Month: January 2020

從 Signals 到 Infrastructure：強化 AI 時代的共享資源

作者：原文由 Anna Tumadóttir、Sarah Hinchliff Pearson 撰寫；引文、摘要及譯文由 Lucien C.H. Lin 整理，並採 CC BY 4.0 發布。 分類：授權與工具（Licenses & Tools）、政策（Policy） 摘要與引文： 承接〈CC Signals 最新進展〉一文，本篇進一步說明 Creative Commons 在 AI 時代的下一步規劃：除了讓創作者表達作品是否願意供 AI 使用之外，更希望建立一套兼顧公共利益與資料治理的新基礎架構，協助資料治理者（data stewards）依不同使用者、不同利用目的，設定資料近用與 AI 利用的實際條件。 Creative Commons 認為，資料的近用與 AI 擷取，不應只有「完全開放」或「完全封閉」兩種選項，而應建立更細緻的治理模式：對以營利為目的的大規模資料利用者，可要求遵守特定條件（如 AI opt-out、姓名標示、透明度及其他保障措施）；對研究、教育、文化保存等符合公共利益的利用，則應維持開放近用，以避免現行防禦性封閉措施傷及典藏、研究與知識共享。 此外，Creative Commons 將陸續發布各領域的 AI 暫行指引，協助授權人理解現行 CC 授權在 AI 時代實際會影響哪些利用情境；同時推動 AI 姓名標示（Attribution）的最佳實務與技術實作，並透過公開交流持續吸收社群回饋。另一方面，也將與圖書館、檔案館、研究機構及其他資料治理者合作，發展附條件近用（conditional access）工具，讓不同類型的使用者依其使用目的，在不同條件下近用典藏資料，共同建立兼顧共享資源（Commons）永續、創作者意向與公共利益的 AI 治理架構。 譯文開始： 我們最近分享了 CC … Read More “從 Signals 到 Infrastructure：強化 AI 時代的共享資源”

Article

CC Signals 最新進展：有哪些改變？為什麼改變？

作者：原文由 Creative Commons 撰寫；引文、摘要及譯文由 Lucien C.H. Lin 整理，並採 CC BY 4.0 發布。 分類：授權與工具（Licenses & Tools）、政策（Policy） 摘要與引文： CC Signals 原先是一套透過數個標章（signals），讓創作者表達其採 Creative Commons（CC）授權之作品，是否願意供 AI 訓練或生成式 AI 利用的機制。2025 年整體設計已大致成形，但最終版本卻遲遲未正式發布。本文即說明其最新進展，並解答外界對「只聞樓梯響，未見人下樓」的疑問。 Creative Commons 在與全球社群深入討論後發現，AI 的治理問題早已超出傳統著作權所能處理的範圍。若 CC Signals 僅止於協助創作者表達意向，而無法建立足以持續代理、落實與維護這些意向的常態機制（agency），便難以真正改變既有的權力結構。因此，CC 正重新思考其策略，從單純提供訊號（signals），轉向建構支撐共享資源（Commons）的治理基礎架構（infrastructure），並發展新的法律、技術與制度工具，以兼顧創作者意向與公共利益。 本文最關鍵的一句話，是：「兼顧近用與意向代理（agency）、以及開放與課責的制度（balance access with agency, openness with accountability）。」這代表 Creative Commons 正重新詮釋 Open Access 的內涵：Open 不再只是毫無限制的開放，而必須伴隨相應的課責（accountability）；Access 也不再只是任何人皆可近用，而需要透過能夠持續代表創作者與資料治理者表達並維護意向的代理機制（agency），共同形塑 AI 時代共享資源（Commons）的治理方向。 譯文開始： 距離我們上一次分享 CC Signals … Read More “CC Signals 最新進展：有哪些改變？為什麼改變？”

Article

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”

Article

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/

News

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”

Article

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。

Article