作者：袁永興         當《Nikkei Asia》率先披露Sony正在開發能夠追溯 AI 生成音樂來源的技術時，多數媒體迅速將焦點放在「抄襲偵測」四個字上。但如果把 Sony AI 公開的三篇研究放在一起看，就會發現它處理的，是一個更根本的命題：生成式音樂的來源是否可以被解釋？如果可以，誰來解釋？這個解釋在法律、合約與分潤層面是否站得住腳？

        這裡的共識其實很清楚，Sony 的方法不是把 AI 作品與既有曲庫做聲音比對，而是透過「unlearning」、也就是在已經訓練好的 AI 模型裡讓它「忘記」某些特定的資料、知識、概念或能力，但又盡量不影響其他表現，而且不用從頭重新訓練整個模型，用以反推模型訓練資料的影響來源。技術上，這是一種模型層級的歸因，換句話說，就算生成結果聽起來不像任何特定歌曲，仍然可以從權重變化中推測哪些作品影響了它。

        只是現在問題在於，技術歸因成立，並不代表法律證據成立。法律關心的是具體可辨識的表達是否被複製，而不是統計權重是否受到影響。想像某 AI 平台生成一首熱門單曲，Sony 透過模型分析指出自家三首曲目對生成結果影響比例最高。接下來會發生什麼？若進入司法程序，平台勢必主張模型架構與訓練資料屬於商業機密。即便數據公開，法院也必須判斷「影響比例」是否構成侵權事實。現行判例並沒有對應標準。因此，這套技術真正會發揮作用的場域很可能不是法院，而是談判桌。

        未來大型唱片公司與 AI 平台的授權合約，極可能加入模型透明化與影響評估條款。條文會寫得很漂亮，例如：若模型歸因顯示本公司曲目對生成結果具有顯著影響，雙方應啟動收益協商機制。但關鍵問題在於，誰擁有模型存取權？如果平台僅提供摘要而不開放外部審計，權利人如何驗證？若對方拒絕揭露，歸因能力便只剩下象徵性壓力，而不是實際工具。

        接著的衝突是，影響比例算得出來，不代表分潤就能算得清楚。有些媒體樂觀解讀，認為這種技術可以量化原作對生成音樂的貢獻比例，進而建立收益分配機制。但生成模型本質上是高維度混合系統，某首歌曲在訓練權重中佔比提高，不代表它對旋律、節奏或和聲有直接對應。若未來合約規定依影響比例分帳，平台後台將面臨複雜運算與重疊計算問題。每首生成歌曲都要跑歸因模型嗎？不同曲庫之間如何避免重複計算？版權組織是否具備讀懂模型報告的技術能力？更現實的風險是，分潤公式一旦過於複雜，最終只會回到大水庫式分帳。比例存在，但只是平均化分配的包裝。屆時產業看似建立量化制度，實際上仍然缺乏精準對應。

        再來是來自 Sony 自己的實驗結果。研究顯示，在神經音訊壓縮 codec 下，現有浮水印乎無法完整保留。這代表什麼？代表即使模型端建立來源標記，只要音訊進入平台後被轉碼處理，識別機制可能立即失效。想像一下實際流程，AI 平台生成音樂，內嵌識別標記，串流平台為了節省頻寬進行壓縮，浮水印消失。此時權利人若提出來源質疑，證據鏈已經中斷。責任應落在模型開發者？平台？還是編碼標準制定者？如果沒有跨公司協作標準，浮水印只會成為行銷說法，而非管理工具。

        從這幾個層面回頭看，Sony 的研究真正觸碰的是解釋權問題。誰有權定義「影響」？誰計算比例？誰審核模型？如果解釋權掌握在平台手中，權利人只能接受摘要，若掌握在內容公司手中，平台將面臨更高揭露壓力。未來兩年，產業的變化不會是大規模訴訟潮，而是合約重寫。大型內容公司會要求模型透明化條款與審計權限；AI 平台會力保營業機密並推動標準化報告格式。真正的博弈不在於 AI 能否寫出流行歌，而在於生成結果的來源是否必須被說清楚。

        對台灣來說，真正的重點不在於我們會不會自己做出這種 AI 技術，而是當國外的 AI 音樂平台進來台灣做生意時，我們有沒有能力看懂他們怎麼算錢、分錢。未來 AI 生成音樂如果真的要分潤，關鍵會在平台提供的「計算方式」和「數據報告」。如果我們看不懂那些技術報告，也沒有能力查核他們說的數字是不是真的，那分潤規則就會變成平台說了算。簡單講，如果沒有能力看懂遊戲規則，也沒有能力檢查對方有沒有照規則走，那規則最後必是由對方決定。這是台灣市場真正需要思考的問題。Sony 這波研究目前仍停留在學術階段，但它已經把問題拋出來：生成式音樂是否可以被追溯、被量化、被審視？答案若是肯定的，那麼接下來的戰場，不在創作面上，而在制度層面。


立刻加入北流Line@        訂閱北流電子報