USCO:著作權經濟學的難題,如何在AI浪潮中尋求平衡?
美國著作權局(U.S. Copyright Office, USCO)於2025年2月發布人工智慧(Generative AI)對著作權政策之經濟影響研究報告。該報告分析了生成式AI對現行著作權制度的衝擊,使我們必須重新思考,如何在經濟層面鼓勵創作者創作更多品質相當、富有創意的作品,與大眾獲取這些作品的意願與成本間,取得適當的平衡。
創意作品市場特點,原創作品的生產者面臨相對較高的生產成本,例如開發一個故事、創作和錄製一首歌曲、為文章進行研究、開發軟體等等;而原創作品的複製者,搭了原創者投資的便車,僅需負擔最低的生產成本,例如影印機的總生產成本低於原創者,又影印機可以自由進入市場,因此,在沒有法律干預下,創意作品的市場價格將被推向影印機的邊際生產成本,而對於數位出版而言,這一成本實際上為零。根據這種情況發生的速度,原創者可能永遠無法收回其固定製作成本。這些因素的結合可能會使創作者失去創作作品的動力和手段,進而導致市場失靈。另因著作權作品具有「非排他性」及「非競爭性」等特性,使得政策制定者必須透過適當的手段介入,以避免市場機制失靈,使原創作品的生產者能夠回收創作成本,繼續投入新的創意,塑造友善的創意環境,達到市場利益最大化的目標。
所謂非排他性是指本於物品或服務的特性,在生產該物品或創造該服務後,很難阻止其他未付費的消費者使用;非競爭性是指依物品或服務的特性,特定人對於該物品或服務的消費,不會減少其他人消費該物品或服務的能力,例如數位作品可以被無限次地消費以及重製,也不會降低品質或影響他人之使用。
➢AI生成作品與著作權保護的經濟考量
技術,包括文字、圖像、視訊和聲音等生成模型,由先進的機器學習技術提供支援,商業化範例包括ChatGPT、Gemini、Copilot、LLaMA、DALL‑E、Stable Diffusion和Midjourney。這些模型的核心功能涉及根據使用者提供的提示產生內容,促進廣泛的商業和個人使用。
關於AI生成作品是否應該獲得著作權保護的核心問題,在於AI生成作品的淨社會價值(Net Social Value)。從經濟學的角度切入,需要權衡AI生成作品對人類創作的替代效應,如果AI生成作品導致人類創作的淨價值減少,透過著作權進一步保護當然是不合理的。
報告中提到AI生成作品可能會對人類作品產生替代效應,在極端的情況下,我們可以說生成式AI的利用就是一種盜版行為,尤其是當AI能生成近乎同樣的創作內容。又即使AI生成作品與特定人類創作無實質的相似性,仍可能存在某種程度的替代效果,例如AI能以低於人類創作者的成本創作出相當品質的音樂作品,音樂製作人可能轉而選擇AI創作,從而減少對人類創作者的需求。然而,生成式AI的使用並非會全部取代人類創作者,某些使用態樣未必產生弊大於利的情形,例如新興音樂製作人可能借助生成式AI製作出原本無法實現的作品。
➢AI輸出作品與侵權問題
鑒於生成式AI輸出的作品很可能有意或無意地複製現有作品的某些要素,從經濟學的角度討論,界定輸出作品是否侵權的標準,同樣是著作權制度設計目的保護創作及平衡創作者生產成本和消費者消費創意作品的意願。
➢姓名、形象或肖像(Name, Image or Likeness, NIL)的商業權利
可能會侵犯與著作權相關但通常不被視為著作權的其他智慧財產權,從而影響創作激勵。這些權利通常被廣泛地稱為“公開權”(Rights of Publicity),涉及某人的姓名、形象或肖像(NIL),可以涵蓋從產品代言到偽造圖像至某人的聲音,甚至某種意義上的風格等無形資產,凡此“公開權”不受美國著作權法所保護,但依州法有提供“公開權”的保障,惟各州規定亦有不同,例如保護範圍、保護期限等各不相同,有的州法規定在自然人過世後立即停止“公開權”之保護。
美國最近正在推動立法,以聯邦法律補充州公開權法律。例如,2024第118 屆國會提出的《禁止假貨法案》(No Fakes Act)(S4875、HR 9551)旨在解決與個人聲音或視覺形象的數位複製相關的權利。然而,在考慮協調解決問題之前,首先必須考慮這些法律的社會影響。在討論NIL時,通常關注欺騙、誤導這個層面,因為惡意使用極有可能利用AI生成的作品來傷害他人,例如深偽(Deepfake)技術可用於將特定人描繪為對其不利的形象,進而造成傷害,這種對人工智慧技術的惡意使用無疑對社會利益是有害的,而在各種層面上都應該禁止。
然而,就算是中性使用生成式AI技術,也有可能會對公開權產生影響個人名譽和創新動力的負面影響。例如在生成式AI平台中只輸入幾個提示詞,就能創作出著名流行歌手風格高品質的音樂作品。案例如歌手Drake和 The Weeknd最近合作演唱的歌曲(Heart on My Sleeve),在網路上引起轟動,但令⼈震驚的是,這首歌被揭露是AI生成的作品,實際上這兩位歌手都沒有參與其中。這種複製歌手聲音的能力不斷增強,是否會改變對原創作品的需求及創作新作品的動力?
另一種情形,是將已故演員的錄音虛擬復活,或巧妙地利用現有的錄音來創造年老演員的年輕版本。威爾·薩索(Will Sasso)和查德·庫爾特根(Chad Kultgen)未獲授權將已故諧星喬治·卡林(George Carlin)在2008年去世前製作的許多錄音來訓練AI的聲音。他們寫了一些素材,並讓AI閱讀,並添加了笑聲,創作的作品被命名為「喬治·卡林:我很高興我死了」(George Carlin: I’m Glad I’m Dead.),完成長達一小時的脫口秀特輯。他們將其上傳到 YouTube,因此,他們能夠收取與影片相關的部分廣告收入。喬治卡林的遺屬起訴薩索及庫爾特根侵犯公開權(Kuo,2024),該案最後已達成和解(Sisario,2024)。這是否是經濟有效的解決方案,尚有待觀察。
另一對比的案例,當使用一些大型無界的NIL集來創建複合作品時,在高端電影製作中,諸如人群場景或軍事圍攻等情境,變得越來越常見。例如,生成式AI可以模擬電影人群場景中的多張臉孔,而實現此目標的技術可能會利用許多來源與 NIL,因此需要許多授權談判。如果沒有某種集體中介,在此案例可能會出現難以解決的合約問題。這是因為,我們不可能將人群場景中所有人的相似性設定於一組特定的演員(或個人),而用這些演員(或個人)的圖像來訓練AI。儘管如此,電影公司還是從這些圖像中獲得了價值,而演員的價值卻在下降,因在某種程度上,電影公司不需要為人群場景聘請真人演員,從而減少了電影公司的成本和這些演員的潛在收入。又由於合約方面訂定的困難,這種AI增強生產能夠持續到什麼程度,關鍵取決於如何定義和執行公開權。
➢AI訓練資料對創作者激勵的影響
用以訓練AI模型的資料往往包括受著作權保護的作品,這個過程通常未經權利所有人的授權。部分意見認為未經授權作品的使用侵害了這些作品的商業價值,但也有部分意見認為在AI模型訓練中使用未經授權作品不會直接損害權利所有人的商業利益,但如果這樣的使用完全替代了人類創作,且未向權利所有人提供合理補償時,明顯將降低人類創作者的創作動力。
解決方案之一就是授權,在音樂領域,生成式AI平台Stable Audio從AudioSparx獲得授權以訓練其資料庫;在新聞領域,OpenAI與《華爾街日報》、Axel Springer(Politico、Business Insider、Bild、Welt)、Hearst(Esquire、Cosmopolitan、ELLE)以及美聯社簽署了授權協議。
➢小結
生成式AI技術的快速發展,著作權政策面臨前所未有的挑戰,從經濟學的角度來看,問題的核心是如何維持鼓勵創作與公眾獲取意願兩者間的最佳平衡,也因應技術變革的世代與趨勢。
生成式AI可能對於人類創作具有替代性,也可能在某種程度上降低創作成本;未經授權的資料使用可能減少著作權所有人的收入,然而也有可能透過AI提高生產力創造新的商業價值。因此,需要進一步地實證與研究,探討AI協助創作的效率提升、AI允許使用者迴避著作權限制的程度、AI生成作品對人類創作者創作誘因的實際影響等議題。同時,政策制定者需要整體考量這些相互關聯的議題,尋求平衡各種利益的解決方案,可能包涵合理的授權/補償機制、技術措施或修定新法,最終完成促進創新和創意市場的欣欣向榮,同時保護創作者合法權益的願景。
- 發布日期 : 114-04-24
- 更新日期 : 114-04-24
- 發布單位 : 國際及法律事務室
- 瀏覽人次 : 9