CC Signals (CC信號) 實作指南

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。 … Read More “CC Signals (CC信號) 實作指南”

CCGN 跨域交流平台轉換通知

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/

AI 與 Commons:一份閱讀書單

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。 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 … Read More “AI 與 Commons:一份閱讀書單”

可以使用 CC 授權的素材來訓練 AI 嗎?

「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:

1、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。
2、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。
3、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。

代轉 Creative Commons Global 的社群意見徵集調查!

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

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

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