Skip to content
CC Taiwan
Forum
Facebook
Email
Menu
CC 介紹
專文編年
新聞彙整
找資源
推廣演講
演講記錄
演講申請表
公眾領域
OpenGlam
OpenGlam專文知識庫
OpenGLAM CC授權問答集-著作權
OpenGLAM CC授權問答集-第三方素材
OpenGLAM CC授權問答集-CC授權
OpenGLAM CC授權問答集-合理使用
OpenGLAM CC授權問答集-個資、隱私、肖像、原民傳智權
過往協作專案
記憶庫2.0 x CCTW
關於
NEWS
從 Signals 到 Infrastructure：強化 AI 時代的共享資源
2026-07-02
Article / Licenses & Tools / News / Policy
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...
Read more...
CC Signals 最新進展：有哪些改變？為什麼改變？
2026-07-02
Article / Licenses & Tools / News / Policy
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 與我們在 AI 及共享資源（Commons）相關工作的最新進展，已經有一段時間了。過去幾個月，Creative Commons 持續投入研究，展開大量對話，並與各社群、政策制定者及實務工作者積極合作。與此同時，我們也正式展開 Creative Commons 成立二十五週年的系列活動。這是一個難得的契機，讓我們不僅回顧一路走來的歷程，更重要的是，重新思考下一步應該前往何方。 之所以隔了這麼久才再次更新，最大的原因在於「時機」（timing）。我們刻意抗拒「因為整體科技產業追求速度，所以我們也必須快速行動」的壓力。因為 Creative Commons 所從事的工作，關係到共享資源（Commons）的基礎架構。這樣的工作，需要審慎思考、廣泛諮詢，以及願意正視問題本身所具有的複雜性。 因此，我們選擇放慢腳步。我們沒有急著對第一波 AI 發展浪潮作出回應，而是讓它自然推進，並利用這段時間深入理解：權力正在哪些地方逐漸集中、哪些傷害正在浮現，以及哪些地方存在具有意義的介入空間。如今，我們認為已然站在一個轉折點上，可以開始採取真正能夠產生實質影響的行動。 本文希望邀請你一同踏入這段旅程。我們的目的地並沒有改變；改變的是，我們前往目的地所選擇的路徑。歡迎與我們同行！ 從 Signals 到意向代理（Agency） 當我們最初提出 CC Signals 時，整體構想其實相當直接。我們希望建立一套偏好訊號（preference signals），讓創作者能夠藉此向 AI 開發者表達自己的意向，並透過社群共同遵循的規範（shared norms），引導各方的行為。這樣的思考，其實延續了 Creative Commons 一貫的運作方式。二十五年來，我們始終立基於著作權制度，持續打造各種工具，在維持創作者與再利用者之間適當平衡的同時，擴大知識與文化的可近用性。這段歷史形塑了我們的直覺（與初始的想法）。我們原先認為，只要設計出一套經過審慎衡量、以社群規範為基礎的方法，便能逐步引導整個生態系朝向更好的方向發展。 然而，當我們開始與社群展開諮詢後，很快便發現，事情並沒有如此簡單。來自社群的回饋直接而一致：如果只有偏好訊號，而沒有相應的落實與執行機制，就不足以真正改變既有權力結構。單憑 CC Signals（表意），在一個許多人原本就未曾選擇參與的體系中，無法建立能夠代理創作者意向的機制（agency）。 這些回饋，也迫使我們重新檢視自身長久以來的一些基本假設。長期以來，著作權一直是我們最主要的工具，這樣的選擇（在過去）並非沒有道理。CC 授權已經促成數百億件作品的分享，也協助打造了一個更加開放的網際網路。然而，若將著作權視為面對所有問題時的預設視角，它終究存在其侷限；尤其是在一個由 AI 深度介入（AI-mediated）的環境下，更是如此。 超越著作權 過去四個月來，我們持續重新檢視：在這個全新的環境之下，究竟應該如何支持共享資源（Commons）。 CC 授權（與其條款）仍然不可或缺。未來，它仍將持續扮演促進人類知識近用的重要角色。然而，當議題涉及 AI 時，著作權所適用的法律環境本身卻充滿不一致，甚至往往界線模糊。在許多情況下，CC 授權的限制條件對 AI 訓練並不適用；在另一些情況下，它們則可能適用。在某些司法管轄區，由於存在範圍相當廣泛的法定例外規定，因此，即使不考慮 CC 授權的限制條件，使用 CC 授權作品進行 AI 開發，本身仍可能是合法的。另一方面，作品一旦採用 CC 授權，也經常被理解為：創作者已經允許他人以這種方式使用其作品。而這樣的理解，其實正是 CC 授權最初的設計所自然導出的結果。因為 CC 授權本來就是透過授與廣泛利用權限，而僅附加有限條件的方式來運作。 然而，CC 授權（與其條款）在設計之初，並未預見今日「主流、以營利為導向」（profit-driven）的 AI 發展模式，會以如此龐大的規模運作，也未預見它所帶來日益擴大的各種衝擊與傷害。同樣地，CC 授權也無法完整承載創作者在這個 AI 深度介入的世界裡所抱持的各種不同意向。有些創作者樂見自己的作品被 AI 系統使用；有些則無法接受；而更多創作者，其立場介於兩者之間。 為什麼需要新的工具 Creative Commons 也曾深入探討另一種可能性：是否可以透過修訂 CC 授權本身，在現行架構下找到解決方案？過去，CC 一直透過授權條款版本更新（versioning）的方式，不斷回應新的法律與技術環境。然而，這一次，我們面對的是兩項前所未有的新因素。 第一項，是制度結構上的問題。CC 授權自始就不是為了將控制力擴張至著作權範圍以外而設計。它刻意將適用範圍侷限於著作權及著作權相關權利，並且明確規定，不得另外增加任何限制，以拘束那些本來就不屬於著作權範圍內的利用行為。 Creative Commons 現行的商標政策，也延續了這項原則。如果有人在 CC 授權之外，再額外增加限制，縮減 CC 授權原本已經授與的利用權限，那麼，該作品便不得再標示為 CC 授權作品。這項原則，正反映了「標準化」（standardization）對開放授權成功所具有的關鍵意義。當使用者取得一件 CC 授權作品時，應該能夠直接依據授權條款本身，判斷自己在再利用時究竟負有哪些義務，而不必另外再尋找其他附加條件。因此，若將整套 CC 授權制度從原本聚焦於著作權的設計，擴張至著作權以外的領域，將會是一項極為重大的改變，也可能對現有的授權生態系造成難以預期的影響。 接著，是第二項因素。CC 授權人（licensors）對於自己的作品應如何被 AI 使用，乃至於是否應該被 AI 使用，本來就存在極為多元的需求與價值觀。因此，我們開始思考：是否應該發展新的工具（new tooling），才能更有效回應這些需求？或許，在開放運動（open movement）內部，有些立場彼此之間，可能本來就難以完全調和。有些人認為，只要任何工具企圖限制著作權範圍之外的 AI 利用方式，就是背離了開放；但也有人認為，建立這樣的工具，實在是勢在必行。 考量共享資源（Commons）的未來，我們目前認為，最適合的方向，是透過發展新的工具來持續創新。如此一來，我們便能在新的架構下，更自由地測試不同方案，探索更多可能性。CC 授權，是因應此一時刻整體策略中的其中一環；此一時刻所面對的，是一個持續演變且尚未被明確定義的法律環境，就像二十五年前，CC 授權最初誕生時所面對的一樣。 共享資源（Commons）的關鍵時刻 一直以來，Creative Commons 所追求的目標始終沒有改變：讓人類知識能夠持續被近用。到了今天，這個目標已經不再只是促進分享而已。這意味著：我們（需要）重新檢視那些長久以來視為理所當然的假設；（需要）確保各個社群，能夠掌握並治理自己的資料；（也需要）承擔這樣的張力：在某些情況下，有條件的近用（conditional access），其實比完全無法近用，更能符合共享資源的長遠利益。共享資源（Commons）若要真正持續繁榮，就需要適當的防護護欄（guardrails）。 今天，AI 系統正以前所未有的規模，大量擷取知識，而其中相當大的一部分，正來自共享資源（Commons）。然而，讓開放分享得以實現的治理機制，並沒有跟上這一波變化。目前，在 AI 系統中，姓名標示（attribution）的機制顯得十分有限，取得同意（consent）的途徑顯得非常缺乏，透明度（transparency）也有所不足。 當共享資源逐漸衰弱時，資訊的控制權便會愈來愈集中。知識將逐漸流向私人資料集，以及由少數參與者所控制的專有系統（proprietary systems）。而這將直接限制：誰能夠取得、驗證，以及建構（相關）資訊。民主制度，有賴於社會大眾能夠廣泛取得可信賴的知識。而公共利益型態的 AI（Public Interest AI），也有賴於多元且高品質的資料。 健全的共享資源（Commons），必須透過兼顧近用與意向代理（agency）、以及開放與課責的制度，來加以治理與維繫。AI 仰賴共享資源（Commons），而不是共享資源反過來仰賴 AI。若我們希望未來的知識能夠持續被分享，也希望 AI 能夠服務於公共利益，就必須確保共享資源（Commons）能夠持續繁榮。這正是 Creative Commons 推動 CC Signals 持續演進的脈絡。 強化 CC Signals 我們對問題的理解（problem statement）並沒有改變，我們最終希望達成的目標，也始終如一。真正改變的，是我們為了抵達這個目標，所打造的機制。 最初，CC Signals 只是聚焦於工具本身，一項相對單純的構想。然而，它已逐漸演變成一項更宏觀、也更具制度性的事務。CC Signals 已經不再只是用來傳遞偏好（preferences）的訊號。它更關注的是：如何回應那些長期使創作者所表達的意向與偏好，容易遭到忽視的底層制度條件。正是這樣的轉變，使我們的工作開始朝向一個更加宏大，也無可避免地更具顛覆性的方向發展，因為這意味著，必須面對那些由主流、以營利為導向（profit-driven）的 AI 發展模式，對共享資源（Commons）所造成的真實傷害。 下週，歡迎再回來看看我們。屆時，我們將進一步分享：基於上述理念，我們目前正在建構哪些具體的介入措施（interventions）。 原文發布日期：2026 年 4 月 23 日 #CCSignals #Commons #AIGovernance #共享資源 #意向代理...
Read more...
CC Signals (CC信號) 實作指南
2025-09-23
Article / News / Translation
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。 每一種信號都包含內容得被機器採用的條件。也就是說，AI 開發者必須滿足這些條件才能使用內容進行 AI 開發。所有條件的設計都是為了在相當規模機器採用裡，推動有意義且可實踐的互惠性。我們的初步提案包括以下信號要素： 名譽標示：你必須依據使用方式、手段與情境，提供適宜的名譽標示。 直接回饋： 你必須向「聲明方」提供金錢或相類支持，用於該方資產的開發與維護；此支持應基於善意評估，考量你對資產的使用情況以及你的獲利手段。 生態系回饋： 你必須對你所受益的生態系統提供金錢或相類支持，基於善意評估，考量你對資產的使用情況以及你的獲利手段。 保持開放： 使用(內容)的 AI 系統必須是開放的。例如，必須符合「模型開發框架 (Model Openness Framework, MOF) 的 II 級或 I 級，或符合「開源AI定義 (Open Source AI Definition, OSAID)」。 🗒️注意：「名譽標示」被納入在每一種信號(組合)中，因為我們相信這是最基本的互惠形式，有助於知識循環。除「名譽標示」外，其他信號元素在本提案中是互斥的。信號(元素)列表刻意保持精簡，好讓更多內容維護者與其社群能協調一致，要求 AI 開發者遵守。這最終將建立起一種網絡化的集體行動，以推動 AI 生態裡的互惠性。 CC Signals 的運作方式 誰在套用信號： 聲明方 (Declaring Party) 是決定收藏內容應如何被機器使用的人(或組織)。有時就該內容，聲明方擁有著作權，或有權代表權利人。在這些情況下，CC Signal(的表意) 在特定司法管轄區或可能具有法律效力。若收藏包括多位作者的內容，聲明方有責任在社群裡協調，以決定應適用何種信號才適當。 信號適用的機器用途之範圍： 聲明方會將 CC Signals 套用到一組標準分類中，從一般類別到特殊類別，例如：文字與資料探勘（Text and Data Mining, TDM）、AI 訓練（AI Training）、生成式 AI 訓練（Generative AI Training）、AI 推論（AI Inference）。為了將全球互通性最大化，這些類別不會由 Creative Commons 自行定義，而是依循 IETF（Internet Engineering Task Force，網際網路工程事務聯盟） 制定的國際標準。CC Signals 的框架會隨著標準類別定稿後而持續演進。所選定的類別，將界定本工具預計處理的活動範圍。 哪些信號被套用： 聲明方可從可用的 CC Signals 中進行選擇，表達其對機器採用(內容)的偏好。這代表聲明方表示依該特定信號元素的條款，該被選類別的機器採用是被允許的。(目前)提案中的四種組合是： 名譽標示名譽標示 + 直接回饋名譽標示 + 生態系回饋名譽標示 + 保持開放 與 CC 授權相似，CC Signals 將同時具備 機器可解讀 與 人類可理解 的形式。其中，人類可理解的解釋——說明當某一信號被套用時會發生什麼——稱為 「聲明 (declaration)」。每一種信號都會有一份對應的聲明，並會依據「聲明方是否具有著作權權限」以及「所選定的機器採用範圍」而有所差異。至於套用 CC Signals 於資料集時所使用的程式碼字串，則稱為 「內容採用表述（content usage expression）」。 法律上的考量 CC Signals 被設計為全球性工具，這意味著它們運作於不同的法律制度中，而這些制度的運作方式並不一致。在機器採用的脈絡下，著作權法往往是有限的、不確定的，且在各司法管轄區之間缺乏一致性。因此，套用 CC Signals 可能會因「由誰套用」以及「在何種情境下套用」而產生不同的法律效果。 在著作權存在並適用的情況下，CC Signals 的目的在於衡平著作權的力量，但不擴張其權限。 這並不是在創造新的財產權，而更像是為機器律定行為規範。 更多細節請參閱完整報告。未來幾個月，我們將重點研究與分析 CC Signals 的法律涵義。 技術上的考量 CC Signals 的設計是建立在 IETF 正在制定的技術標準之上。我們已在 GitHub 上揭露 CC Signals 的技術考量與元件。 依循 CC Signals 名譽標示信號 在大型 AI 模型的脈絡下，出處標示與內容溯源是複雜、困難且隨技術發展快速演變的。然而，這並不意味著「名譽標示」的概念在 AI 環境下是無關緊要或不可能的。我們的目標是建立「可行的規範」，而不是讓「追求完美」阻礙進步。就像 CC 授權中的「姓名標示」條件，我們認為名譽標示的信號要素，可以採任何合理的方式來落實。我們計畫在未來階段制定名譽標示的指引與最佳實踐，並借鑑該領域其他人的進展。目前至少，我們預期這種信號至少要求採用者引註所使用的訓練資料集。至於能讓模型在回應查詢時檢索資訊的技術（例如檢索增強生成 RAG），以及其他技術上可行、能將內容連結至特定輸出的使用情境，這些輸出應提供連結以溯源該收藏內容。 直接回饋信號 這並非被設定為商業交易，而是旨在建立一種結構，讓財務或相類貢獻能支持聲明方的持續發展。套用 CC Signals 不應被視為一種商業模式，甚至不應被視為可靠的成本回收方式。這些回饋應與機器採用的類型與規模、以及採用者的財務能力成比例。與名譽標示類似，我們計畫隨著 CC Signals 的推進，制定直接回饋的指引與最佳實踐。 生態系回饋信號 這種信號旨在推動對整體共享資源（commons）的支持性回饋。雖然初期表述相當廣義且模糊，但我們希望並預期在不同領域與不同類型的採用情境下，會逐漸形成規範、最佳實踐，甚至新的集體導向結構。目標是鼓勵「回饋」的實踐，注入互惠性的規範，以幫助整個生態系統持續運作，造福所有人。 保持開放信號 這種信號元素反映出：讓 AI 模型保持開放——例如釋出模型權重、程式碼或資料集，讓他人使用與於其上建立基礎——是互惠性的一種型態。鑑於本領域已有其他人對「開放性」提供了有意義的定義，我們對此信號的提案也更具體，列出了遵循的具體要求。 為 AI 開發者的遵循提供激勵 我們理解，CC Signals 需要仰賴 AI 開發者的自願參與和遵循。雖然存在許多懷疑的理由，特別是當遵循或許不是法律義務時，而且永遠會有不良的行為者，但我們仍然有許多理由相信它會被廣泛採用。 首先，已有先例。雖然遵循(的表現)並非總是完美，但 robots.txt 多年來一直作為一種方式，用來將有關網路內容被機器採用的期望寫入規範性文件，並幫助維持這種社會契約。我們也看到 CC 授權的成功，證明了自願遵守是可能的。雖然 CC 授權建立在著作權法之上，因此(違反它)帶有侵權風險，但實際上它們之所以有效，是因為人們選擇遵守它們。涉及 CC 授權維護權利的訴訟相當罕見，多數案例與惡意行為有關。反之，如今在共享資源（commons）中已有數百億份 CC 授權作品，因為這些授權植基於人們對於「分享與知識再利用」的直觀公平與利他觀念。 此外，理性行為者也有充分理由去尊重並遵循偏好信號。正如我們在本報告前段所撰，來自整個公開網路的資料是發展大型 AI 模型的關鍵組成部分。若 AI 開發者不尊重創作者的意願，他們將削弱人們分享與廣泛散布作品的動機。隨著時間推移，這將損害所建構的模型與服務的準確性、安全性與時效性。對小型公司、新創公司、非營利組織與學術研究者而言，後果尤其嚴重，因為(這將導致)他們沒有資源而得轉而依賴所付不貲的授權交易。 請立即到 GitHub 分享你的反饋！...
Read more...
CCGN 跨域交流平台轉換通知
2025-09-19
News
Image attribution: Tapestry lawn in autumn by Solstice2015. Reading University. Licensed CC-BY-SA 4.0. 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/...
Read more...
AI 與 Commons：一份閱讀書單
2025-09-18
Article / News / Translation
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。 Distorted Forest Path © by Lone Thomasky & Bits&Bäume is licensed under CC BY 4.0 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 訓練再利用開放網路的個案反思 — Ramya Chandrasekhar https://hal.science/hal-05009616v1 AI 訓練、授權的海市蜃樓，以及支持創作者的有效替代方案 — Derek Slater，Tech Policy Press https://www.techpolicy.press/ai-training-the-licensing-mirage-and-effective-alternatives-to-support-creative-workers/ 「等等，不是這樣的」：生成式 AI 時代的自由與開放近用 — Molly White，Citation Needed https://www.citationneeded.news/free-and-open-access-in-the-age-of-generative-ai/ 禮貌地告訴 AI 走開 — Nick Jackson，dxw https://www.dxw.com/2025/04/telling-ai-to-go-away-but-politely/ AI 是能夠「被同意」嗎？在萬物合成的時代重新思考許可（的定位） — Giada Pistilli，Hugging Face https://huggingface.co/blog/giadap/consentful-ai AI 應該幫助資助創意性勞動 — Mariana Mazzucato，Project Syndicate https://www.project-syndicate.org/onpoint/how-ai-profits-can-help-fund-cultural-production-by-mariana-mazzucato-and-fausto-gernone-2025-07 授權、補償金與著作權的極限 — Paul Keller，OpenFuture https://openfuture.eu/blog/licensing-levies-and-the-limits-of-copyright/ 我們希望你能與我們一起閱讀與學習，分享你的想法，也歡迎你就這份書單推薦其他文章與資源！透過 LinkedIn、Bluesky 或 Mastodon 與我們連結。 原文發布於 2025 年 9 月 3 日...
Read more...
可以使用 CC 授權的素材來訓練 AI 嗎？
2025-07-07
Article / News
文：林誠夏（Lucien Cheng-hsia Lin），CC-BY-SA-3.0-TW+。 「CC 圖示雕像（CC Icon Statue）」，由 Creative Commons 採用 DALL·E 2 AI 平台生成，原圖以 CC0 公眾領域貢獻宣告釋出，本文作者再經 ChatGPT-4o 轉化為 impasto 風格圖像，同樣依 CC0 貢獻於公眾領域。 本文標題若要更具體表述，應該是「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： 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。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。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。 【CC 授權本身即含「重製、散布及公開演播」之授權】 在實務上，AI 訓練的首要關卡是「是否具備合法重製他人著作的授權基礎」。雖然現代著作權制度涵蓋多元使用態樣（如重製、散布、出租、改作、公開口述、公開播送、公開上映、公開演出、公開傳輸、公開展示），然要合法取得他人著作用於 AI 訓練，首要的核心被授權地位，仍然是素材是否可合法「重製」與「公開利用」。近年來涉及生成式AI 著作侵權的訴訟，依 chatgptiseatingtheworld.com 所整理列表所示 (https://chatgptiseatingtheworld.com/2025/06/30/updated-map-of-us-copyirght-suits-v-ai-jun-30-2025/)，相關核心爭議之一，也確實就在取用他人素材時，能否取得合法重製的允許。 2025 年 6 月發布中間裁判的 Bartz v. Anthropic 一案恰為明例，美國加州北區聯邦地方法院法官 William Alsup 裁判 Anthropic 取用他人素材進行AI訓練，就AI訓練成果與輸出應用認定屬於「轉化目的性質的合理使用 (transformative fair use)」，然亦指出 Anthropic 在進行 AI 訓練之時，確實下載並保留了超過七百萬本未經授權的盜版書籍，這是侵犯了原作者著作財產權裡的重製地位，並不屬於合理使用，就此部份將繼續進行庭審，以釐清賠償金額。同年同月於我國科技法律新創圈，引發軒然大波的法源資訊訴七法公司 (Lawsnote)的「臺灣新北地方法院 111 年度智訴字第 8 號判決 (https://www.judicial.gov.tw/tw/cp-1888-1350821-0ca41-1.html)」一審宣判，其中的爭議要點之一，亦在於承審法官認定七法公司擅以爬蟲捉取「重製」之方式侵害他人之著作財產權。 然在開放資料和CC授權領域，並不會產生這樣的問題。事實上所有的 CC授權素材，原權利人皆提供後手利用者得合法重製、散布，以及包括公開播送、公開傳輸及其他各式公開行為之「公開演播」態樣的授權，而論以開放資料，只要該資料是採 OKFN 認定符合開放知識定義之授權條款 (Open Definition Conformant Licenses) 進行發布，原權利人僅得要求後手使用者，必須註引出處或要求相同授權方式分享，其他著作權上的授權允許，則皆是提供給後手的，例如我國訂立符合 Open Definition 的「政府資料開放授權條款－第1版 (OGDL-Taiwan-1.0)」，就明確將「重製、散布、公開傳輸、公開播送、公開口述、公開上映、公開演出、編輯、改作，以及開發各種產品或服務型態衍生物」的地位都提供給使用者。 【訓練成果與輸出是否受 CC 授權條款約束、視原著表達是否仍明確存續而定】 那麼，CC授權的素材可以用於 AI 訓練，但練完 AI 後產出的成果(例如 AI 模型)，還有相關成果輸出的客體(例如以 AI 模型再用於生圖或生文章)，是否還受訓練素材採用的 CC授權限制或拘束？ Creative Commons 於 2023 年底，由當時的首席法律顧問 Kat Walsh 將相關分析表述於「認識 CC 授權與生成式 AI (Understanding CC Licenses and Generative AI)」這篇專論：https://creativecommons.org/2023/08/18/understanding-cc-licenses-and-generative-ai/ ，其後再經接任的 Sarah Pearson，整理於「了解 CC 授權條款與 AI 訓練：法律入門指南」這份文件：https://creativecommons.org/2025/05/15/understanding-cc-licenses-and-ai-training-a-legal-primer/ 。 依據這二篇文件及其相應的輔佐讀物，繪製出如下所示的「AI 與 CC授權流程圖」，要正確解讀該流程圖，閱覽者必須掌控以下幾個要點。 CC授權是輔助著作權利人採預先授權方式，加速其作品的分享與流通的互惠機制。所以 CC授權機制並不會就各國著作權法未加規範之處，施以更嚴格的使用限制。也就是說，若是各國法制裡，已設有資料探勘 (TDM) 或各類合理使用類型的法律允許，則該等 AI 訓練事務，本不需要得到原素材作者的著作授權，亦即亦不需要獲得相應的 CC授權。採用 AI 訓練方式「學習」他人著作，是否構成對原素材著作表達的承襲是複雜的，並不是非黑即白，也有賴個案和輸出成果的驗證。若是不涉及原著作表達的承襲，亦即不涉及著作權之重製、改作與原作的公開演播，僅是學習原作內嵌的事實資訊，則此等利用情境非屬著作權所限制或保護的範疇，亦不會被 CC授權條款擴張拘束。然當 AI 訓練之後的應用情境涉及商業營利時，則為避免擴大使用爭議或風險，一般來說並不建議取用 CC-BY-NC 或 CC-BY-NC-SA 等帶有「非商業性-NC」元素之素材，來進行 AI 訓練。這是因為 CC-NC 元素於法律條款裡，已明定相關被授權地位之實施「僅限於非商業性目的 (for NonCommercial purposes only)」之利用，解釋起來包括取得 CC-NC 素材的前階段重製行為，亦為被授權地位實施 (to exercise the Licensed Rights) 之一環，等同使用者必須承諾重製該素材之後的各式利用方式，也必須建立在非主要為了或直接關於商業利益或金錢報酬的前提下。 “AI and CC Licenses flowchart v5”, provided by “Creative Commons” under CC BY 4.0. 《AI 與 CC 授權流程圖 v5》，由 Creative Commons 依 CC BY 4.0 授權條款提供，經 林誠夏 (Lucien C. H. Lin) 翻譯為繁體中文版本，並同樣依 CC BY 4.0 授權條款釋出。 採此份流程圖用於實務分析時，可以再簡化為以下四點指範： 若個別的 AI 訓練行為，依法毋須取得原作者著作授權，則亦不需要依循該素材釋出時的 CC授權條款及其相關規範。若個別的 AI 訓練行為，必須取得原作者著作授權為前提，那麼這些授權原則上已被 CC授權條款提供，但是，訓練之後應如何遵守 CC授權條款及其相關規範，要看相關成果與輸出，是否涉及對原作品實質近似的著作表達承襲。當相關成果與輸出，與原作品構成實質近似且為受著作權保護的客體，那麼 CC-BY、CC-SA、CC-NC、CC-ND，都會發揮拘束效力。亦即必須善盡原作品的出處顯名標示義務–CC-BY；而若再有發布，也必須採一樣的授權模式來分享生成物–CC-SA；非商業授權的素材，經 AI 轉化後，亦不得用於商業營利目的–CC-NC；最後，CC-禁止改作 於 4.0 版本後的真實定義，在於闡釋經改作後之作品不得再行被發布或分享，所以說，若是採納到 CC-禁止改作 的素材用於 AI 訓練，相關成果就僅得用於個人或法人內部參考之用，不得再行分享出去–CC-ND。最後，基於 CC-NC 元素在定義上的射程範圍，包含重製素材的前階行為，故若要取用 CC-BY-NC 或 CC-BY-NC-SA 用於 AI 訓練，必須要有將其相關風險等價於私有素材 (proprietary materials) 的理解，亦即就將其視為「權利人保留所有著作權利 (all rights reserved)」之素材，僅有在能援引資料探勘 (TDM) 或各類合理使用之法定抗辯時，方才條件式取用，會是比較務實與低風險的作法。 【社會共識與實務操作仍需逐步磨合與調整】 從訴訟觀察可知，AI 廠商已普遍遍歷整個網路空間擷取訓練資料。未來 AI 訓練素材的發展重點，不再是「取量」，而是「取準」、「取合法」。而根據美國著作權辦公室《著作權與 AI 第三報告（草案）》：https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf ，若生成式 AI 的輸出侵蝕到原作品市場，極可能構成侵權，不易被認定為合理使用。而合理使用本質上即屬個案審查機制，無法一體適用。 因此，善用 CC 授權與開放資料所提供的合法、正確且具可追溯性的素材來源，是未來生成式 AI 訓練的務實方向。例如： EleutherAI 所建立的 Common Pile v0.1 廣泛使用 CC0、CC-BY、CC-BY-SA 授權的資源。法國新創公司 Pleias 與法國文化部、Wikimedia Enterprise 等合作開發的 Common Corpus，亦是取用開放授權資料為原則之多語語料庫。 然而雖然大方向是如此，仍有許多需要透過分享、討論，以調校出最佳實踐方案並建立社會共識的應對之方。例如「採 CC-BY 授權發布的素材，是否即必然得用於生成式 AI 之訓練？」這段話初看沒有什麼問題，誠然採 CC BY 授權發布的素材，只要能勤勉的註引出處來表彰原作當事人之顯名地位，後續相關的應用皆在著作權之授權容許範圍之內，然而，具體落實到實作階段，當前 AI 訓練對素材的採用，不再受限於個、十、百、千、萬篇文章或圖畫，而可能涉及浩繁出處，若是個別文章、圖畫的作者都希望被明確表彰，這在 AI 輸出的應用上，幾乎是不可能被完美實踐的任務與要求。目前 Creative Commons 的呼籲是依循 CC授權法律條款裡原有的「合理標示 (in any reasonable manner based on the medium, means, and context)」機制，來進行處理和應接，亦即當涉及 AI 訓練時，或許將姓名標示的實踐方式，採鏈結方式註解至來源資料集即可，然這樣的情事變通，仍需要持續與公眾和 CC授權的應用者宣導，來統一態度，亦有賴於收納或提供相關素材的中介平台，能逐步和貢獻作品的原作者間建立提供利用上的默契。 此外，Creative Commons 正逐步發展「AI 訓練偏好信號輔助機制 (CC Signals)」，採用偏好信號 (Preference Signals) 內嵌於所釋出素材機器可讀的詮釋資料，以協助創作者表意，其作品得否被用於 AI 訓練用途。目前初步研議設立四種表達偏好，包括「標示姓名、標示姓名+回饋原作者、標示姓名+回饋生態系，以及標示姓名+保持開放」四個可標示選項，亦為一種透過分享、討論，以調校建立社會共識的疏導之方，將於後續專文陸續補充說明。 本文初始發表於 2025 年 7 月 7 日，作者時任 CC Taiwan Chapter Lead 與群牧開源管理顧問有限公司法制顧問。...
Read more...
代轉 Creative Commons Global 的社群意見徵集調查！
2025-05-16
News
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...
Read more...
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
2025-04-18
News
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...
Read more...
《CC @ SXSW: Protecting the Commons in the Age of AI》討論摘要
2025-04-18
News
Creative Commons（CC）於2025年4月9日發表的文章《CC @ SXSW: Protecting the Commons in the Age of AI》，探討了在人工智慧（AI）時代下，如何保護與推動開放的共享資源（commons）。此篇文章回顧了CC在德州奧斯汀舉辦的SXSW活動–「Open House for an Open Future」，與 Project Liberty Institute 資深學人唐鳳及作家Cory Doctorow進行了深入對談。 該場對談的討論重點有： 1、技術自主權的爭取：從印表機墨水補充到醫療呼吸器等關鍵技術，越來越多技術事項受到額外契約的限制。因此，開放運動不僅要促進內容共享，還應擴展到支持人們自由修復、修改和使用技術的權利，確保技術的自由化。 2、從抵抗到建立替代方案：開放運動應超越單單對抗企業限制，進展到積極創建可行的開放替代方案。例如，g0v（零時政府）活動展示了去中心化、使用者控制的平台，能如何對抗壟斷性的數位生態系統。 3、退出權作為變革的槓桿：提供用戶離開限制性平台的選擇權，當能有機會影響企業行為。如 Free Our Feeds 和Bluesky等計畫，即志在創建可信賴的退出策略，不讓用戶只能被困在剝削性的數位環境。 4、超越著作權–開放與創新的新框架：雖然Creative Commons起初是作為解決著作權限制而發展，但未來應關注更廣泛的議題，如支持開放共享的基礎設施、倫理性的AI發展，以及對社群培力的開放治理模式，而不能受限於過往僅是降低企業控制的面向。 5、重拾開源與自由軟體的精神：開放運動必須重新連結其倫理根源，強調創作、共享和創新的自由，而非僅只是為了效率而去進行開放。這包括抵抗企業對「開放」一詞的挪用和攫取，確保技術進步是服務於公眾利益，而非私人利益。 另外，AI時代下的偏好信號（Preference Signals）也一併被進行了討論和梳理。隨著AI的普及，僅依賴著作權法和基於著作權法推衍的CC授權，或已不足以作為AI訓練的因應機制。因此，CC提出了偏好信號的概念，讓創作者和資料集持有者，能主動決定其內容是否用於AI訓練。例如，Bluesky提出的「User Intents for Data Reuse」提案，以及CC參與的IETF AI Preferences Working Group，都是推動這一概念的實踐。透過這樣的「技術標記方式」，創作者能主動加入其對AI訓練的意向，鼓勵這些意向被平台與AI模型遵守，並將這些意向適用於CC授權與公眾授權領域的相關內容。 簡要來說，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。 原始文章：https://creativecommons.org/2025/04/09/cc-sxsw-protecting-the-commons-in-the-age-of-ai/ #CreativeCommons #AI #PreferenceSignals #AITraining...
Read more...
