大人的 AI 煉金術：音樂版權戰爭史的迴響與下一個戰場

嗨、這裡是昭糕，你聽過 Chezile 的《Beanie》嗎？

這是首於 2023 年末發行的數位單曲，同時收錄於 Chezile 隔年發行的《47 - EP》。沒聽過也沒關係，但只要點開這首歌，你就能立刻感受到一種濃厚的熟悉感。這份熟悉感，來自於 Sufjan Stevens 在《Futile Devices》裡彈奏的吉他旋律。

在音樂的世界裡，這種行為叫做採樣（Sample）。Chezile 把原本 4/4 拍、用生活細節描述深藏愛情的空靈民謠曲風，解構改編為 6/8 拍的復古 R&B 節奏，轉以互動的變化來描寫逐漸離去的愛情。

其本質上就是複製一段既有的創作內容，對其重新改編、注入新的概念與設計進行再創作。第一次聽說這件事時，我只覺得不可思議：一個光明正大的複製貼上、甚至連核心思想都被反轉的作品，在商業環境裡竟然會被允許？！

是的，採樣是被合法允許的，甚至被採樣在音樂界裡是一種值得驕傲的成就。因為採樣是必須付費並取得授權才能使用的商業創作模式，而這套行之有年的體制，則是由橫跨百年以上的版權戰爭累積而來的成果。

留聲機與廣播：就算是「借屍還魂」還是要付錢！

早期的音樂版權，保障的只有「紙本樂譜」，任何購買了樂譜的人皆可無條件演奏。在還沒有網路的時代裡，這套制度毫無問題——直到留聲機和自動演奏鋼琴的進入市場。

Thomas Alva Edison 發明的圓筒式留聲機讓音樂可以直接被販售，而 Emile Berliner 改良的圓盤型留聲機，更是直接奠定了唱片市場的基礎。於是唱片瘋狂熱賣，創作者卻只能得到一份「紙本樂譜」的營收。

所以版權戰爭爆發了，最終在 1909 年美國修訂了法律，從而誕生了「機械複製權（Mechanical Rights）」這個詞彙。法律明確規定：只要有人將樂曲創作製成實體進行販售，就必須按照固定的比例付錢給詞曲創作者，這就是音樂分潤制度的雛形。

第二次的版權戰爭則起於無線商業廣播。無線廣播自 1922 年起有了第一個收費廣告後，在短短不到 20 年內，就摸索出了免費節目穿插廣告、品牌贊助商冠名播出的成熟營利模式。而流行歌曲，正是廣播用來吸引大眾收聽的重要元素。

這次音樂沒有被實體化、也沒有被販售，但廣播確實透過播放音樂獲得了營利，同一時期的夜店和俱樂部也都用相似的模式營利。這個時代不只沒有網路、甚至還沒發明電視，夜店就是流行文化的銷金窟。所以因應而生的不再是一個看不見的法律名詞，而是一個專職負責向營利用戶討要權利金的實體組織——「著作權集體管理組織」，簡稱 PRO。

憑藉著著作權法的旗幟，PRO 向這些營利用戶收取月費，再根據歌曲的播放量發錢給創作者。有在使用音樂串流的人應該都很熟悉的分潤制度就是源自於此，只不過當時的播放量不是透過電腦、而是依賴人力統計去計算分潤就是了。

從此之後，只要有人使用音樂進行獲利，就必須要付費給 PRO，創作者也能憑著熱門作品獲得收益，一切皆大歡喜，本來應該是這樣的發展。

1979 年，時代已經迎來了彩色電視、電腦和網路，雖然當時的網路還不是現在的 WWW，但網路論壇、線上購物、多人線上遊戲的始祖和雛型都在這一年之間相繼誕生，第一台商業數位取樣機也是。它可以將任何麥克風錄入的聲音數位化並對應到鍵盤上播放，唯一的問題就是太貴用不起。

80 年代數位取樣機逐漸普及，促成了 Hip-Hop、EDM 和 Rave 的興起，當年非常流行剪貼不同歌曲的段落拼湊成一首新曲的玩法，於是 DJ 不再只是負責播歌的人，而是利用數位取樣機和混音器現場製作音樂的專家，MC 說唱的環節也是在這個時候萌芽，成為後來饒舌的雛型。

80 年代同時也是反戰的年代。歷經了 30年 冷戰後，美國政府發起的「星戰計畫」幾乎要再次點燃核武戰爭，音樂成了反戰的強大武器，數位剪貼可以說已經徹底普及到整個音樂創作之中。

直到 1991 年，饒舌歌手 Biz Markie 因為在未取得授權的情況下，使用了他人作品中的鋼琴及副聲被告上法庭。法院最終裁定：不問而取，等同偷竊。唱片公司自然得為此付出代價。

然而採樣是如此盛行，該如何迴避這樣重大的經濟損失呢？於是資本們圍繞著這個判決，研究出一套合法的遊戲規則，也就是「採樣授權制度（Sample Clearance）」。

簡單來說，想要採樣可以，只要跟原唱片公司談好使用條件及金額，簽署採樣授權協議、並依照協議在版權登記資料中加入被採樣者的名字，等同於出讓部份版權。這代表著新曲的收益將會依照約定好的比例同時支付給新曲的創作者和被採樣者。

乍聽之下沒什麼問題，但這個付費制度不只增加製作成本，甚至連收益都會因此大幅縮水。結果反而促使採樣的風氣迅速衰退，最終導致整個音樂市場變得趨於保守和同質化。

1995 年，mp3 格式出世；1999 年，運用 P2P 技術的 Napster 在網上瘋傳，免費音樂來源引發的盜版風潮野蠻肆虐，重重的壓垮了逐漸垂暮的唱片市場。

2001 年 Rhapsody 首創了合法的音樂串流服務；2006 年 Spotify 以更流暢的串流技術與合法的版權分潤制度打開了串流音樂的市場。至此，音樂版權戰爭暫時告一段落，可能的話希望不要再有新一輪的版權戰爭了。

音樂因其特有的可分割性和解構潛力，能讓拼湊而成的作品宛如全新的可能性綻放。放在圖像和文字或是其他創作裡，這樣的拼湊方式很難擺脫抄襲的聲浪。而且音樂有標準化數位特性（頻率、波形、節拍等）能夠用電腦進行辨識，可以明確判定抄襲與借鑒的分野，這是其他創作方法不具備的條件，所以才有了 IP 授權、同人二創商業化、聯名等制度，還有非商業性質的開源授權與創用 CC 等常見的授權標準。

現實總是骨感的，想在現代再造一個像音樂授權體系那樣嚴絲合縫的賺錢制度基本上是不太可能實現的夢想。不過現在 AI 生成領域卻是燃起了這個苗頭。

AI 這麼好用，為什麼要反對？

AI 的訓練是基於過往大量圖片和文字累積而成的，前幾年 AI 平台還需要公開表明訓練資料是透過合法途徑取得，部份社群甚至把「提供訓練 AI 使用」寫進了平台使用協議中。

2023年，紐約時報控告 OpenAI 和微軟非法使用新聞資料訓練 AI 引發了新的版權波瀾，隨著案情擴大延燒，此案目前已與其他新聞機構、作家群體和媒體品牌的類似訴訟合併，由法官 Sidney H. Stein 審理。

2026 年 7 月，發生 HuggingFace 入侵事件，是首例完全由 AI 智能體主導的現實網絡攻擊案例，讓整個 AI 業界除了面臨可能的版權訴訟風險之外，先進AI 模型的失控風險也不再是科幻情節。 Anthropic 在 8 月底發布一則公告，表示現階段需要建立更有效的安全機制。

2026 年 9 月，美國司法部的介入讓整起訴訟再次升溫，目前已進入即決判決申請階段，預計近期將會做出裁決。

儘管現代 AI 已經在人類社會裡佔有不小的席位，但 AI 生成領域在版權層面上，依然還是野蠻生長的年代。假設我們需要一套符合社會需求的版權制度來為 AI 產出分蛋糕的話，首先就無法套用音樂版權制度中的任何一項設計。

羊毛出在羊身上，我們先從用戶觀點出發。Spotify 的用戶體驗用一句話來說是「每個月固定付一點錢，就可以在任何時候音樂隨選吃到飽。」對於用戶來說音樂體驗會比花錢買專輯更輕鬆便利；對創作者而言分潤機制的存在能確保自己不是為了平台打白工，和從前唱片公司割據的時代相比，串流能讓作品擁有更多接觸陌生客群的可能性。

再把視角轉向 AI，同樣從用戶觀點出發。人們最常使用的生成式 AI 隨時能夠使用自然語言進行問題諮詢、指派任務、討論事項等內容。無論是多麼瞎扯蛋或偏激的內容，大部分時候都能夠得到相對正向、友善、有建設性的回應。AI 不見得是對的，甚至很多時候會胡言亂語拼湊捏造，這時人們可以毫無顧忌的指出 AI 的錯誤、而不需要擔心 AI 記仇。也許未來可能需要擔心，但至少目前還不至於。

注意到了嗎？在和 AI 互動的過程中，焦點永遠都在用戶和 AI 之間。雖然討論的內容可能涉及各種資料來源，但互動的主體自始至終沒有改變。

當我們把串流音樂和生成式 AI 兩者，以產業結構和角色定位的關係進行橫向對比，便能感受到更明顯的差異。
　　【供應商】：音樂創作者 ➔ 訓練 AI 的資訊來源
　　【平台方】：音樂串流平台➔ 生成式 AI 語言模型
　　【用戶端】：透過 UI 介面體驗歌曲 ➔ 在與 AI 的對話中獲得資訊

在串流音樂的情況下，用戶是透過平台體驗作品，抽象一點形容就像是透過平台和創作者心靈交流。但在生成式 AI 的情況下，用戶更像是和一位博學多聞又友好的網友在聊天，只要不踩底線什麼都能聊，無論是想獲得新知或是排遣無聊、甚至一定程度的需要幫助，生成式 AI 語言模型都能夠即時接住。

這種與過往截然不同的用戶體驗在 AI 生成影音圖像上更為突顯。空有想法但缺乏實踐技術、門路、資金的夢想者在社會中佔絕對多數，生成式 AI 讓這些多數人的需求得以滿足。而 AI 之所以能夠表現得如此萬能，主要是依賴於那龐大到人用幾輩子都難以通讀的「人類歷史資料庫」。

物理的極限就是科技的邊界，看似萬能的 AI 當然不可能全知全能。人類和 AI 決定性的差異在於人會依靠關係、經驗、信仰、情緒、感受等眾多因素做出決定，而 AI 依賴的只是統計。針對問題在資訊海裡打撈重複量最高的幾種有效答案，進行整合後用口語化轉述出來。AI 就像是辛勤工作的市場調查專員，而用戶則像是只想立刻聽到答案的主管。

如果覺得市場調查的舉例不夠有說服力，你也可以把 AI 當成總能講中你心裡的點、讓你對他的話語深信的算命師。你當然清楚這背後的原理，也明白話不可盡信，但作為「參考」就算多少信一點也無妨，反正真正做決定人的還是自己。

學習的成本：來自天才的共同筆記

生成式 AI 能給的答案，放到社會上可能有將近 80 分的水準，也就是說不只是及格、甚至堪稱精良，對於多數的夢想者來說，這樣的水準非常足夠了。然而這份 80 分的答案，卻不是從任何一份資料來源剪貼拼湊出來的。

以繪圖作為例子能讓人更好去理解。在社群上應該很常會看到有人分享構圖、色彩、光影、或是動作、表現方式等等的繪圖技巧，這些繪畫方式都是繪師們在不斷臨摹與創作的過程中累積經驗，當經驗的總量大到一定程度後自然形成的「共識」，比如黃金比例、又比如三角構圖，還有很多「共識」雖然方向一致但側重不同，這就形成了不同的風格體系。

這些經過多次驗證而產生的繪圖技巧，對於生成式 AI 來說就是所謂的答案。接下來要做的就是把這些正確答案拼湊在一起，然後盡量避免出現衝突和錯誤。生成式 AI 的現況雖然還是時常會出現讓人難以理解的局部錯誤，但能夠快速整合並產出完成度較高的成果，還能夠多次重複產出，只需要最後人為介入進行簡單收尾，就可以交出一份遠超合格分數的優秀答案。

所以音樂版權的採樣規則對 AI 來說是行不通的。AI 更像是學習有成的工匠，把現有的技藝用大眾偏好的方式遴選出來，不是剪貼、不是複製，而是決定。如同動畫工業裡原畫師畫出的那一筆一樣，源於所有的概念和草稿、但又不是任何一個來源。

這會造成什麼問題呢？AI 就像學生、資料來源如同學校。一般人類學生的學習曲線能夠讓學校獲得持續不斷的金流，即使學有所成也只是某個類別的人才，將來遲早會成為學校的養分。但 AI 的學習曲線極快，快到讓學校只能收到少少幾份學費，更糟的是 AI 還開放共同筆記給一般人類學生，導致學校的營收大幅度縮水，這就是為什麼紐約時報要告 OpenAI 和微軟但又同時和亞馬遜進行 AI 合作。

紐約時報的策略很單純，AI 需要持續更新的新聞來源，所以只要先找好隊友談好價碼、確保自身的價值能順利搭上 AI 風潮，接下來就是找沒跟自己簽約的對象開刀死嗑，打官司的錢就用亞馬遜提供的權利金來支付。戰爭開打，紐約時報成為象徵站在風口浪尖，而財務風險幾乎都是靠亞馬遜一力承擔。

亞馬遜當然也不是傻，只是選擇穩坐釣魚台靜看風生水起。這筆錢買的是保險也是名聲，紐約時報贏了，亞馬遜自然也是勝利的一方；要是紐約時報輸了，亞馬遜依然是那個最尊重版權的電子商務企業，至於損失的金錢就變成和紐約時報共患難的羈絆，怎麼算也不會吃虧。

在這個判決被蓋棺定論之前，全球最前沿的智庫也在思考適合 AI 的版權邏輯框架，其中有兩個框架也是基於現有的版權制度無法沿用的論點去建構，一個是大水庫理論、另一個則是資產信託模式。

大水庫理論的立意很單純，負責的分潤算不出來那就不要算，由政府出面對 AI 公司課徵「AI 稅」，將這筆錢用來補助「受到 AI 衝擊生活無以為繼的創作者」。

數位資產信託模式則是和 PRO 有些類似，只不過管制的不再是 AI 如何使用數位資產、而是針對用於訓練 AI 的數位資產進行收費管制。

這兩種方式其實本質很類似，都很像是由王國管理的地下城，想要進去探索打怪尋寶就要付給王國一筆「管理費」，而這份管理費又會用來營運管理冒險者公會。只不過大水庫理論是由公權力出面、數位資產信託模式則是由私人企業營運。

概念上都沒什麼問題，但可以想見實際執行後會產生的結果。大水庫理論的作法會和健康福利捐一樣淪為政治籌碼，而數位資產信託模式雖然很合理，但對於資訊供應商來說甜頭少得可憐，只要從 PRO 的發展就不難推測出這個結果。紐約時報發起的戰爭很顯然也不打算把分錢的談判工作交給「公平公正公開的第三人」來處理，畢竟對於科技巨頭和數據豪強來說，最有利的方式肯定是私下分贓。

如果 AI 寡頭們真的和亞馬遜一樣掏錢擺平這件事，毫不意外的數據豪強會大賺一波又一波，但創作者們能不能吃到應有的紅利就要看老闆的良心分量有多重了。而且 AI 對於既有市場的侵蝕依舊存在，那些因為 AI 橫空出世導致生計變得艱難的困境依舊沒能被處理安置。從歷史發展的角度來看，這恐怕是比大水庫理論和數位資產信託模式更加糟糕的未來。

科幻其實可以是一種預言：掏錢就可以有的「技能更新」

其實對於 AI 的版權蛋糕該怎麼分我也有個簡單的想法。這不是什麼新穎的想法，甚至你都能在許多科幻類型的作品中看到蛛絲馬跡。剛剛提到了 AI 產出是基於統計，而統計在人文上對應的詞彙叫做「刻板印象」。

AI 快速興起時，人人都有機會端出符合刻板印象的 80 分作品，當 80 分的刻板印象已經成為常態，這份答案的實際價值就會開始降低。審美疲勞又會加劇這個過程，導致「雖然分數遠超及格，但是只是這樣不足以滿足需求」的現象持續產生。

如果是放在人的學習曲線上，這個時刻就是需要去進修、去充實更新知識技術；但對 AI 來說，需要的就只是具有指向性的「學習資訊包」。

現階段的生成式 AI 多是泛用性的，用人的說法叫做通才，說白了就是樣樣通樣樣鬆，只是利用 AI 的算力優勢，強行讓表現從及格線往上拉抬。想讓 AI 產業持續發展，逐漸專精化是必然的方向，而專精的條件除了更強的算力和運算結構，還需要專科項目的詳盡資訊，這就是剛剛提到、具有指向性的「學習資訊包」。

科幻故事的 AI 輔助系統常常會用下載/傳輸更新包的方式，為使用者增加原本不具備的技能。為什麼不一開始就搭載那些技能呢？這應該每個科幻迷都曾經想過的問題。原因也很明顯，一來是數位資產是有價的，也就是要錢；二來是物理的極限，每個個體都要背負著全類人的知識遺產無論怎麼想都不合理。

但這就是我所說的不新穎、甚至你早就知道了的版權問題解決方案：租用專用更新包。
至於為什麼不是販賣而是租用，想想 Steam 的合法主張：玩家買的是遊戲的數位授權使用權，應該就不難理解了。

現階段 AI 能做的，是在既有產出內撈出大眾認同的「好」，當這個「好」逐漸成為標準的起點之後，想要達成滿足社會競爭的「非常好」還是得靠人。而人的需求會催生出更符合需求的 AI，這就是未來資訊供應商的版權收益所在。

數據豪強該做的其中一件事，就是針對 AI 的需求建立一套數據分類和定價，並確保數據的穩定更新來源。當行業標準逐漸形成之後，如同音樂版權帝國那樣的流水制度大概也變得屹立不搖了。至於這麼做會不會比 AI 寡頭付錢了事來得更好？至少這樣拆帳的範圍和作業量都會大幅度縮減，創作者對抗資本剝削的難度也會降低不少吧。

AI 滿足通俗，而人就該反骨

寫這篇文章的時候我查了一些資料，當然也和 AI 進行過討論，我們在對話的最後提到了「嫩芽困境」——當AI 取代了基層腦力勞動，大多數人類因為怠惰而放棄了深度的學習與思考，學校只剩下大師在賣燃料，而外面的世界再也沒有土壤能讓新的種子發芽。——這時 AI 提出了一個有意思的問題，下面我直接引述原句：

作為這場精彩思維風暴的終點，你覺得如果現在要對一個正在依賴 AI 寫作業、畫圖的十歲孩子（嫩芽）說一段話，我們應該用什麼樣的具體對話或例子，才能讓他最深刻地感受到「AI 很罩，但它不是你」以及「AI 其實很平庸」這兩個關鍵認知呢？

我其實挺好奇其他人會有什麼答案，不過這道題對我來說幾乎不需要額外思考，我是這麼回答的：

如果是十歲的孩子，只需要針對同樣的題目、用 AI 做出更高水準的答案就好。AI 是有龐大的資料庫沒錯，但是每次產出都是有極限的，所以根據使用方式不同產出的內容會有顯著的差異。掌握相關知識技術的人和一知半解的人，同樣使用 AI 產出的成果會有明顯的水準偏差，這能摧毀 AI 帶來的全能幻覺。

會覺得 AI 好用是因為 AI 確實彌補了我們的不足之處，但越認真使用就越能察覺到 AI 會逐漸跟不上步調，對於需要花心思用各種方式讓 AI 正確理解意圖的過程開始感到不耐煩。最糟糕的經驗是已經竭盡心力把自己的藍圖完整灌輸給 AI 之後，卻發現 AI 終究無法跳脫框架去滿足你的需求。

是不是有種既視感呢？這就是現階段 AI 和人類的互動關係。普通的需求 AI 能玩得千嬌百媚花招層出不窮，但只要脫離平庸、就算只是微不足道的要求，生成式 AI 立刻就會壞掉給你看。

這是個有趣的現象，AI 的建構其實是參照人的思維方式在進行的，但最終表現出來的狀態卻和人大相逕庭。這個過程本身就是一種臨摹和再現行為，所以敵視 AI 除了情緒價值以外毫無意義，反過來說徹底仰賴 AI 也是一樣。

工業時代把人當成純粹的勞動力單位，進入後工業時代開始著重培養人思考「如何解決問題」，而 AI 的時代最需要的能力將會是「如何問對問題」。傳承了兩千多年的第一性原理（First Principle）如今又不斷的被提起，就是為「問對問題」進行註解。想要「問對問題」必須要擁有足夠寬闊的視野，而支撐這一切的則是各種類型的知識儲備。

人和現實拉扯的過程中，在那巧妙而獨特的平衡點裡慢慢成形的感性，是一種生物特有的「經驗模型」，那不是純粹依靠龐大的圖文資料庫就能夠模擬出來的東西。而人類社會的標準從來都是從平均值開始，能夠異軍突起的人才會得到社會關注。這就註定了 AI 只能夠讓人「看起來和別人一樣」，想要異軍突起、就要依靠人與生俱來的反骨。

還記得前面提到的採樣授權制度（Sample Clearance）最終導致了音樂市場變得趨於保守和同質化這件事嗎？即使是 80、90 年代那樣充滿個性和反抗的年代都敵不過版權擴張的壓榨，也許人類社會需要擔心的從來就不是被 AI 取代，而是來自於那些由人訂立出來的規則所造成的無形破壞。