- 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 Signals 持續演進的最新進展。隨著 AI 系統愈來愈頻繁地在缺乏充分同意（consent）、姓名標示（attribution）或透明度（transparency）的情況下，自共享資源（Commons）擷取價值，若要維繫健全的共享資源（Commons），就必須建立更完善的治理與課責機制。這也反映了 Creative Commons 思維上的一項轉變：從表達偏好（preferences），走向重新平衡權力，以保護共享資源（Commons）。
本文將說明我們如何在 CC Signals 的基礎上持續建構與強化，藉以支持我們一貫的目標——確保人類知識得以永續近用。當前，我們並沒有所有問題的答案。我們有的是，一套足以引導我們持續朝此目標前進的架構（framework）。
回顧：真正的關鍵是什麼？
當議題涉及 AI 時，著作權所適用的法律環境，本身便充滿不一致，且往往界線模糊。因此，CC 授權雖然依然重要，卻已不足以回應作品在 AI 系統中究竟如何被使用的問題。（如欲進一步瞭解，可參閱 Understanding CC Licenses and AI Training: A Legal Primer 這篇文章。）同樣地，在這個由 AI 深度介入（AI-mediated）的世界裡，CC 授權也無法完整承載創作者及資料持有人，對於作品利用方式所抱持的各種不同意向。
如今，在整個網際網路上，創作者、社群及各類機構，正紛紛採取各種「防禦性封閉（defensive enclosure）」措施，以限制外界近用其內容，包括：
- 法律上的措施（例如授權條款）：如開放近用（Open Access）出版者開始建議採用 CC BY-NC-ND 作為控制機制，Association for Computing Machinery（ACM）目前已採行此作法；這對人類之間的協作帶來負面影響。
- 技術上的措施（例如 CAPTCHA（人機驗證）、Bot 封鎖、流量限制）：如新聞媒體目前所採取的作法；然而，這也對典藏保存（archiving）工作造成不利影響。
- 財務上的措施（例如付費 API）：如 X 平台禁止其上貼文被第三方獲取使用；然而，這也對研究人員的工作造成不利影響。
問題是，這些工具將所有機器使用一視同仁，而不管使用目的。在限制 AI 開發者大規模擷取內容的同時，也一併阻礙了研究、典藏保存、無歧視近用等符合公共利益的使用。
雖然我們的研究仍在持續進行中，但目前已經出現一些初步跡象顯示：共享資源（Commons）正逐漸走向更加碎片化，也可能持續萎縮；而那些長久以來公共利益的防護，也正逐步削弱。
建構下一代的分享架構
CC 授權所促成的開放近用（Open Access），建立了一個多元層次的分享光譜（spectrum of sharing）。今天，在 AI 時代，我們也需要一套與之相對應的機制──一個多元層次的參與光譜（spectrum of participation），讓創作者以及資料管理的治理者（data-holding stewards），都能積極參與知識如何被生產、分享，以及被使用。
過去二十五年來，我們共同建立的共享資源（Commons），並不是自然而然形成的。它是透過法律框架、技術標準，以及共同遵循的社群規範（shared norms）來進行設計。而 AI 時代，需要的是下一代的基礎架構（Infrastructure）。我們所期待的未來，是全球知識共享資源依然能夠持續近用；同時，AI 系統也能以透明、可課責，並符合公共利益的方式與之互動。
我們的規劃
Creative Commons 正透過 CC Signals 架構，推動數項具有高度影響力的介入措施（interventions），以重建信任、強化參與，並將公共利益的核心價值，嵌入於 AI 知識生態系之中。
- 協助人們在當前環境下被充分告知後進行決策。
- 讓姓名標示（Attribution）成為 AI 的常態。
- 建立新的工具，在恢復意向代理機制（agency）的同時，也能保障公共利益的使用。
協助人們在當前環境下被充分告知後進行決策
AI 系統目前使用 CC 授權作品的方式，已使許多人開始質疑：現行整套 CC 授權（license suite），是否仍然符合他們原先希望達成的目標。
這些疑慮有許多不同的表現形式：姓名標示（attribution）在 AI 系統中消失了；具有敏感性的知識（sensitive knowledge）脫離了原本的脈絡而被使用；價值與權力愈來愈集中；缺乏明確的互惠（reciprocity）或課責（accountability）機制。然而，這些疑慮都有一個共同的根源：人們已經無法確定，在這個新的環境裡，CC 授權究竟代表什麼。
我們希望，每一位選擇採用 CC 授權的人，都能夠有信心地作出這項選擇。我們也希望，那些已將 CC 授權納入自身政策的各類機構，能夠清楚理解：當面對 AI 時，CC 授權究竟涵蓋哪些事項，又有哪些事項並不在其涵蓋範圍之內。在未來六個月內，我們將針對不同領域，發布各自適用的暫行指引（interim guidance），協助 CC 授權人因應 AI 所帶來的全新課題。這些指引的目的，並不是解決目前所有法律上的不確定性。反而是，在這段充滿不確定性的過渡期間，我們希望維繫正被 AI 危及的分享實踐；並同時發展新的工具與實務做法，以回應社群所提出的各項關切。
Creative Commons 將舉辦一系列依不同領域規劃的線上交流活動，以蒐集各界對這些暫行指引的意見回饋。歡迎訂閱 Creative Commons 電子報；一旦有進一步消息，我們將第一時間與大家分享。
讓姓名標示（Attribution）成為 AI 的常態
姓名標示（Attribution）一直都是共享資源（Commons）的核心基石。它支持參與，促進透明，也使知識得以追溯其來源、接受評估，並在既有成果之上持續建構。
然而，今日的 AI 生態系，正逐漸侵蝕這項長久以來建立的規範。大多數生成式 AI 系統，都未能以具實質意義的方式，揭露其所依據的資訊來源。當 AI 愈來愈成為人們近用知識的重要媒介時，這將帶來極為嚴重的後果：來源脈絡（provenance）的流失；信任的降低；以及人們分享知識的誘因逐漸減少。CC Signals 的第一個版本，先將姓名標示（Attribution）定位為一種偏好（選項）；而今天，我們認為：姓名標示（Attribution）必須成為一項預設要求（requirement）！
我們的規劃，是建立 AI 情境下姓名標示的最佳實務（best practices）。AI 開發者經常主張：大型語言模型（LLMs）根本無法做到姓名標示。然而，這是系統設計時所作出的選擇，並不是技術上的必然限制。我們相信，如果能重新思考一個將姓名標示視為核心原則的 AI 生態系，其所發展出的標示實務，將具有重要價值。雖然我們無法讓時光倒回（到 AI 系統設計之初去更動它），但至少，在目前技術上可行的範圍內，我們可以要求 AI 系統提供姓名標示。例如 Retrieval-Augmented Generation（RAG，檢索增強生成），就是一種能夠自特定且可追溯的資料來源擷取內容，再據以產生回應的方法。
我們接下來的工作，將包括：建立 AI 系統、終端使用者，以及創作者的理想姓名標示指引；也將示範如何在 RAG 模型中實現姓名標示。這項工作的推動有兩個目的。第一，建立對 AI 姓名標示目前能做到與尚無法做到的共同理解。第二，提供創作者與 AI 使用者必要的工具，使他們能夠倡議「姓名標示應成為基本期待」。強化姓名標示，有助於確保知識能夠持續廣泛流通，而不會喪失其與創作者及其所屬社群之間的連結。
Creative Commons 目前也希望與投入姓名標示標準制定的專家，以及開發能夠保留姓名標示資訊之 AI 系統的開發者建立合作。如果你正從事相關工作，我們非常期待與你交流。
建立新的工具，在恢復意向代理機制（agency）的同時，也能保障公共利益的使用。
單靠著作權制度，已無法完成這項工作。我們相信，若要維繫一個以人為本的網際網路，就必須建立具有實質意義的防護護欄（guardrails），並透過集體共同維護。我們的目標，是支持一個兼顧開放與意向代理機制（agency）、近用與課責的生態系。
首先，我們主張發展並採用經過審慎界定範圍的 AI 退出機制（AI opt-out），使創作者的意向代理機制（agency）得以維持，同時也能保障符合公共利益的使用。為了回應這項需求，我們已向 IETF（Internet Engineering Task Force，網際網路工程任務小組）——負責制定網際網路基礎標準的組織——提出建議，希望在其 AI Preferences 詞彙（vocabulary）中增列相關項目，以協助在創作者的意向代理機制與公共利益的再利用之間，取得適當的平衡。我們認為，無論是 opt-out 工具本身，或任何與其相關的立法，都必須確保公共利益的使用受到保障。這包括：使文化資產典藏機構（cultural heritage institutions）得以持續保存與分析內容，以及支持非營利研究與教育機構持續推動其工作。
其次，我們也正投入研究與開發一項新的工具，目的在於讓開放共享的收藏（collections）與彙編（compilations），能夠提供附條件的近用（conditional access）。這項工具將使資料治理者（data stewards）得以就收藏或彙編的近用與利用，設定相關條件，以維護其技術基礎架構的永續運作。這些資料治理者，包括圖書館、檔案館、研究機構、資料典藏庫（data repositories）、公共知識計畫，以及文化資產典藏機構等。對於大量且高度消耗資源的資料再利用者，可能需要遵守更多條件；至於符合公共利益的使用，則將完全不受相關條件限制。
如果缺乏足以界定 AI 開發使用條件的實務法律工具，（相關）收藏所能採取的選項，往往只剩下兩種：不是任由 AI 開發者毫無限制地大量擷取內容，就是全面限制近用。然而，這兩種選擇，都無法真正反映多數知識治理者（knowledge stewards）的目標。目前這項研究與開發工作，係建立於與社群成員及利害關係人的密切諮詢之上。例如，過去一年，我們持續與非洲地區的實務工作者展開對話；同時，也參考（相關）活動的廣泛探索成果，例如 Open Future Foundation 對文化資產共享的分析，以及 NOODL 為重新平衡弱勢語言社群權力所進行的發展工作。
許多（資料治理者）希望能夠持續分享其收藏，同時也確保 AI 開發者能以負責任的方式使用這些資源，包括尊重姓名標示（attribution）、確保透明度，以及遵守其他符合其公共利益使命的保障措施（safeguards）。我們希望建立一套工具，使這些要求能夠透過標準化且具有法律拘束力（legally enforceable）的方式加以實現。
下一步會發生什麼？
探索這類工具，意味著 Creative Commons 必須超越單純基於著作權制度的思維。對我們而言，這是一項真正的典範轉移（paradigm shift），也是我們極為審慎看待的一項轉變。我們相信，研究這些能夠支持附條件近用（conditional access）的法律工具，其風險與效益，是維護共享資源（Commons）長期健全發展不可或缺的一環。我們既需要維持珍貴知識資源的近用，也必須確保那些負責治理這些資源的機構與社群，能持續作為 AI 生態系塑造過程中的積極參與者。
目前，我們的工作正進展至此。本月，我們將於倫敦召開一場工作坊，開始深入討論新工具所涉及的設計與治理問題。今年稍晚，我們也將徵求首批試行採用者（pilot adopters），協助我們在實務上測試並持續完善這套方法。我們將隨著工作的推展，持續向大家分享最新進展。
我們已經擬定清楚的行動計畫，並預計於今年內讓上述各項倡議陸續進入試行階段。和許多非營利組織一樣，我們能否加速推動這些工作，取決於所能取得的資源。Open Infrastructure Circle 的支持，使我們得以一路走到今天；值此 Creative Commons 成立二十五週年之際，我們也訂下募集 500 萬美元的目標，以推動下一階段的 CC Signals 發展。如果您願意，也誠摯邀請您支持這項工作。
讓我們攜手共同打造，共享資源（Commons）下一步真正需要的樣貌。
原文發布日期：2026 年 5 月 13 日
#CCSignals #DataStewards #AIGovernance #資料治理 #共享資源