公共天才的私有化擷取：AI 訓練與「語料庫版稅」之必要性

集體人類知識的私有化

尖端 AI 實驗室透過將「人類的集體經驗、知識與學習」壓縮成數值權重，打造出歷史上最有價值的企業軟體。這個過程代表了對公共天才的私有化擷取：將大規模、由公眾產生的文本語料庫——書籍、論壇、程式碼與論文——轉化為私有的基礎設施級價值。

雖然 AI 實驗室辯稱網路數據是可在「合理使用」原則下取得的公共財，但這種觀點忽略了對網路「貢獻層」的系統性風險。生成式 AI 以零邊際成本產出內容的能力，威脅著人類誠實參與並豐富數位公地的誘因，可能破壞提供這些模型所需訓練數據的系統本身。

歷史先例：AT&T 專利法令

目前的 AI 數據衝突反映了 1956 年與 AT&T 的反壟斷和解案。當時，AT&T 作為受監管的壟斷企業運作，旗下擁有 Bell Labs，這是一個生產了電晶體與資訊理論等基礎技術的研究強權。

當時對 AT&T 施加了兩項關鍵限制：

1. 專利自由化： AT&T 放棄了 7,820 項未過期的專利獨佔權，使其對任何美國公司皆可免版稅使用。
2. 業務限制： 禁止 Bell 從事電信以外的任何業務。

這種「創新連鎖反應」讓商業半導體產業得以蓬勃發展，直接促成了矽谷與 Intel 等公司的誕生。教訓是：當私有實體持有由公眾補貼（在 AT&T 的案例中是透過用戶費率）所產生的基礎知識產出壟斷權時，政府干預可以透過強制將該知識產權轉入公共領域，來釋放巨大的社會價值。

「合理使用」的法律戰

AI 實驗室主要使用「合理使用」原則來辯護其訓練行為，認為產出的模型具有「轉換性」，且不會損害原作品的市場。然而，最近的法律發展顯示出更複雜的現實：

• Bartz v. Anthropic (2025)： 法官裁定，使用合法取得的書籍進行訓練具有轉換性，但使用盜版書籍進行訓練則是「本質上、且無法挽回地侵權」，導致了 15 億美元的和解金。
• Kadrey v. Meta： 雖然法院認定訓練具有轉換性，但指出 LLM 充斥市場、產出與訓練數據相似的 AI 生成作品的能力，最終可能導致被判定為造成市場損害。
• US Copyright Office (2025)： 一份非約束性報告得出結論，認為數據的公開可用性並不必然賦予模型訓練的合理使用權。

歸屬問題與「語料庫版稅」

AI 實驗室常辯稱，由於沒有單一訓練數據對模型的運作至關重要，因此不需向任何個人貢獻者支付費用。這是一種修辭上的誤導；雖然在尖端規模下，進行個人歸屬（使用如 Shapley value 等指標）在數學與計算上是不可行的，但集體價值的轉移仍然是真實存在的。

為了達成解決方案，作者提出了語料庫版稅 (Corpus Royalty)：一套系統，讓尖端實驗室將總收入的一定比例支付至公共基金，再由該基金平均分配給符合資格的公民。

為何是版稅而非個人支付？

• 計算上的不可能： 在數十億筆資料中計算單一部落格文章的確切邊際貢獻是目前無法實現的。
• 集體努力： 網路是集體努力的成果，價值源於不同資訊片段之間的關係，而非僅僅是孤立的作品。
• 補償而非福利： 這被框架化為對「不當得利」的補償，即私有實體從共享資源中獲利，卻未對該資源的提供者進行補償。

保護數位公地

應用 Elinor Ostrom 的永續公地原則——例如明確的邊界、使用者定義的規則與監控——可以發現，網路目前是一個缺乏治理的公共資源池。若缺乏機制來補充人類創造力的上游來源，AI 生成的「網路工業廢水」可能導致數位三角洲遭到污染，使網路在十年內變得面目全非且無法用於人類互動。