生成式AI的下一場法律戰爭：日本推動訓練資料透明度原則

生成式AI的下一場法律戰爭，可能是：用了什麼，能不能說清楚？

日本政府八月二十五日正式採納生成式AI智慧財產權保護相關的「生成式AI智慧財產保護與透明度原則（Principle Code）」，要求AI業者提高訓練資料透明度，包括揭露模型訓練所使用資料的概要、類型與蒐集方式等資訊。值得注意的是，這套規範目前並非具有法律強制力的硬法，也不是要求企業公開完整資料庫，而是透過軟法治理提高AI開發者的說明責任；其適用思維也不限於日本本土企業，而將在日本提供相關AI服務的海外業者納入考量。日本沒有突然關上AI發展的大門，AI可以繼續學習，但訓練資料還能不能永遠是一個誰也看不見的黑箱？

這項政策之所以值得注意，與日本著作權法長期對資料分析及機器學習採取相對寬鬆的態度有關。

日本《著作權法》第三十條之四允許在一定條件下，為資訊分析等「非享受著作物所表達思想或感情」目的利用著作物，因此長期被視為對AI訓練較為友善的法律環境。但這項規定從來不是「AI可以任意使用所有著作物」的免責金牌。法律本身仍設有不得不當損害著作權人利益等界線，而生成式AI快速發展後，更大的問題逐漸浮現：權利人甚至不知道自己的作品是否被使用，又如何判斷自己的權利是否受到影響？當法律只討論「使用是否合法」，卻沒有足夠資訊讓權利人知道「究竟使用了什麼」，實體權利就可能因資訊不對稱而難以行使。

因此，日本這次政策真正重要的地方，是把AI著作權治理從單純的「許可或禁止」往前推進到「透明義務」。

這是一個很重要的法律思維轉變。過去AI業者與創作者的爭議經常被簡化成兩個極端：一方認為訓練AI必須大量取得授權，否則就是侵權；另一方則主張機器學習需要龐大資料，如果每一筆資料都必須事前取得許可，AI產業根本難以發展。但兩者之間其實存在第三種制度選擇：法律可以保留合理的資料分析空間，同時要求大型AI業者對資料來源負擔一定程度的透明責任。換句話說，「可以訓練」與「完全不必說明」並不是同一件事。

透明制度的價值，也不只是保護著作權人。

對AI產業而言，清楚說明資料來源與取得方式，反而可能降低未來法律風險。當AI模型進入企業、政府、醫療、教育及專業服務市場，使用者愈來愈在意模型是否涉及未授權內容、個資、營業秘密或其他高風險資料。如果開發者完全無法說明訓練資料的基本來源，下游企業就很難進行法遵與風險評估。因此，訓練資料透明度未來甚至可能從「法律負擔」轉變成「市場競爭力」。誰能證明自己的資料治理更完整、授權來源更清楚，誰就更容易取得大型企業與政府客戶的信任。日本選擇先以Principle Code推動，而非立即祭出全面強制規範，也反映其政策思維：先讓市場形成透明標準，再觀察是否需要進一步立法。

日本的選擇值得台灣參考。

台灣同樣希望發展自主AI，也擁有新聞、出版、影視、音樂及大量中文內容產業。如果未來政策討論仍停留在「AI訓練是不是合理使用」的二分法，很容易讓科技業與內容產業陷入長期對立。

更務實的方向，是先建立最低程度的資料治理規則，例如要求一定規模以上的基礎模型開發者揭露訓練資料的主要類型、來源方式、是否使用授權資料，以及提供權利人合理的查詢或申訴管道。這並不等於要求企業公布每一筆資料，更不應強迫公開模型架構或營業秘密，而是在創新與權利保護之間建立最基本的資訊對稱。生成式AI時代真正成熟的法律制度，可以先要求開發者回答「你的AI究竟怎麼學」。日本正在傳達的訊息很清楚：可以讓AI繼續學習，但不能讓訓練資料永遠留在黑箱裡。