（續前篇）
副標題：以 AI Act、GDPR 與 DSM 著作權指令為主軸，兼論平台、資安、產品安全及美中法規比較
此文以 2026 年 8 月 19 日可取得的法規、官方指引及權威資料為研究時點，讀者設定為居住於歐盟以外、但其內容可能被歐盟境內人士閱覽，或其使用的模型、平台、資料主體與服務和歐盟存在連結的個人/自然人。此文屬一般性資訊與風險管理考量面，不構成歐盟、美國、中國或任何國家的個案法律意見。
CC BY-NC-ND。非供AI模型訓練。
4.2 AI Act 的風險分級並不等於個人發布者的自動分類
Regulation (EU) 2024/1689，即 Artificial Intelligence Act，採取風險導向架構。第50條為身分3最直接相關之條文。歐盟委員會將 AI 系統說明為禁止風險、高風險、透明度風險及最低或無風險等類別；大多數一般用途應用不會因使用 AI 就自動成為高風險系統。1
對身分3而言，第一個問題應是：「我是在使用別人提供的模型產出內容，還是已經以自己的名義向公眾提供 AI 系統、模型、API 或數位產品？」如果只是利用離線模型生成一篇文章再發布，通常不等同於 GPAI 模型 provider。若把模型包裝成網站、API、付費服務、可下載產品，或對模型進行重大修改後以自己名義提供，則角色可能改變，不能再以一般使用者視之。
|
發布行為 |
初步角色判斷 |
風險重點 |
|
私人日記或不公開草稿 |
可能屬私人活動 |
仍應避免輸入他人機密及敏感資料。 |
|
個人部落格一般文章 |
通常是內容發布者；是否為 deployer 須依活動與法規定義判斷 |
透明度、著作權、個資、誹謗、平台規則。 |
|
公開發布公共利益事項的 AI 文字 |
可能涉及 deployer／發布者透明度責任 |
人工審查、編輯控制及顯著揭露。 |
|
以模型提供付費生成服務 |
可能成為 provider、deployer 或商業經濟業者 |
AI Act、GDPR、DSA、消費者保護及資安。 |
|
將 AI 嵌入產品或機械安全功能 |
可能觸發產品／機械／資安法規 |
符合性評估、風險管理、產品文件與漏洞處理。 |
4.3 Article 50 的實務意義
AI Act Article 50 旨在處理一個很具體的社會問題：人們越來越難分辨自己正在和機器互動，或眼前的內容是否經過 AI 生成與幕後操縱。歐盟委員會 2026 年透明度指引點出重新：提供者應使直接互動的 AI 系統適當告知使用者，並以機器可讀標記協助偵測 AI 生成或操縱內容；部署者在深偽及特定公共利益文字情境下，須告知接觸者其人工生成性質。3
對個人發布者而言，至少應採取以下做法。第一，在發布頁明確寫出「本文使用生成式 AI 協助起草，已由作者進行資料查核與編輯」或依實際情況調整，不能宣稱不存在的人工作業。第二，若內容是人物影像、聲音或影片，應在內容本身或與內容同等醒目的位置標示「AI 生成／AI 操縱／合成示意」，並避免使用會讓人誤認為真實紀錄的標題。第三，若是涉及公共利益的文字，必須保留人類審查與編輯證據；只靠模型直接發布，不應被包裝成新聞報導或已確認的事實。
原文："Deployers of an AI system that
generates or manipulates image, audio or video content constituting a deep
fake, shall disclose that the content has been artificially generated or
manipulated."（部署者若使用AI系統生成或竄改構成深偽之影像、音訊或影音內容，應揭露該內容係經人工生成或竄改。）
其一，「純屬個人非專業活動」（Article 2(10)）之例外並非萬能保護傘。實務指引明確指出，若深偽內容涉及公共人物（例如地方首長）並用於批評公共政策，即便發布者為個人、非營利，該例外仍可能不適用——因為活動已「影響公共論述」。
其二，若身分3僅係使用未經修改之現成開源模型生成內容，其角色通常為「部署者」而非「提供者」；但若對模型進行微調（fine-tuning）或大幅修改後再發布使用，則可能被重新定性為「提供者」，須承擔更高標準之義務。此外，第53條賦與通用型AI模型「提供者」（多數情形下為模型開發公司而非個人使用者）建立著作權合規政策之義務，惟身分3仍應留意其所使用之模型是否具備此類合規聲明，以降低間接風險。
其三：身分3是否考慮到「智慧財產權侵權的舉證責任」與「商業保險/責任分配」的潛在效應? 觀察自2025年到2026 年涉及生成式 AI 產業鏈的變化：許多商業化 AI 平台已提供「侵權補償條款（IP Indemnification）」，而個人使用本地開源
LLM（如 Llama/DeepSeek）則完全沒有這層商業保護。若身分3發布的圖像或文字無意間涉及或衝撞著名智慧財產權 IP，使用開源本地模型的身分3（個人或自然人）必須單獨承擔所有訴訟費用與賠償金額。
例外條款之限縮情況：AI Act 第 2(10)條雖設有「純屬個人或家庭非商業活動」之例外情況，但歐盟實務指引指出，若個人發布的合成內容（如政治人物深偽影片）已實質進入公共領域並影響社會論述，該例外條款將不再適用。
需要特別提醒的是，AI Act 官方服務台所提供的逐條摘要具有解釋法規的協助作用，但不是法律拘束效果的替代品；而且相關頁面已標示 Digital Omnibus 對部分規定可能造成修正。發布者在實務上應以當時有效的正式法規整合版本、歐盟會員國主管機關指引及平台規則共同核對，不能只看一篇舊文章的摘要。2 3
五、GDPR：公開資料、提示詞與模型輸出都可能涉及個人資料
5.1 「在網路上找得到」不等於「可以任意使用」
GDPR（General Data
Protection Regulation (EU) 2016/679，德文：Datenschutz-Grundverordnung）保護自然人的個人資料及其自由流通。9 生成式 AI 的資料問題，經常被誤解成只有模型公司才需要處理。實際上，身分3若把他人姓名、照片、電子郵件、病史、職涯資料、私人對話、社群貼文或可識別敘述放入模型，至少應先問：這些資料是否真的需要？模型提供者是否會保存或用於改善服務？是否涉及特殊類別資料？生成結果是否會使該人重新被識別？
GDPR第2條第2(3)款排除「純屬個人或家庭活動」之資料處理，GDPR的「家庭活動例外」並不保護公開網頁：歐盟法院於2023年的Lindqvist案（Court Ruling on Data Protection Case C-101/01，2003-11-06）已確立，將他人個資（如姓名、聯絡方式）公開發布於網際網路（即便僅發表在個人的部落格），已逸脫家庭活動之範疇，須全面適用GDPR。此一法理至今仍為歐盟資料保護機關（EDPB）所援用。因此，若身分3使用生成式AI撰寫涉及真實在世人物（尤其是非公眾人物）之內容並公開發布，例如：AI生成之人物側寫、評論或帶有個人特徵描述之敘事，即可能構成個人資料之處理與公開揭露，須具備合法處理基礎（如第6條之正當利益或當事人同意），並承擔資料正確性、當事人異議權等義務。AI生成內容尤須留意「幻覺」（Hallucination）風險：若AI捏造某真實人物之不實事蹟並予以公開發布，除涉及個資正確性問題外，亦可能觸及名譽權與民事侵權責任。
歐盟資料保護機關做成釋文（EDPB Opinion 28/2024） 指出，模型是否匿名必須逐案評估；一個模型若要被視為匿名，至少要使直接或間接識別資料來源個人，以及透過查詢從模型擷取這些個資的可能性都非常低。4 這個觀點對個人使用者有一項重要啟示：不要因模型沒有直接顯示完整姓名，就武斷地認為不存在個人資料。職業、地點、事件、照片、聲音或多項線索合併後，仍可能使人可識別。
5.2 提示詞本身就是資料處理的一部分
一個常見錯誤：是只檢查最後發布的文章，卻不檢查送進模型的提示詞。提示詞可能包含「請整理這名員工的病假紀錄」、「請根據這段私人對話判斷某人的性格」或「請用這位未同意的真人照片生成廣告」。即使最後輸出被刪掉，輸入資料可能已經被第三方服務儲存、跨境傳輸或用於其他目的。
歐盟資料保護機關的釋文（EDPB 2026）年關於生成式 AI 網路抓取的指引，雖然第一版釋文當時仍處於公開諮詢性質，但明確提醒：若網路抓取包含個人資料，GDPR 的收集、儲存、組織與檢索要求可能適用；資料控制者應遵守目的限制、透明度、資料最小化與正確性原則。5 指引建議設定精確蒐集條件、排除不必要或敏感資料、對來源進行盤點、在可行時匿名化或假名化，並防止模型記憶及再吐露資料。
個人發布者不一定具備大型企業的資料治理資源，但可以採取簡單而有效的比例原則：不把不必要的個資送入不明模型；先用代稱取代姓名；刪去聯絡方式與識別號；不要輸入病歷、未公開爭議或未成年者的資料；發布前以搜尋及人工閱讀檢查輸出是否重新曝露某人；若內容不是必要，寧可改寫成完全虛構或使用合成資料。
「純屬個人非專業活動」的例外遠比想像中狹窄：一旦內容涉及公共議題、深偽人物、或於社群平台廣泛傳播，該例外即可能被限縮甚至不適用。
六、著作權與相關權利：訓練合法不代表輸出當然安全
Directive (EU) 2019/790 是歐盟的 DSM Copyright Directive，6 DSM 指令處理數位單一市場中的著作權及相關權利，並涉及文字與資料探勘、權利人保留權利以及線上內容分享服務等問題。
6.1 三個不同層次不能混在一起
|
層次 |
主要問題 |
個人發布者應問的問題 |
|
訓練資料 |
模型是否使用受保護作品、資料探勘是否有例外、權利人是否保留權利 |
模型或資料集的授權、來源與 opt-out 狀態是否可查？ |
|
生成過程 |
輸出是否記憶或近似特定作品、人物、歌詞、角色或畫面 |
這個輸出是否像是在複製一個已知作品，而非一般概念？ |
|
公開發布 |
重製、改作、公開傳輸、商業使用及平台下架風險 |
我是否有權發布、是否應標示來源、是否有商業限制？ |
DSM第3條、第4條之文字暨資料探勘（TDM）例外，是生成式AI合法性論辯之核心。第4條允許任何人為商業或非商業目的進行TDM，前提是著作權人未以適當之機器可讀方式（例如robots.txt協定或後設資料）明示保留權利（Opt-out）。此一「預設允許、明示退出」之制度設計，理論上使開源模型之訓練行為取得法律基礎；惟學說與實務仍存在爭議：阿姆斯特丹地方法院於DPG Media v. Knowledge Exchange（參見相關媒體報導）一案中即認定，著作權人若未以機器可讀方式明確保留權利，不得事後主張TDM例外不適用。
「模型訓練可以使用某些資料」與「我可以公開發布輸出」是兩個法律問題。即使模型提供者在訓練階段主張適用某種例外，使用者仍可能產生輸出階段的重製或公開傳輸問題。相反地，輸出並非只要由 AI 生成就一定沒有任何法律保護；人類選擇、編排、改寫、構圖、剪輯及實質創作貢獻，可能影響會員國著作權法下的保護判斷。
著作權風險是雙向的：一方面，將他人著作用於訓練或提示詞輸入時，須留意DSM指令第4條之保留權利機制；另一方面，純由AI生成而無實質人類創作貢獻之產出物，在美國幾無版權保護，於歐盟亦面臨「原創性」門檻之高度不確定性。
對身分3而言，實務啟示有三項重點：
第一，若在提示詞中大量輸入他人受著作權保護之原文（例如整段引用文章），本身之複製行為未必落入TDM例外之保護範圍，宜謹慎為之。
第二，AI產出物之著作權歸屬存在高度不確定性；歐盟雖無如美國般明確之「人類作者原則」判例（參見相關媒體報導），惟依既有原創性判決準繩（作者個人智識創作，Author's Own Intellectual Creation），純粹由AI自動生成、缺乏人類實質創作選擇之內容，能否取得著作權保護仍屬未決問題。
第三，若身分3之發布行為使用他人已受保護之圖像、文本進行「風格模仿」或「衍生創作」，仍可能構成著作權侵害，此與訓練資料是否合法無涉，屬於輸出端之獨立法律問題。
沒有留言:
張貼留言