【觀點】當AI也拿起畫筆,生成的作品是「創作」還是「模仿」?一次打破常見誤解
【觀點】當AI也拿起畫筆,生成的作品是「創作」還是「模仿」?一次打破常見誤解

觀點文章呈現多元意見,不代表《WEB3+》的立場

##### AI時代的版權新挑戰:用AI創作會侵權嗎?

在數位創意領域,人工智慧(AI)及其在生成型AI上的應用已經開啟了一個新時代,挑戰著傳統的著作權法界限。

與一般認知相反,AI的機器學習過程並不類似於侵權人典型的重製或模仿;相反的,AI的機器學習更像人類學習的過程,是透過對作品的接觸,去學習色彩、語言及圖案排列的邏輯跟呈現順序,進而憑藉學習成果產出全新、不具與學習素材實質相近的著作。

本文旨在深入探討AI機器學習的複雜性,並同時闡明其法律含義,並透過引述近期的重要案例來糾正常見的誤解。

##### AI如何生成圖片、文字?

生成型AI的基本原理是透過對資料、數據的學習來創造新內容。與著作權侵害典型的態樣「散布」、「重製」及「改作」不同,它更多地是從現存著作及數據中進行「學習」。

圖像生成

1. 數據分析與模式學習: 用於圖像創作的生成型AI,首先透過分析大量圖像數據開始。

這包括識別圖像中的物體,還要理解筆觸紋理、色彩漸變、光照及空間關係等更深層次的元素。舉例而言,一個成熟的生成是AI在學習風景畫時,會於識別不同的元素後,如筆觸、色彩混合技術以及光影的交互作用,應用這些元素於產出之作品中。

2. 特徵提取: AI演算法中的卷積神經網路(convolutional neural network),可以藉由圖像作品特定特徵之提取,進而達到識別、並分離圖像各種特徵,如邊緣、形狀和紋理之效果。而「特徵提取」對於AI機器人理解不同藝術作品之風格、筆觸及畫技至關重要。

3. 全新作品之生成: 一旦AI透過特徵提取、數據分析學會了特定技巧及藝術風格,它就可以生成新圖像。

這通常是使用生成對抗網絡(Generative Adversarial Network,GANs)來完成的。GANs包括圖像生成器及圖像鑑別器,透過生成器及鑑別器之交互作用及迭代之過程,生成式AI最終會製作出風格、特徵上接近訓練數據之圖像(通常是指控侵權著作),但在實際比對卻與訓練數據之圖像無實質近似性。

文本生成

1. 數據獲取與語言模型建立: 對於文本生成,像ChatGPT這樣的AI模型吸收大量文本數據,包括但不限於書籍、文章、網站內容,甚至是對話紀錄等廣泛來源。AI藉由文本數據構建出一個能理解語法和推論出上下文的語言模型。

2. 語言預測: 文本生成式AI中,最普遍的語言預測模型是n-gram,它會計算「特定詞或短語」後接續詞語的概率,進而達到慣用語表達、敘事結構和主、受詞之一致之目的。然而,語言預測模型n-gram常見於文法、拼寫檢查,但難以處理較複雜的文本生成。

3. 編碼及文本理解: 對於上下文延伸以及整篇文本生成之複雜任務,n-gram模型就顯得力不從心,這是因為它只能從有限的上下文信息進行預測,而非理解文本之語意。

相反地,Transformer模型透過自注意力機制(Self-Attention)將文本中的文字轉換成向量(Input Embedding),再透過位置編碼(Positional Encoding)加入文字順序信息,來達到整份文本脈絡之全面理解。

4. 文本生成: 透過編碼器(Encoder)對文本進行深度理解後,解碼器(Decoder)則負責根據學到的文本特徵進行文本生成。

這過程中,即使文字間長距離依賴關係可以被有效捕捉。上述Transformer模型的特性,讓它得以生成前後連貫,而且具有創造性的文本。這種生成過程不僅基於對原文本深層次語意的理解,而且能夠在深度學習後創造出在文義上符合邏輯、在內容上具備原創性的文本。。

##### AI生成與版權侵犯差在哪?

從前述圖片及文本生成的原理可以知道,AI生成內容的方式與著作權法裡所規定的侵權態樣大相徑庭,從以下幾點觀察尤其明顯:

1. AI中的創造性本質: 生成型AI顯然不是不簡單地將其學習的資料(現有作品)進行「複製」或「再現」。

反之,它是從大量數據及資料中學習文本的底層邏輯、文章結構及風格,綜合這些元素後,來創造具備新穎信的著作。例如,在圖像生成中,儘管AI可能從現有的藝術作品中學習,但產生的最終圖像絕對不是複製自認和現存的著作,而是將深層學習的成果進行重組、轉譯而生的新創作。

2. 法律解釋: 從法律角度來看,AI生成內容與人類複製之間的區別是顯著的。著作權法的基礎概念是「僅保護想法之表達,而非想法、觀念或系統本身」。

由上述可知,AI生成的作品是從訓練數據(原作品)中學習底層邏輯、文章結構、圖像作品之作畫風格、筆觸等想法及觀念,而絕對不是去「再現」或「重置」訓練數據(原作品)之表達。

AI生成作品的方式顯然挑戰傳統著作權侵犯的界限。像「Andersen v. Stability AI Ltd」此代表性的案例中,訴訟上法律的攻防重點就是在Stable Diffusion生成之圖片不構成侵權之情況下,它使用受版權保護的圖像來訓練AI是否構成侵權。

3. 轉化與合理使用: 從AI生成之作品來討論是否構成侵權,則會去討論到生成作品具備足夠之轉化性——這代表生成式AI在原作的基礎上增添額外的表達,甚至賦予新的意義,這時候就要討論是否有構成「合理使用」之可能。

這取決於AI創造出與原作顯著不同作品的能力。目前DALL-E就是為了比免這樣的法律爭端,所以全面禁止以提供以AI在原作品上進行改作的功能。

利用AI對現存著作進行改作的爭議再進起打到高峰,近期風靡全球的「帕魯世界」,就是利用生成式AI,將多隻寶可夢進行改作,甚至是多隻寶可夢的融合。針對文本生成上,Thomson Reuters v. Ross Intelligence案之審查中,雙方對於AI所生成的法律問件事構成合理使用的爭點有深入的討論,並做出肯定「合理使用」之結論。

🛎️延伸閱讀: 【觀點】角色像《寶可夢》也沒差!從捲入抄襲爭議的遊戲「Palworld」,看AI時代版權問題

##### 生成式AI,對著作權法有哪些影響?

AI生成內容的過程,在圖像和文本背景下展示了一種與直接複製或再生不同的創造性形式。這種區別對於理解為何AI的學習和生成方法不同於著作權侵犯之態樣至關重要。

隨著AI的不斷發展,現存著作權隻法律解,釋必須有相應地修正及發展。隨著AI技術的持續推廣和更新,著作權法所面對的創作太樣正處於不斷變化之中。

「AI的學習、生成模式」與「著作權之重置態樣」、「人類對想法、觀念學習」之區別不僅僅在定義上大相逕庭,也同時涉及深遠的立法邏輯和創作倫理之解讀。

隨著AI技術的進步,現存的法律框架並定會進行修正;然而,相應法律修正的方向,有賴於立法者要如何平衡「AI創新潛力」與「保護原創作品與」這兩個價值。

因此,下次當您遇到生成式AI是否構成著作權侵害的辯論時,請記得這是兩個價值的折衝,絕對不要基於過時的觀念草率地做出「生成式AI侵害原作著作權」的結論。

觀點文章呈現多元意見,不代表《WEB3+》的立場

往下滑看下一篇文章
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證

重點一:數位詐騙生命週期極短,打完一波就轉移陣地,「下架」只處理了眼前的內容,處理不了事後追查。

重點二:台灣數位安全發展協會以AI蒐集、分類詐騙廣告,九成以上工作可由AI完成,最終判斷仍保留人工背書。

重點三:透過司法聯盟鏈b-JADE,只把資料的「數位指紋」上鏈存證,原始資料另行保存,目標是降低被害人的訴訟舉證成本。

一則可疑的投資廣告被檢舉、下架,帳號也停權了,多數人以為事情就此結束。真正麻煩的是,廣告消失的那一刻,追查詐騙集團的線索也可能跟著消失。

為了補上這個缺口,台灣數位安全發展協會正與司法聯盟鏈「b-JADE」合作,替詐騙相關資料做存證。b-JADE是一套以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務;資料一旦上鏈,任何改動都會留下痕跡。白話說,就是替數位證據貼上「封條」,讓證據從蒐集到進入法庭,都能驗證有沒有被動過手腳。

詐騙廣告下架,為什麼還不夠?

原因在於數位詐騙的生命週期太短,下架只能處理眼前的內容。台灣數位安全發展協會理事長劉彥伯指出,傳統電話詐騙一套劇本可以拉長到半年、甚至一年;數位詐騙則像打游擊,一波結束就移往下一個平台,從廣告、社群到另一個App,一路跨平台引導被害人。

更大的問題是證據跟著斷線。被害人發現受騙時,可能已是半年後,手上通常只留得住最末端的匯款與聯絡紀錄,最初看過哪則廣告、點進哪個網站,早已消失。等到一、兩年後警方抓到詐騙集團,對方就能在法庭上反問「你怎麼證明我投過這則廣告?」劉彥伯以假設情境說明,一個集團原本可能詐騙了30億元,最後因證據不足,認定金額只剩幾千萬甚至幾百萬元。

不過,詐騙活動都會留下數位足跡,包括投放帳號、代理商、投放時間、運作國家與網址註冊紀錄,只要事先保存,日後調閱就「有憑有據」。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯
圖/ 數位時代

AI都這麼強了,為什麼還要先做資料治理?

台灣數位安全發展協會的核心主張是:好的資料分析,從好的資料治理開始。所謂資料治理,就是把散落在各平台、格式不一的碎片資料,整理成來源清楚、格式一致、可以互相比對的資料。協會先確認每筆公開資料的來源、時間、權限、版本與隱私,再標上事件分類、風險評估、曝光平台、投放者與網址等標籤,才能找出彼此關聯、還原詐騙網絡。

根據協會的實證簡報,系統在一段監測期間內掃描309.5萬則廣告,通報62.8萬則(約占20%),投放當日偵測率達99.21%。劉彥伯也提到,協會與資安院、數位發展部在打詐通報查詢網的合作中,判斷率接近百分之百。

那還需要人嗎?答案是需要。現行法律仍要求有人為判斷結果背書負責,加上詐騙劇本會隨被害人的回應即時調整,因此協會讓AI處理九成多的工作,最後由人做判斷。

截圖不能當證據?b-JADE如何替詐騙證據貼上「封條」

在AI改圖越來越容易的今天,單純截圖很難在法庭上證明自己沒被竄改過。劉彥伯的比喻是:截圖比較像「我那天真的看過,還拍了一張照片」;可信存證則是把證物放進有封條、有時間、有編號、有保管紀錄的證物袋,「重點不是有沒有留下東西,而是未來能不能驗證這是不是當時那一份」。

這也是b-JADE派上用場的地方,但並不是把所有資料都放上區塊鏈。協會把原始資料與AI分析結果,保存在權限受管控的系統裡,只把每份資料的「數位指紋」交給b-JADE存證。數位指紋的特性是,內容只要有任何改動,指紋就會完全不同,因此能證明資料沒被動過;需要時,再經授權調閱原始資料,兼顧隱私與驗證。依b-JADE規範盤點,協會既有流程已符合19項要求,其餘7項缺口也逐步補強,例如存證時間改採具公信力的標準時間來源,不再依賴電腦本機。

防詐能從事後追查走向事前預警嗎?

可以,協會正把存證從被害人受騙後,往前推到「主動式上鏈」:AI判定高風險的內容,先一步蒐集存證,不必等到有人受害。

小農是第一個場景。許多消費者在網路上支持小農,錢最後卻流進冒名的詐騙集團。協會因此與農業部合作推出「農本人」系統,讓小農自行登錄銷售管道與社群帳號形成白名單,再結合AI蒐集的黑名單,一旦遭冒名就能第一時間發現並報案。這套模式未來也可延伸至網路霸凌、性私密影像等案件。

制度面也在加速。2026年8月,司法聯盟已開設認證專班,邀集司法院、法務部、高檢署、調查局與警政署相關人員受訓,相關存證應用預計明年正式推出,時程仍待聯盟拍板。

劉彥伯坦言,目前從蒐集、分案到下架的流程仍然冗長,技術正好能在保留人為背書的前提下縮短流程。他在《數位關鍵字》節目尾聲留給聽眾的一句話是:「數位安全不只是技術工具,也涉及資料的可信、法遵治理與跨領域合作。」當AI幫人更快找到線索,經得起驗證的資料,將讓每一位被害人在法庭上多一分底氣。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯認為,可信存證的重點不是留下東西,而是未來能被驗證。
圖/ 數位時代

常見問答
Q1:詐騙廣告被下架後,還能當作證據嗎?
A:若事前沒有保存,下架後就很難追溯。台灣數位安全發展協會建議在內容消失前,保存投放帳號、代理商、投放時間、運作國家與網址等數位足跡,日後才能據以向平台請求調閱。

Q2:手機截圖可以當作詐騙證據嗎?
A:截圖只能證明「看過」,難以證明未被竄改。在AI改圖越來越容易的情況下,透過數位指紋與具公信力的時間紀錄進行可信存證,才能在日後驗證資料是否為當時的原始版本。

Q3:什麼是b-JADE司法聯盟鏈?
A:b-JADE是以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務。台灣數位安全發展協會的做法是只將資料的數位指紋上鏈,原始資料另行保存在權限受管控的系統,兼顧隱私與驗證,目標是降低訴訟舉證成本。

Q4:AI可以完全取代人工判斷詐騙嗎?
A:目前不行。依台灣數位安全發展協會的做法,九成以上的蒐集與分類工作可由AI完成,但現行法律仍要求由人做最終判斷,並為結果背書負責。

Q5:小農要如何預防被冒名詐騙?
A:可登錄台灣數位安全發展協會與農業部合作的「農本人」系統,自行提交銷售管道、粉絲專頁與LINE帳號建立白名單,搭配AI主動蒐集的黑名單,遭冒名時能第一時間發現並報案。

完整對談請收聽《數位時代》Podcast《數位關鍵字》EP264。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓