🗺️ AI 學習與考證地圖
AI 倫理與法規 · 台灣法規

台灣 AI 相關法規:AI 基本法、個資法、生成內容著作權

做 AI 專案最常踩的三個法律地雷,其實分別歸三部法管:《人工智慧基本法》說「原則」、《個人資料保護法》管「資料」、《著作權法》管「作品」。這頁用白話把三部法拆開講清楚,最後用 8 個情境練習判斷「這件事到底踩到哪一部」。

AI 基本法七大原則風險分級個資三階段特種個資去識別化 ≠ 匿名化人類創作表達

💡一句話定義:三部法各管什麼

🏛️ 人工智慧基本法AI 的「憲法等級原則書」:告訴政府要用什麼原則推動、監管 AI。不直接罰人。
🔐 個人資料保護法只要你的資料能認出「某個活著的人」,蒐集、處理、利用就要有合法理由、要告知,違規真的會罰。
🎨 著作權法(AI 生成內容)只保護「人類的創作表達」。純 AI 吐出來的東西,原則上誰都不能主張著作權。
記一個口訣:基本法講原則、個資法管資料、著作權管作品。考題問「原則辨析」找基本法;問「蒐集/處理/利用、告知、特種個資」找個資法;問「AI 生成的圖文誰擁有」找著作權。

🧭為什麼要分三部法?一張圖看分工

很多人以為台灣有一部「AI 法」管所有事。其實沒有——AI 基本法是上位原則,真正會開罰單的是各領域既有的法律(個資、著作權、金融、醫療……)。下圖是三部法在一個 AI 專案裡各自出現的位置:

🏛️ 人工智慧基本法:七大原則、風險分級精神、主管機關分工 上位原則,蓋在整個專案之上(本身沒有罰則) ① 蒐集資料 爬蟲、客戶紀錄、感測器 ② 訓練模型 清理、標註、餵進模型 ③ 產出內容 圖、文、程式碼、音樂 ④ 商用 販售、授權、宣傳 🔐 個資法:合法理由、告知、安全維護、當事人權利 🎨 著作權:訓練用他人著作+產出能否擁有/侵權
面向人工智慧基本法個人資料保護法著作權法(AI 生成)
管什麼政府推動與治理 AI 的原則與職責能識別特定個人的資料人類的創作表達
對象主要是政府、各目的事業主管機關公務機關+非公務機關(公司、個人都算)創作者、利用者、AI 服務商
有沒有罰則沒有(基本法性質)有:行政罰鍰+刑責有:民事賠償+刑責
AI 專案常見踩點導入高風險應用卻沒做風險評估、沒標示目的外利用、沒告知、去識別化不足拿別人作品訓練、把純 AI 產出當自己的著作

🏛️《人工智慧基本法》:它是「基本法」,不是「管制法」

先講最重要的觀念:基本法(Basic Act)是一種「宣示原則、交辦任務」的法律——它告訴政府「推動 AI 時要守哪些原則、該做哪些事」,但不直接規定企業做了什麼會被罰多少錢。真正的管制與罰則,由各領域的主管機關依既有法律(個資法、金融法規、醫療法規……)或日後的專法處理。

2025 年 12 月 23 日立法院三讀通過,全文 20 條
2026 年 1 月 14 日總統公布(華總一義字第 11500001671 號令)
2026 年 1 月 16 日生效施行(第 20 條:自公布日施行)
中央主管機關國家科學及技術委員會(國科會);地方為直轄市、縣(市)政府(第 2 條)

七大核心原則(第 4 條)

考試最愛考的就是這七個——題目會給你一個情境,問「違反了哪一項原則」。

🌱永續發展與福祉
AI 要增進人類整體福祉、兼顧環境與社會永續。
🧑人類自主
人保有最終決定權,AI 不能操弄、取代人的自主判斷。
🔐隱私保護與資料治理
蒐集與使用資料要合法、必要、可問責(接個資法)。
🛡️資安與安全
系統要能抵抗攻擊、避免造成人身或財產危害。
🔍透明與可解釋
讓人知道「這是 AI」、知道它為什麼這樣判斷。
⚖️公平與不歧視
不因性別、種族、年齡等產生差別待遇或偏誤。
📋問責
出事要找得到誰負責、有救濟管道。

風險分級與主管機關分工的「精神」

最常考的陷阱:「AI 基本法對違規企業處以高額罰鍰」——錯。全文 20 條沒有任何罰則條文。它要求主管機關「依法令」限制或禁止,罰的依據是其他法律。

查證來源:總統府公報第 7837 號(2026-01-14 公布)、維基百科:人工智慧基本法、台灣人工智慧學校:法規全文解讀

🇪🇺跟歐盟 AI Act 差在哪?

兩邊都講「風險分級」,但做法天差地遠。歐盟 AI Act 是直接管制法:把 AI 應用分成「不可接受/高/有限/最小」四級,禁止的就禁止、高風險的要符合一長串義務,違規最高可罰全球年營業額的 7% 或 3,500 萬歐元(取高者)。台灣的基本法則是原則與促進,把管制交給各部會。

面向歐盟 AI Act台灣 AI 基本法
法律性質直接管制法(Regulation,會員國直接適用)基本法(原則、政策方向、政府任務)
風險分級法條內明文四級,各級義務寫死要求主管機關「推動與國際介接的分類框架」,細節在子法/各部會規範
禁止條款有:社會評分、特定即時生物辨識等直接禁止無直接禁止清單;由各法令依風險限制或禁止
罰則有,且極重(最高 7% 全球營收)無;罰則回歸個資法、消保法、各業法
重點取向防止危害、保障基本權促進研發與產業發展+治理原則並重
適合比喻交通法規:闖紅燈直接開單交通政策白皮書:宣示「安全第一」,細則交各單位
想深入歐盟四級分類與各級義務,請看 EU AI Act 風險分級互動動畫。考題常把兩者放一起考「哪一個有直接罰則」。

🔐《個人資料保護法》:資料能認出「人」,就歸它管

什麼是個人資料?

個人資料(Personal Data,第 2 條)=姓名、出生年月日、身分證字號、護照號碼、特徵、指紋、婚姻、家庭、教育、職業、病歷、醫療、基因、性生活、健康檢查、犯罪前科、聯絡方式、財務情況、社會活動,以及其他得以直接或間接方式識別該個人之資料。重點是最後那句:不只是「姓名」才算,只要拼起來能認出是誰(例如「某公司 35 歲唯一的女工程師」),就是個資。

特種個資(第 6 條):原則禁止蒐集

特種個資(Sensitive Personal Data)共六類:病歷、醫療、基因、性生活、健康檢查、犯罪前科。原則上不得蒐集、處理、利用,只有法律明文、當事人書面同意、學術研究且去識別化等例外才行。注意:台灣的特種個資清單不包含臉部影像、宗教、政治立場(歐盟 GDPR 有),但臉部影像仍是一般個資,照樣受保護。

三階段 + 告知義務

① 蒐集 Collection取得資料。要有「特定目的」+法定事由(第 19 條:契約、法律、當事人同意、已公開且合乎目的…),並告知(第 8 條:機關名稱、目的、類別、期間、地區、對象、方式、當事人權利)。
→
② 處理 Processing記錄、輸入、儲存、編輯、更正、複製、檢索、刪除、輸出、連結、內部傳送。必須在蒐集時的特定目的範圍內。
→
③ 利用 Use處理以外的使用(例如拿來訓練模型、行銷、提供第三人)。原則上不得超出目的(第 20 條);要目的外利用,需另有法定事由或當事人同意。

當事人權利(第 3 條,不得預先拋棄或以特約限制)

違規會怎樣?

個人資料保護委員會(個資會)

過去個資法由各目的事業主管機關各管各的,沒有一個統一的獨立監管機關。憲法法庭判決後,行政院於 2023 年底成立「個人資料保護委員會籌備處」;2025 年 10 月 17 日立法院三讀通過個資法部分條文修正,2025 年 11 月 11 日總統公布,確立個人資料保護委員會(PDPC)為獨立的個資主管機關,統一監理與裁罰(施行日期由行政院另定)。對 AI 專案的意義:以後個資合規會有單一窗口+更有系統的裁罰,不再是各部會鬆緊不一。

查證來源:全國法規資料庫:個人資料保護法、個人資料保護委員會籌備處:修正條文 2025-11-11 公布、2025 年個資法修法重點(律師事務所整理)

🤖AI 訓練資料的三大個資地雷

🕷️爬蟲抓公開資料
「公開」不等於「可以隨便用」。第 19 條只允許在「與蒐集目的具有正當合理關聯」下利用已公開資料;把社群貼文含帳號、經歷整批抓去訓練,很可能超出當事人公開時的合理預期。
🧩再識別化 Re-identification
拿掉姓名,但留下郵遞區號+生日+性別,拼起來就能認出人。研究顯示這三項組合可識別大多數美國人口。模型也可能「背下」訓練資料再吐出來。
🎭去識別化 ≠ 匿名化
去識別化(De-identification)只是遮掉直接識別項,仍有再識別風險,仍是個資;匿名化(Anonymization)要做到不可逆、無法以任何合理方式還原,才脫離個資法。很多公司把前者當後者,這是最常見的誤解。
技術解法請搭配 差分隱私(在統計結果加雜訊,數學上保證個人難以被推回)與 隱私保護技術(聯邦學習、同態加密、k-匿名)。法規要求的是「合理的安全維護措施」,這些技術就是你的證據。

🎨AI 生成內容的著作權:只保護「人類的創作表達」

著作權法第 3 條、第 10 條:著作是「屬於文學、科學、藝術或其他學術範圍之創作」,著作權於著作完成時由創作之人享有。AI 不是「人」,所以純 AI 生成、沒有人類創意投入的內容,原則上不受著作權保護——不是歸 AI、不是歸平台、也不是歸下指令的你,而是誰都沒有。

智慧財產局(TIPO)的函釋立場

「人類實質參與」到底要多少?

函釋沒有給數字,實務上看創意投入的程度:只打一句提示詞(prompt)、按下生成,通常被認為不夠;用 AI 出草稿後,自己決定構圖、大幅修改、重繪細節、編排組合,人類貢獻的部分才可能成立著作。美國著作權局的做法也類似:只保護人類創作的部分,AI 生成部分要排除。

訓練資料的「合理使用」爭議

用別人的作品訓練模型,到底算不算合理使用(Fair Use)?目前全球都在打官司(紐約時報告 OpenAI、藝術家告 Stability AI、作家告 Anthropic 等),台灣智財局的立場是「原則上要授權,除非符合合理使用」。判斷會看:利用目的(商業/研究)、著作性質、利用比例、對市場的影響——尤其產出是否取代原作市場。

商用前的風險清單

風險為什麼怎麼降低
無法主張權利純 AI 產出沒著作權,別人抄了你也告不了加入人類實質創作,保留創作過程紀錄
侵權產出與訓練資料中的作品實質近似避免指名模仿特定作者風格/作品,商用前做相似度查核
違反平台條款各 AI 服務的商用授權不同(免費方案常不給商用)讀使用條款,用有商用授權與賠償條款的方案
商標/肖像/人格權生成含真人臉孔、品牌 logo 的內容避免生成真實人物與註冊商標,必要時取得同意
標示義務AI 基本法透明原則、平台與廣告法規趨勢要求標示 AI 生成在產出上誠實標示「AI 生成/AI 輔助」

查證來源:智慧財產局:電子郵件 1140522c 函釋、法源法律網:以 AI 為工具投入創意完成著作可受保護(2025-05-20)、Lexology:智財局 AI 著作權函釋整理

🎮互動:情境判斷器——這件事踩到哪一部法?

讀完三部法,來練判斷。每張卡描述一個真實會發生的情境,請選最主要踩到的法(或「沒問題」)。點選後立刻給解析,解析也會提到次要相關的法。

已作答 0 / 8 得分 0

⚠️常見誤區(考題最愛出的陷阱)

誤區正確觀念
「AI 基本法會罰違規企業」基本法沒有罰則;它宣示原則、交辦主管機關,罰則回歸各業法與個資法。
「資料是公開的,所以可以拿去訓練」公開資料仍是個資;利用必須與公開目的有正當合理關聯(第 19 條)。
「去掉姓名就不是個資了」去識別化 ≠ 匿名化;只要仍可能間接識別,就還是個資,仍受個資法規範。
「我下的提示詞,所以 AI 生成的圖是我的著作」只下指令通常不構成「創作表達」;沒有人類實質創意投入的純 AI 產出,原則上無著作權。
「AI 生成的東西沒著作權,所以怎麼用都不會侵權」「自己沒權利」和「侵犯別人權利」是兩件事;產出若與既有作品實質近似,照樣侵權。
「臉部影像是特種個資」台灣特種個資只有六類(病歷、醫療、基因、性生活、健康檢查、犯罪前科);臉部影像是一般個資,仍受保護。
「當事人簽了同意書就可以永久任意使用」同意有特定目的範圍;當事人隨時可請求停止利用或刪除,此權利不得預先拋棄。

✅自我檢測

5 題單選,點選後立刻顯示對錯與解釋。

🎯重點整理

📝 iPAS 考點提醒

台灣 AI 法規出現在初級科目一「AI 倫理與法規」與中級「法規遵循」。常考三類:(1) 原則辨析——給一個情境(例:模型無法說明為何拒貸、對特定族群誤判率高)問違反 AI 基本法哪一項原則(透明與可解釋、公平與不歧視、問責…),以及「基本法 vs 歐盟 AI Act」哪個有直接罰則;(2) 個資三階段——蒐集/處理/利用各自的合法事由、告知義務、目的外利用、特種個資六類、當事人四項權利、去識別化與匿名化的差別;(3) AI 生成著作權歸屬——純 AI 生成不受保護、人類實質參與才可能成立、訓練涉及重製。情境題長相:「公司用客戶資料訓練模型未告知」「用 AI 生圖商用」「醫院去識別化後交廠商」,選項會混入「已公開所以可用」「刪姓名就匿名」等陷阱。

想練情境題與詳解 → AI 學習與考證地圖

❓ 常見問題

台灣《人工智慧基本法》什麼時候通過、生效?

立法院 2025 年 12 月 23 日三讀通過,總統 2026 年 1 月 14 日公布,自公布日施行(2026 年 1 月 16 日生效),全文 20 條,中央主管機關為國科會。

AI 基本法的七大原則是哪七個?

永續發展與福祉、人類自主、隱私保護與資料治理、資安與安全、透明與可解釋、公平與不歧視、問責(第 4 條)。

AI 基本法和歐盟 AI Act 最大的差別?

歐盟 AI Act 是直接管制法:明文四級風險分類、禁止清單、最高罰全球年營收 7%。台灣是基本法:宣示原則、要求主管機關推動風險分類框架,本身沒有罰則。

個資法的「特種個資」有哪些?

病歷、醫療、基因、性生活、健康檢查、犯罪前科六類,原則上不得蒐集、處理、利用,只有法律明文、書面同意、去識別化的學術研究等例外。

去識別化和匿名化有什麼不同?

去識別化只是遮掉直接識別項(姓名、身分證),仍可能間接識別,所以仍是個資;匿名化要做到不可逆、無法以合理方式還原,才脫離個資法規範。

AI 生成的圖片或文章有著作權嗎?

依智慧財產局函釋,純由 AI 獨立生成、沒有人類創意投入的內容原則上不受著作權保護;若把 AI 當工具、人類有實質創意投入(構圖、修改、重繪、編排),人類貢獻的部分可受保護。

個人資料保護委員會成立了嗎?

2025 年 10 月 17 日立法院三讀、11 月 11 日總統公布的個資法修正,確立個人資料保護委員會為獨立的個資主管機關;修正條文的施行日期由行政院另定,正式運作時程以行政院公告為準。

🧭 相關主題

← 返回 AI 學習與考證地圖