引言

隨著企業日益嘗試運用大型語言模型（LLM）來執行多種創造價值的任務，了解相關的法律框架變得至關重要。在將這些模型整合到商業營運之前，掌握其授權與法律規範是關鍵。本文旨在釐清 LLM 授權的各項疑慮，確保您在採用、調整或分發這些模型時，能順利避開法律糾紛。

為何 LLM 對企業如此重要？

LLM 在提升業務運作與增強客戶互動方面扮演著關鍵角色。例如，它們可以：

開發能處理客戶詢問、解決問題的聊天機器人，進而提升客戶滿意度並降低服務成本。
產製更貼近目標受眾的行銷素材，改善觸及率並提高轉換率。
協助銷售線索資格認定與支援，促進更多交易成交與收益產生。
分析資料以得出可行洞察，讓企業能做出明智決策、提升獲利能力。

不同類型的授權條款代表什麼意義？

下表列出一些常見的 LLM 授權條款：

了解開放原始碼授權的樣貌，對企業來說至關重要，因為這能幫助他們挑選適合商業化應用的模型。在眾多授權條款中，有幾項特別突出，各具不同的規定與影響。我們簡單說明如下：

Apache 2.0：這是一種寬容授權，允許無限制使用、修改與散佈，即使商業用途也適用，但需標註修改部分。就像一位慷慨的朋友分享玩具，說：「盡量玩，記得註明出處就好。」
MIT 授權：另一種寬容選項，幾乎允許任何用途（包括商業用途），強調簡單性。它沒有明確的專利授權，但要求標示出處。想像圖書館員說：「可以閱讀、分享，但記得來源。」
CC BY-SA-4.0：創用 CC 姓名標示-相同方式分享 4.0 條款，允許各種用途（包括商業用途），但要求衍生作品需以相同授權釋出。就像借用食譜，條件是你修改後也要分享。
OpenRAIL-M v1：專為 AI 模型設計，允許商業用途但附加道德與安全考量，類似一位負責任的長輩，確保使用得當。
BSD 授權：BSD-2-Clause 允許廣泛使用；BSD-3-Clause 則多了一項禁止未經許可便使用授權者姓名的條款。就像借用工具時，對方提醒你記得標註工具來源。
MPL-2.0：Mozilla Public License 2.0 是一種弱 Copyleft 授權，允許整合到專有專案中，但修改部分仍需維持 MPL 授權。想像一位手巧的朋友分享創作，但要求修改部分必須註明。
Ms-PL：Microsoft Public License 是寬容授權，但對大型作品與捆綁使用有條件限制。就像一位導師分享筆記，要求尊重原始出處。
CC0：Creative Commons Zero 是公眾領域貢獻，允許無限制使用，沒有任何著作權限制。就像哲學家分享理念，讓所有人自由使用。
Unlicense：放棄所有著作權主張，賦予使用、修改與散佈的絕對自由。就像園丁開放自己的花園給所有人。

理解這些授權條款相當實用，能引導企業在各種限制與許可中，選出符合自身需求的模型。

LLM 有哪些商業用途案例？

眾多商業應用都利用了大型語言模型（LLM）。以下是一些實例：

客戶服務：Autodesk 採用 IBM Watson Assistant 驅動其客服聊天機器人，每月處理超過 10 萬件服務案件。該聊天機器人快速解決簡單問題，並將複雜問題轉接給真人客服，提升回覆速度與滿意度。
行銷：Persado 利用 LLM 撰寫能有效引起受眾共鳴的行銷文案。透過分析跨通路的情緒與語言，Persado 產生個人化且最佳化的內容變體，進而提高轉換率。
銷售：Salesforce 在其 Einstein 平台中加入 LLM，幫助銷售人員優先處理轉換潛力最高的名單。Einstein 分析客戶互動、預測未來行為，讓業務能以個人化方式接近潛在客戶。
內容創作：《華盛頓郵報》的 Heliograf 利用 LLM 技術自動產生短篇報導與社群媒體貼文，讓記者能專注於深度新聞。Heliograf 在最初一年便產出約 850 篇文章，展現 LLM 在擴大內容產量上的效率。
風險評估與管理：金融與保險等行業運用 LLM 進行風險評估與管理。科技驅動的保險公司 Lemonade 利用 LLM 分析大量資料，協助核保與理賠處理。這些模型從申請書或理賠報告的文字資訊中評估風險因子，提升核保流程的效率與準確性。

LLM 在商業使用中的潛在負面影響

部署大型語言模型（LLM）時，商業內容中不實資訊的擴散構成重大風險。若缺乏充分監督，可能產生不準確或誇大的行銷素材，損害消費者信任與品牌聲譽。一個實際案例是某旅遊網站使用 LLM 產生目的地介紹，結果部分介紹被發現誇大或不正確，影響該網站的公信力。

此外，LLM 訓練資料中固有的偏見，可能延續到商用模型中（例如客服或招募聊天機器人）。例如，一款廣泛使用的 AI 招募工具曾顯現對女性的偏見，反映了過去招募資料的差異，可能使公司面臨法律與名譽風險。

在 LLM 處理客戶資料時，隱私問題也備受關注。例如，某健身追蹤公司的 LLM 客服機器人意外洩漏個人健康資料，凸顯強健資料保護措施的重要性。

此外，在行政、客服與法務助理等特定領域，採用 LLM 可能導致工作被取代。例如，某銀行導入 LLM 系統自動產生財務報告，減少對財務分析師的需求，影響該領域的就業。

為了降低這些風險，企業可以實施內容驗證、偏見審計、嚴格的隱私規範，以及包含員工再訓練的平衡自動化策略。透過正視與準備這些挑戰，企業能在享受 LLM 效益的同時，減少潛在負面影響。

我可以使用哪些模型？

將大型語言模型（LLM）用於商業用途的挑戰，在於這些模型可能不夠開放，或對商用有所限制（特別是基於 Meta 的 LLaMA 模型）。這可能導致公司需負擔使用成本，甚至完全無法使用。此外，部分公司可能因為透明性與自訂程式碼的自由度，而偏好使用開放原始碼模型。

幸好，仍有許多大型語言模型可供商業使用：

Bloom：一款開放存取的多語言 LLM，擁有 1760 億個參數，採用 bigscience-bloom-rail-1.0 授權。限制某些用途（如醫療建議）。
Dolly 2.0：基於 EleutherAI Pythia 模型家族的 120 億參數 LLM，並以人工產生的指令資料集進行微調。完全開放原始碼，適合研究與商業用途。
Cerebras LLMs：Cerebras 釋出了七個開放原始碼 LLM，參數量從 1.11 億到 130 億不等，適用於研究與商業營利用途。採用 Apache 2.0 授權。
Eleuther AI 模型（Polyglot、GPT Neo、GPT NeoX、GPT-J、Pythia）：EleutherAI 訓練並釋出了多個 LLM 及其訓練程式碼庫，廣泛用於開放原始碼研究應用。
H2O GPT：擁有 200 億參數的大型 LLM，適合商業用途，在多種資料集上訓練，提供最先進的效能。
Google 的 FLAN：Google 的 FLAN-T5 模型系列（包含 FLAN-UL2）為開放原始碼，並以 Apache 2.0 授權供商業使用。
StableLM：由 Stability AI 釋出，包含 StableLM-Alpha 與 StableVicuna 模型，以 The Pile 資料集為基礎。基礎模型檢查點採用 CC BY-SA-4.0 授權，微調檢查點則採用 CC BY-NC-SA-4.0，符合 Stanford 的 Alpaca 授權指引。
novita.ai：Novita AI LLM 透過強大的推理 API 提供無限制的對話。Novita AI LLM 推理 API 擁有最實惠的價格與可擴展的模型，為您的 LLM 帶來難以置信的穩定性，延遲時間低於 2 秒。透過 Novita AI LLM 推理 API，LLM 效能可大幅提升。