及對未來發展的一些想法。 開源軟體 我們樂見最終的法案條文將部分義務排除於開源 AI 之外,儘管這些排除條款附帶一些條件,並且在整體 AI 背景下以及此法律的具體情境中,「開源」的定義仍存有模糊之處。其他值得注意的正面進展包括:對於「專為科學研究與發展目的開發並投入使用」的 AI 系統給予豁免,以及對於開源的通用型 AI(GPAI)模型在詳細透明性要求方面的豁免。即便如此,這些模型仍需制定一項政策以遵守著作權法,並提供有關模型訓練所使用內容的摘要。 AI 與創造力 《人工智慧法案》(AIA)對於創意產業(以及個別創作者)如何使用 AI 的態度基本上是中立的。根據我們社群諮詢的結果,可以看出一些創作者接受 AI,將其作為創作工具來進一步開發新的創意作品。然而,也有一些人對 AI 對於某些產業的就業影響,以及更具成本效益的數位或虛擬解決方案,與人類創作作品之間的競爭問題表示擔憂。 針對 Chat GPT 的迅速普及,歐洲議會(EP)提出了多項重要條款,其中包括關於著作權的規定。Creative Commons(CC)針對該立法的這一部分,無論在公開場合還是私下,都向政策制定者提供了直接意見,這也直接涉及 CC 的核心使命。 如同所有妥協方案一樣,有關著作權的協議中既有一些正面的進展,也有一些需要進一步反思和改進的部分。《人工智慧法案》(AIA)多次提到歐盟著作權法,特別是《數字單一市場著作權指令》(CDSM Directive)中關於條文與資料探勘的第 3 和第 4 條。目前已有一些利益相關者呼籲根據 AIA 和近期技術發展,修訂包括該指令在內的相關歐盟法規。 在 Creative Commons(CC),我們期待推動第 3 和第 4 條的實際應用。然而,我們對這些條文所提供的例外規定進行任何根本性修訂,保持謹慎態度。這些規定對於確保著作權制度的平衡至關重要。 下一步,循序漸進的申請過程 預計歐盟理事會將在未來幾週內最終批准該法案,並可能於今年春季稍晚在歐盟《官方公報》中發布。該法案將在發布後 20 天生效,而各項條款將以分階段方式實施:禁止性 AI 應用相關條款將於 6 個月後(約 2024 年底)適用,通用型 AI 的相關條款則於 12 個月後(約 2025 年中)適用,其餘條款將於 24 個月後(約 2026 年中)開始適用。未來歐盟政策制定者無疑需要評估該法案在實踐中的運作情況,並確保適當的執法措施得以實施。 我們對歐盟人工智慧辦公室的成立表示歡迎,該辦公室將很快依據《人工智慧法案》(AIA)的要求,開始制定技術規則。我們期待與該辦公室合作,共同發展重要的技術標準,特別是在制定符合現行著作權法的選擇退出標準(opt-out standard)方面。此外,該辦公室將在解釋和進一步釐清一些措辭模糊的概念上發揮重要作用,例如要求針對大型語言模型(LLMs)和基礎模型發布「足夠詳細」的輸入摘要。這些規則對於為企業和個人提供關於遵守規範的明確指引至關重要。 CC 將持續建設性的建議歐盟決策者,使歐盟著作權法保持符合其目的並能隨著科技持續演進,也確保 AI 能夠支持繁榮的公眾資源。 發布於 2024 年 3 月 14 日...
Read more...
線上研討會:AI時代下的開放文化,疑慮、希望跟機會
2024-11-26
News
原文出處、作者為Brigitte Vézina, Jocelyn Miyara, Connor Benedict、譯文作者李欣屏,使用 Chat GPT 輔助方案自動化翻譯後人工校潤,併採 CC-BY-4.0 發布。 「宇宙的原創理論或新假說,第 31 版」由 Thomas Wright 所創作,開放公眾領域。 在 2024 年 5 月 8 日星期三,UTC 時間下午 2:00,CC 的開放文化計劃將舉辦一場以AI 時代的開放文化:疑慮、希望與機會為主題的線上研討會,作為我們開放文化直播系列的一部分。 在 CC,我們致力推動更好分享及開放文化遺產,以利建設和維持充滿活力和繁榮的社會。隨著生成式 AI 的出現,有哪些需要考量的議題,以確保機構履行其任務的同時,充分利用這一新技術並避免落入陷阱?在這場小組討論中,我們將探討在文化遺產機構中採用生成式 AI 所帶來的一些機會和風險,以及一些利用這項新技術造福機構、創作者、充滿好奇心的訪客和學習者的構想。 首先,從內部觀點切入,有哪些方法可以讓文化遺產機構利用 AI 促成自動化和改進勞動密集的流程,同時探索和豐富他們的資料? 其次,若從外部觀點看待,談及線上分享他們的文化遺產收藏和相關資料時,許多機構都在考慮這些資料作為 AI 訓練素材的潛在用途。一方面,收藏品能為能創造經濟收益的專案,提供重要且有用的訓練資料。更多元化的訓練資料輸入確實有助於對抗偏見,確保輸出更加具有代表性。另一方面,共享收藏品需要以負責任、尊重且符合道德的方式進行,機構必須將公共服務使命奉為圭臬。在生成式 AI 熱潮持續發酵下,如何適當平衡這些考量?文化遺產機構如何在負責任的 AI 發展中扮演發揮作用? 我們將邀請一個專家小組,包含: Suzanne Dunca,紐西蘭 Te Hiku Media 首席運營長 Minne Atairu,跨領域藝術家,美國哥倫比亞大學教師學院藝術與藝術教育計劃博士生Bart Meletti,蘇格蘭格拉斯哥大學 CREATe 知識交流部門負責人Michael Trizna,美國史密森學會資料科學家 從這裡註冊 CC 是一個仰賴捐款維持運作的非營利組織。請支持 CC,幫助我們推動更好的分享,請訪問 creativecommons.org/donate 捐款。 於本系列中,我們將探討開放文化運動面臨一些更具挑戰性的問題,並邀請在該領域具有個人經驗和專業知識的講者參與討論。 反璞歸真:初學者的開放文化入門予以尊重的溝通用語及改變主語誰的開放文化?去殖民化、本土化及文物返還為文化遺產機構開放創造最大價值 發布於2024年4月29日...
Read more...