「法源 v. 七法」案近日引發重大關注，本文以此為契機探討編輯著作權、合理使用以及文字與資料探勘（text and data mining, TDM）例外在大型語言模型（Large language model, LLM）訓練中的適用可能性。法院認定，法源公司對法規沿革資料之選錄與編排具有最低程度創意，屬編輯著作，受著作權法第7條保護；七法公司未經授權即全面爬取使用，主張合理使用但遭法院否定。法院理由包括：使用目的具商業性、使用比例達100 %、且直接危及市場，因而不符合合理使用要件。

本文並比較美國Thomson Reuters v. Ross Intelligence案，兩案均認為資料庫或摘要雖僅具有限創意，但仍受保護；被告雖主張轉化性，但法院均認定其商業競爭效果顯著，最終否定合理使用（fair use）。進一步觀察顯示，合理使用四要素在LLM訓練中難以發揮篩選功能：其一，LLM與原作均具商業性；其二，原作性質通常已符最低創意保護，無實質差異；其三，訓練過程必然使用作品全體；其四，市場影響可透過設計「反芻上限」等技術手段降低。由此可見，合理使用並非評價AI訓練合法性的適當標準，應另建新制。

歐盟「著作權與鄰接權之數位單一市場指令」提供TDM例外，其中第3條限於研究目的，適用性有限；第4條則允許商業用途，但須以「合法存取」為前提，並要求權利保留須具「機器可讀」形式，以避免內部市場碎片化。德國著作權法第44b條明文落實此要求，惟Hamburg地方法院在LAION案對「機器可讀」之解釋過於寬鬆，引發批評。相較之下，日本著作權法第30條之4採極為寬鬆的「資訊解析例外」，學者甚至認為即使使用盜版來源，若為資訊解析目的仍可能被允許，因此稱日本為「機械學習天堂」。惟本文認為，日本法同樣設有限度但書：「不得不當損害著作權人利益」，若使用盜版資料訓練LLM，仍可能侵害市場與著作權人權利，值得商榷。我國著作權法對於編輯著作的保護過度依賴「最低創意」標準，建議改以「實質投資」作為立法依據；同時，應建立專門規範AI訓練的制度，而非沿用傳統合理使用四要素，以兼顧創新發展與權利人保障。