從加拿大三件著作侵權案 -- 談生成式AI訴訟之核心爭辯：向量嵌入 v. 複製 & 公平使用
科技產業資訊室(iKnow) - 陳家駿 發表於 2025年5月2日
圖、從加拿大三件著作侵權案 -- 談生成式AI訴訟之核心爭辯：向量嵌入 v. 複製 & 公平使用
自ChatGPT問世後，由AI引發之智財法律問題，已使現今AI生態系統形成一個法律的殺戮戰場，這三年來全球各地已衍生了近40件著作權侵害官司，而這一波波的訴訟正嚴峻挑戰著作權及科技創新的界限。隨著生成式AI工具變得越來越強大和普及，法院需「被迫」回答關鍵問題：AI自動生成是否涉及違法侵權？合理使用的界線何在？有鑑於AI技術上的突飛猛進和工具的迅速發展，衍生眾多智財爭訟，而這些案件的判決結果將決定AI未來發展方向，以及在各領域的應用。
針對網路上「人工智慧爬取資料」(AI-Scraping)之著作權侵害案件，繼美國大量興訟後，鄰國的加拿大也一樣燃起AI訴訟戰火，目前共已有三件關於生成式AI的著作侵權案，這三個案件中原告都包括加拿大機構（其中一件與美國的新聞媒體共同起訴），被告則為加拿大的AI公司和美國的OpenAI；至於三個案件之繫屬法院，有二件是在加拿大本土，另一件則是在美國紐約南區地院，以下茲加以介紹。
一、加拿大三件著作侵權訴訟案
（一）Canadian Legal Information Institute (CanLII) v. Caseway AI
1. 加拿大首宗AI生成訴訟案
加拿大法律資訊研究所（Canadian Legal Information Institute，下稱CanLII）是經營搜尋引擎和資料庫的非營利組織，提供免費的加拿大法律資訊線上存取，其目的是要促進司法資訊的公開與可及性，已成為該國法律體系中的重要資源。一家AI新創公司Caseway AI Legal（在都柏林和溫哥華註冊成立之愛爾蘭公司），推出一款加拿大的法律研究助理工具，涉嫌從CanLII網站透過「系統性下載和與網頁爬取」方式，大規模非法擷取CanLII的著作。2024年11月4日，CanLII向卑詩省最高法院(Supreme Court of British Columbia)，起訴Caseway等相關單位和創辦人Alistair Vigier，指控被告違反CanLII的使用條款並侵犯著作權[1]，該條款禁止在未經授權下載和抓取CanLII網站內容；並要求法院對Caseway頒發禁制令，禁止其未經授權從其網站取得的任何資料。
2. Caseway之反駁
起訴書指稱：Caseway未經授權擷取超過120 GB的數據，其中包含超過350萬筆CanLII作品；其更誤導使用者，讓人以為該作品並非源自CanLII。儘管Caseway未明確揭露其法律文件的來源，但已在公開文章和文宣中暗示該平台使用CanLII的素材。Caseway則聲稱：「Caseway造訪的資訊是公開的，且CanLII的專有系統或獨家內容均未受到影響。此外，CanLII的用戶群和資料完整性保持不變，也沒有營運中斷或存取減少的跡象，CanLII的服務一如既往。而Caseway的數據獲取方法，也不會造成任何明顯的損害或財務損失。」其創辦人Vigier並表示：Caseway不使用任何屬於CanLII的數據，而Caseway和CanLII有類似的數據，是因為兩者都使用法院文件和判決，Caseway不會用CanLII的產品增強其功能。
3. CanLII之回擊
但CanLII控稱，其資料庫包含的不僅是法院判決，還有各司法管轄的法規與條例，以及來自法律書籍、期刊與其他來源的二級法律資料。其進行「審閱、分析、整理、匯總、編目、註釋、索引」和其他方式增強數據，透過此創造性的努力，將公共文件變成受著作權保護的編輯著作。儘管CanLII允許公眾免費存取其數據，但該資料庫的建置本身涉及花費大量時間、精力與資源的投入，而Caseway卻將其拿來謀利（訂閱價格為每月49.99美元）。CanLII分析法院的判決並產生摘要內容，其中包含案件事實、訴訟歷程、當事人主張、法律爭點、法院處置和判決理由等內容的原創分析，並收錄相關的引註內容，並在對應之判決正文中提供相關段落編號的連結，皆屬應受保護之著作。
4. CCH案先例與美國湯森路透案借鏡
加拿大之前有一先例：即2004年的CCH Canadian Ltd v Law Society of Upper Canada案[2]，該案最高法院裁定，律師協會圖書館為其會員複製的材料未侵犯著作權，因為該圖書館代請求複製的個人行使合理使用，不過其與本案並不相關，圖書館的使用者只是出於個人目的之合理使用，但在本案中，Caseway則吸取整套文件，並出於商業目的推出最終產品（雖然與原作並不完全相同）與其競爭。此外，由於加拿大法律中沒有「文本和資料探勘」之例外責任豁免，且美國著作權訴訟中常用的「轉化性」辯護（即將原始材料轉化產生不同的內容），在加拿大可能不適用。
CanLII的案件讓人聯想美國的類似案件：Thomson Reuters v. Ross Intelligence，Thomson經營著名之Westlaw法律研究工具，被告則建立一與Westlaw競爭的機器學習平台而被告侵權，其辯護理由之一是，司法判決本身屬於公共領域，因此不存在侵權行為。Thomson則堅稱其描述案件的提要，可受著作權保護。Ross也提出合理使用辯護，即其已產生一些新的、不同的東西，並不與Westlaw的產品直接競爭。法院初判Ross構成抄襲，但Westlaw的編號檢索系統(Key Number System)和判決摘要是否具著作權還需由陪審團裁定，該案仍未結束。(請參閱：美國著名法律資料庫控告AI新創著作侵權之即席判決出爐)
Caseway的做法是否違反著作權法？針對AI抓取著作權資料的問題，本案的核心挑戰在於，CanLII彙編的「司法要素」(judicial ingredients)可否受到保護？如是，Caseway是否可攫取這些資源並將其打包出售，或納入AI驅動的法律工具中，而無需支付合理報酬。如果法院認定Caseway的行為超出可接受的範圍，這將使加拿大司法制定新的指導原則，進而釐清對法律資料庫的大規模數據提取，何時會構成不公平或侵權行為
（二）CBC and The Globe & Mail v. OpenAI
1.《環球郵報》等加拿大廣播媒體提告OpenAI
加拿大主要媒體與廣播機構組成的聯盟 -- 包括多倫多星報(Toronto Star Newspapers)、環球郵報(Globe and Mail)、加拿大廣播公司與加拿大新聞社等媒體（以下統稱「原告」）[3]，於2024年11月28日向安大略省高等法院(Ontario Superior Court of Justice)，對OpenAI及其關係企業（以下統稱OpenAI）提起訴訟，指控其非法爬取原告受著作權保護的之新聞內容，用來訓練其AI模型從而侵犯著作權。這些媒體認為，未經授權利用其等之專有內容來開發商業AI工具，屬於非法複製與散布受著作權保護的作品。
2. 本案起訴之訴因
OpenAI因樹大招風，在美國早已是無數AI訴訟被告數量的冠軍，而這次是加拿大新聞與廣播界首次對OpenAI展開法律行動。原告指控OpenAI非法存取並使用其內容，來訓練其AI模型ChatGPT。原告指控OpenAI侵犯其根據加拿大《著作權法》所享有的權利，這起訴訟的核心涉及四項法律依據：(a) 被告未經授權使用原告著作權作品，違反《著作權法》第3.1條和第27.2條；(b) 被告規避原告為防止他人複製和存取其作品，所採取之技術保護措施(TPMs: Technological Protection Measures)，違反《著作權法》第41和41.1條；(c) 被告違反原告管理其網站的線上使用條款和條件，即合約之違反；(d) 被告竊用原告的智財權而收取不當得利。原告部署大量技術措施，來限制在其網站上存取其著作權作品，包括防止自動抓取資料之機器人排除協議(Robot Exclusion Protocol)，原告指控被告破壞這些技術保護措施，以獲取其作品並將其用於商業目的。
原告尋求法院以下裁決：(i) 判定OpenAI負法律責任；(ii) 負擔損害賠償及費用；(iii) 頒發永久禁制令，要求OpenAI禁止在未經原告事先書面同意情況下，未來繼續使用其新聞內容。這些媒體尋求遭非法用於訓練ChatGPT的每篇新聞文章，要求向OpenAI索賠每項遭侵權的作品2萬加幣（約14,300美元）的損害賠償，總金額可能高達數十億元。此外，原告聯盟還要求法院頒布命令，強制OpenAI分潤其因使用新聞內容所獲得的收益。
3. 被告使用RAG「檢索增強生成」侵害著作權
原告指OpenAI曾公開承認使用「網路爬取」(Scraping)，與一種稱為「檢索增強生成」（Retrieval-Augmented Generation，以下稱RAG）技術來訓練其AI模型[4]。網路爬取是一種軟體技術，能系統性地存取公開網站，以查找並複製所需之特定資訊；而RAG技術則可即時存取資料，讓AI模型在產生回應前，利用檢索其最初訓練範圍以外的其他額外數據集，創建附加資料以提升生成結果的品質，這有助於AI模型提供更準確、最新和相關的答案，並藉以避免AI常產生之「幻覺」（hallucinations，AI生成的虛假或誤導性材料）。
OpenAI擷取這些資料引發非法挪用智慧財產，原告進一步指控侵權的，不僅是OpenAI最初訓練模型時使用的數據，還包括OpenAI在模型開發完成並公開發布後，用來增強其模型過程的處理方式也侵犯其權利，因為OpenAI透過RAG的技術，使其AI模型能持續造訪存取額外附加的數據集，該數據集會根據使用者的查詢不斷持續更新。與初始的數據集不同，原告聲稱OpenAI持續透過從網路上抓取或複製資訊，來不斷更新RAG數據，包括反覆爬取或複製原告的網站內容、及其受著作權保護的作品。
4. 被告侵害規避技術保護措施
原告主張，雖然其新聞報導、圖片、音訊檔案與影片等內容，可在其網站上公開瀏覽，但OpenAI在未獲得許可的情況下，非法作為其AI模型的訓練資料。此外，為了維護新聞品質並防止未經授權存取其內容，部分原告已採取TPM措施，如付費牆(Paywalls)、基於網路的排除協議(Web-Based Exclusion Protocols)、訂閱和帳號限制機制(Account-based Access)等。原告指控OpenAI透過爬取與複製相關內容，繞過這些TPM。原告認為，OpenAI明知或應當知悉其存取的資料內容受著作權保護，因此，其行為已構成著作侵權。
5. 本案與《紐約時報》起訴OpenAI與微軟之比較
儘管以上對OpenAI的訴訟是加拿大首例，但OpenAI在美國早已面臨多起類似指控。其中最具代表性的案件，係2023年12月《紐約時報》對OpenAI和微軟提起的訴訟，(請參閱媒體巨擘控告ChatGPT著作侵權案--New York Times v. Microsoft & OpenAI) 指控內容與加拿大的案件相似，美加的兩起訴訟雖然都涉及著作侵權但有所不同：
1. 加拿大的案件主要關注於OpenAI的數據爬取(Data Scraping)行為，指控OpenAI未經授權存取並使用新聞內容訓練AI，強調專屬內容如何被不當存取利用；違反網站使用條款與規避技術保護措施；《紐約時報》案則側重於透過AI生成內容侵害著作權，主張ChatGPT模型「記憶」（重製）其新聞報導，並在提示時重現該內容的能力，甚至有時會產生不準確之資訊和「幻覺」。《紐約時報》指責，這種不準確的內容可能導致將錯誤歸咎於新聞機構，從而損害其聲譽和商業利益。
2. 《紐約時報》案ChatGPT透過模型訓練與資料擷取，未經授權重製與創作衍生作品，Bing Chat與Browse with Bing等應用未經授權檢索並散播最新新聞；加拿大案件則透過資料擷取與RAG訓練模型重製作品。
3. 加拿大案件主張針對資料擷取與儲存行為（輸入階段）提告，而紐約時報訴訟則較著重於輸出（生成的新聞內容如何影響流量與收益）。再者，不同於美國以轉化性為合理使用的核心，加拿大案例法並未明文以轉化性作為公平使用(fair dealing)標準，這或使OpenAI在加拿大抗辯更為困難。
（三）Atlantic, Politico, Vox (Condé Nast、McClatchy) v. Cohere
1. 美加等新聞廣播媒體提告Cohere
美國幾家主要新聞媒體和雜誌出版商、以及加拿大之《多倫多星報》(Toronto Star)和Vox Media等共14家美加出版企業[5]，2025年2月13日聯手向紐約南區地院，對位於多倫多的一家加拿大AI新創公司Cohere[6]提起著作侵權訴訟，指控：(i) Cohere未經授權從網路上爬取其新聞文章，並將這些內容用於訓練AI語言模型；(ii) Cohere的AI服務模仿其內容，並與原告的新聞產品存在競爭關係。原告不僅要求Cohere對每件侵權作品，索賠高達15萬美元之損害賠償，並尋求法院對Cohere頒發永久禁制令，以阻止Cohere繼續侵權。這件訴訟使Cohere面臨與OpenAI類似的法律處境，凸顯當AI開發商在未獲授權情況下，使用第三方資料時可能引發的法律風險。
2. 原告指控被告逐字複述和替代摘要
原告在起訴中表示，Cohere「在開發和運行其生成式AI系統時，廣泛未經授權使用出版商內容」，並列出4,000篇據稱用於訓練和展示實時內容的文章。聲稱，即使出版商的內容需要付費，或網站已阻止其機器人進行抓取，Cohere仍複製出版商的內容。原告表示，Cohere對使用者提供出版商原創新聞內容，而且是「逐字複述、完全替代原告之摘要和新聞報導」。當其容未呈現與原告相同之複製時，聊天機器人就會產生「有害的幻覺」，甚至以出版商的名義發表虛假文章。
原告起訴狀中主張，Cohere透過大規模且系統性地侵犯媒體內容的著作權與商標權，造成超過50億美元的損害。在一名為「Under the Hood」的功能中，Cohere展示其在生成輸出內容時所複製的來源資料，其中包括原告文章的完整副本，甚至標示複製的時間戳記。原告認為Cohere的行為構成竊取，並在起訴狀中詳細列舉逐字抄襲的情形，甚至指出有些內容在文章發表後不到一小時內即被複製使用。原告指控，Cohere在截圖中顯示一則請求，要求摘要一篇來自《Star-Telegram》的文章；截圖內容呈現模型在輸出區塊生成回應的開始部分，以及「Under the Hood」中所揭示的生成細節。使用者可透過展開「Under the Hood」，閱讀Cohere透過網路搜尋功能取得、並用於生成回應的完整原始文件副本。
再例如，當被要求提供《洛杉磯時報》2024年10月的一篇特定文章時，Cohere 逐字逐句地轉述整篇文章 ，只對措辭和標點符號做細微的改動。當被問及邁阿密戴德縣(Dade County)之公共交通系統的財政壓力時，朗讀《邁阿密先驅報》的全文，只對第一句話做了微小的改變。在另一個提示中，Cohere 被要求提供一篇《福布斯》文章的文本 -- 結果Cohere如實提供並還附上《福布斯》作者的署名。此種AI工具逐字逐句之複製情況，最早出現在《紐約時報》控告ChatGPT著作侵權案。
二、生成式AI著作侵權之核心思辯 I -- 複製概念之解構
以上這些訴訟中指控的核心問題在於，OpenAI是否透過使用爬取內容來複製這些作品，並將其未經授權地用於牟利。但爬取真的等同於複製嗎？
（一）複雜技術概念：向量嵌入是否構成複製？
依加拿大著作權法第3.1條規定：以任何物質形式製作、複製作品或其任何實質性部分，因此一般觀念上，網路上爬取資料的動作會構成重製。但有論者認為，以上這些案件為法院提供一個關鍵機會，去重新審視是否將「複製」(Copying)這個長期存在的傳統法律概念，適用於一種稱為「向量嵌入」技術(Vector Embedding)之創新應用上。因為AI資料處理經常採用向量嵌入，將文本轉換為「向量」的數值代碼(numerical codes)，然後使用這些向量建構從大型語言模型接收的輸出回應。法院必須審慎檢閱這種技術，以確定其是否構成現行著作權法所規定「複製」的定義，這種檢查將有助於說明，如何將著作權法概念應用於AI技術發展上。
這些論者主張：「訓練過程中之複製，本質係為訓練而並非是要去實際抄襲，因而不屬於傳統之複製」，其倡議係為因應AI發展就需解除著作權之束縛，並隨著科技進步將複製的概念加以轉換，使訓練過程中之複製不視為一般違法複製。因為當今生成式AI訓練資料已不可或缺，由於電腦看不懂人類的文字圖畫，所以需先將其做向量嵌入，以編碼的方式運作讓電腦看懂，好讓電腦可以利用線性代數中做矩陣數值運算，因而此係不得不進行之動作，故認知上應轉為科技上的「向量嵌入」，而不再僅從形式外觀上，機械式地套用傳統複製概念。換言之，將資料爬取置入訓練這個動作，當成是數學上向量之一種必經過程，以此來突破傳統上著作侵權的認定。
（二）抽取元數據、字句間關連性與權重並不等同於複製？
更有論者進而認為，細繹聊天機器人的訓練方式會發現，生成式AI案件中被告所揭櫫之「爬取並不等同於複製」(scraping isn’t copying)的觀點，應是法院值得思考的。從新聞網站爬取資料，縱使涉及製作過程之臨時複製(temporary copy)，但其目的是拷貝全文後，再「抽取元數據」(abstracting metadata)、尤其是關於字和字、句子和句子之間的關連性與權重、與不受著作權保護之統計模式(statistical patterns)或詞頻(word frequencies)等資訊，結合這些數據創建一個「新的人工製作」(new “artifact”)，故從運作過程上看，其所著重的已非對原訓練數據的「單純複製」。由此可知，生成式AI模型並非是設計來「複製資料」，其主要目地係從資料中，找出著作權表達層面以外的抽象化知識(at an abstract and uncopyrightable level)。
知名之非營利組織「創用CC」(Creative Commons)對此表示贊同，認為OpenAI使用新聞資料來訓練聊天機器人，類似於Google將數百萬本書籍數位化，以建立一個可搜尋的資料庫，兩者都是原始材料的「轉化性使用」(transformative use)。其生成的最終產品可有不同之用途，既不會與原創者競爭，也不會奪走其任何的原創。
（三）向量嵌入 v. 隱喻性複製
這些案件原告主張，資料爬取行為即包含「複製」的行為。然而，被告辯稱其僅係採用「向量嵌入」，將文本轉換為「多維度數值表示」(multidimensional numerical representation)，故OpenAI質疑將文本及其關聯轉化為數值編碼，是否構成「複製」即大有問題；但原告認為最高法院曾暗示，隨著科技演進，將作品轉換至另一種媒介的「隱喻性複製」(metaphorical copying)，亦可能納入法律上所稱複製行為之範疇。事實上，這也可能直接涉及「科技中立」(technological neutrality)原則，即在數位時代著作權法應如何詮釋與適用。這或許使著作權人有機會主張，著作權法應採取較現有條文更寬廣的解釋方式，以因應新興科技的變化。
以上「向量嵌入」非複製的這種見解，是否為法院所接受尚不可知。然而，筆者認為甚值商榷，因為在目前既有著作權法制之下，要將其解釋為不屬於複製顯然有所困難，資料抓取已是複製無從開脫，因而恐怕無法從複製定義上去突破。解決之道，恐需遵循歐盟「資料探勘」之責任豁免的立法例（儘管資料探勘與生成式AI二者有相通之處但並不等同），因為「向量嵌入」畢竟也是資料探勘中的一環，一旦資料探勘於「訓練過程中」得以豁免（但須有一定條件配合），爬取資料進行「向量嵌入」即屬不侵權之例外（至於「生成之結果」是否實質近似，則是另一個議題），而毋需繞圈子勉強曲解「爬取行為只是向量嵌入而非複製」。 (請參閱因應生成式AI我國應修改著作權法嗎？ -- 以美國、日本與歐盟模式為例)
三、生成式AI著作侵權之核心思辯 II -- 公平使用之建構
（一）AI資料擷取與公平使用
AI對資料之擷取著作侵權，與傳統的著作權糾紛的區別在於，被告涉嫌侵權的規模和性質。傳統著作權案件，如出版商未經授權使用他人文章印書的簡單情況不同，因AI系統是透過複製、處理並內化(internalize)大量文本來「學習」模式；這種「數據攝取」(Data Ingestion)過程，已遠非傳統出版方式。因此，法院面臨之法律問題：使用受著作權保護的文本作為AI訓練數據，是否構成「公平使用」（Fair Dealing，大英法系或稱「公平處理」，即美國法之「合理使用」(Fair Use)）等例外的非侵權行為？
（二）公平使用豁免之法律原則
像OpenAI等被告未經授權，透過爬取複製他人作品將其用於牟利，能算是「公平使用」嗎？OpenAI辯稱，其利用網路上的新聞內容來訓練其聊天機器人，並不構成非法複製，而應屬於「合理使用」(Fair Use)，該公司還引用多位法律專家和民間組織的意見支持其立場。
在美國，合理使用為針對著作權侵害的一項法定抗辯，其核心精神與加拿大之「公平使用」抗辯原則相似。合理使用原則允許在特定情況下，未經授權得將受保護之作品用於若干限定目的，如研究、個人學習、教學、評論、新聞報導、戲謔模仿(parody)或諷刺等目的皆屬之。根據美加兩國的著作權法，允許未經授權複製受保護作品，在上述特定情況下可能構成「公平使用」，但法院在審酌時通常會綜合考量多項因素，包括：使用之目的（商業或教育用途）、所使用內容之數量與比例或其範圍、以及該使用對原作市場價值或潛在市場的影響等。然而，大英法系之公平使用原則似較嚴格，其適用須符合特定法定類型的使用目的，限制性更高。
合理使用或公平使用制度的核心精神，目的是在「保護創作者權益和創造力」與「促進文化創新和自由表達以增進公共利益」二者之間，建構一種法律上的平衡架構。在適用時，美國法院會特別重視侵權內容，是否具有「轉化性合理使用」(Transformative Fair Use)之判斷，亦即評估所使用的內容，是否對原作進行實質改變，賦予新的表達、意義功能或用途，尤其需視被告使用之目的和性質，而非僅僅是對原作的單純複製或再現。但原告往往抨擊被告使用其內容，來訓練AI模型並無任何「轉化性」可言，因此不應受「合理使用」保護。
四、生成式AI侵權案判決結果難料
對於目前各國繫屬正進行之生成式AI侵權案件，二造間結果究竟鹿死誰手很難預測，這是因為：
（1）各國著作權法規範存有差異：不同司法管轄對「合理使用」或「公平使用」的定義不一、案例法原則適用標準不盡相同。例如，美國可能強調四項判斷原則尤其是轉化性使用、對市場影響與公共利益判斷；而歐洲則重視使用目的與對權利人造成不合理之損害衡量。此外，法院對新興技術的解釋彈性，也因國而異；
（2）AI模型的訓練與生成機制多樣：不同AI公司採用的模型架構、資料處理與輸出方式不同，這些技術細節決定模型與侵權行為間的法律關連；
（3）原始內容創作者是否設有保護措施：例如付費牆、登入限制或防爬蟲機制，進而左右對AI公司資料使用正當性的認定；以及
（4）內容生成的方式：AI吐出的是否與原作達到實質近似，抑或衍生「轉化性使用」。
因上述因素交織，目前全球正審理的生成式AI侵權案件，法院必須深入個案查閱技術細節、運作脈絡來判斷，導致案件審理困難且結果高度不確定性。未來此類案件的法律解釋與判決結果，或將逐步釐清AI模型在資料訓練、生成與商業化應用上的界限，進而重塑全球AI產業發展方向與風險管理。
五、結論
值得注意的是，生成式AI與資料探勘二者即使不能畫上等號，但從法律的角度言，在生成式AI的運作中，常會需要用資料探勘方式攫取有價值和知識性的數據。因此，針對二者都會進行資料爬取也就是複製這件事情上，法律評價上應是相同的，而歐盟《DSM著作權指令》（Directive on Copyright in the Digital Single Market）第4條：文字和資料探勘的例外或限制(Exception or limitation for text and data mining)，給出一個可參酌的立法模範，至少解決了部分問題。
以上這些訴訟的結果，將會重塑加拿大法律對AI模型訓練的見解，而深刻影響授權市場。如果法院認定構成侵權，可能會迫使AI開發商不得不尋求授權、實施更嚴格的過濾機制，或大幅縮減其使用的資料範圍，使媒體機構付出更大成本。反之，如果法院認可AI訓練屬於合理使用，則當然會削弱內容擁有者之新聞機構於授權交易市場的掌控能力，而讓AI開發商擁有更大的創新空間。
目前AI技術因不斷突破已遠超越監管的步調，並迫使法院不得不做出回應，嘗試釐清AI適用著作權界限。而AI的快速發展，加上產業的創新動力超出立法的反應速度，以致形成一個全球性的法律戰場，開發AI模型的企業正不斷挑戰現有的著作權法規範。回顧過去歷次重大科技革新浪潮 -- 從早期的網際網路崛起，到數位串流媒體的普及 -- 這類法律糾紛最終會塑造並影響未來的技術發展與法律格局。(8631字；圖1)
[1] CanLII特別以網站使用條款之違約當作訴因，似覺得著作權案本質上有點不穩，更保險的途徑是透過違反合約來加強著作權侵權主張。
[3] 原告還包括Postmedia Network Inc.、Metroland Media Group及加拿大廣播公司(Radio-Canada)、PNI Maritimes LP。
[5] 原告還包括：Advance Local Media、康泰納仕Conde Nast、大西洋月刊The Atlantic、福布斯Forbes Media、衛報The Guardian、商業內幕Business Insider、洛杉磯時報LA Times、McClatchy Media、Newsday、Plain Dealer Publishing、Politico、The Republican等。
[6] 該公司目前價值50億美元，於2019年由Google研究員Aidan Gomez和Ivan Zhang創立。此前，包括獲得諾貝爾物理獎的大咖Geoffrey Hinton、李飛飛、Raquel Urtasun和Pieter Abbeel在內的AI偶像紛紛湧入該公司。
作者資訊：
陳家駿律師 台灣資訊智慧財產權協會理事長
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|