Yale-forskere vil tvinge AI-selskaber til åbenhed med ny 'copyleft'-licens

I kølvandet på debatten om tech-giganternes brug af offentligt tilgængelig kode til at træne lukkede, kommercielle AI-systemer, har et forskerhold fra Yales prestigefyldte Digital Ethics Center (DEC) fremlagt et kontroversielt, men velargumenteret modsvar. De foreslår en helt ny licensmodel, der skal genoprette balancen mellem open source-fællesskabet og AI-industrien.

Hvad er en Contextual Copyleft AI License (CCAI)?

Contextual Copyleft AI License, eller CCAI, er et licensforslag, der forsøger at bringe det velkendte copyleft-princip fra softwareverdenen ind i AI-alderen . Traditionelt betyder copyleft, at hvis du modificerer og distribuerer et stykke open source-software, så skal din nye version også være open source. Det forhindrer, at gratis fællesskabskode "lukkes inde" i proprietære produkter.

Yale-forskernes centrale pointe er radikal, men enkel: En generativ AI-model, der er trænet på kode under en CCAI-licens, skal juridisk betragtes som et afledt værk af den kode . Det ville automatisk udløse copyleft-forpligtelserne og tvinge AI-udvikleren til at give samme grad af åbenhed tilbage til det fællesskab, de har hentet data fra .

Hvilke krav stiller licensen til AI-udviklere?

Hvis forslaget bliver en realitet, vil det pålægge AI-udviklere en række specifikke gennemsigtighedskrav :

• Modelarkitektur offentliggøres – Udvikleren skal beskrive modellens design og struktur i detaljer .
• Træningsdata dokumenteres – Man skal dele omfattende information om de datasæt, der er brugt til træning .
• Afledte modeller forbliver åbne – Selve AI-modellen og alle fremtidige versioner, der bygger på den, skal forblive under de samme CCAI copyleft-vilkår .

Målet er at forhindre en ensidig praksis, hvor virksomheder høster frugterne af open source-fællesskabets arbejde for derefter at skabe lukkede systemer, som fællesskabet ingen indsigt får i .

Hvem står bag forslaget?

Studiet har titlen "The Case for Contextual Copyleft: Licensing Open Source Training Data and Generative AI" og er udgivet i Oxford Journal of International Law & Technology . Holdet bag består af forskere fra Yales Digital Ethics Center :

• Grant Shanklin — Hovedforfatter og de Vries-Sherif Junior Fellow ved DEC, Yale College .
• Claudio Novelli — Forsker ved DEC .
• Emmie Hine — Forsker ved DEC .
• Luciano Floridi — Anerkendt professor og stiftende direktør for DEC .
• Tyler Schroder — Tidligere DEC undergraduate fellow .

De juridiske slagsmål, der venter forude

Selvom ideen er fængende, er der langt fra teori til juridisk virkelighed. Forskerne peger selv på flere åbne spørgsmål, der kan spænde ben for CCAI’s håndhævelse :

1. Fair use-fælden – Hele licensens eksistensberettigelse afhænger af, hvordan domstolene ser på 'fair use'. Hvis en domstol vurderer, at træning af en AI på ophavsretsbeskyttet kode er at betragte som "fair use" (tilladt kopiering), så kan man i princippet springe licensen over, fordi man slet ikke har brug for tilladelse til at bruge koden . En stor amerikansk dom kan potentielt vælte hele konstruktionen.
2. Hvem er far til modellen? – Det er juridisk uafklaret, om en trænet AI-model med sine lærte vægte overhovedet kan klassificeres som et "afledt værk" af sin træningskode . Kritikere vil argumentere for, at modellen er sit eget unikke værk.
3. Forskellige lande, forskellige regler – Licensens effektivitet vil variere fra jurisdiktion til jurisdiktion, da copyright-reglerne og især undtagelsesbestemmelserne er vidt forskellige i USA, EU og resten af verden .
4. Praktisk håndhævelse – Selv hvis licensen er juridisk gyldig, kan det blive et mareridt at håndhæve i praksis. Hvordan beviser man, at netop en bestemt stump kode fra en enorm blandet datasætpulje har været afgørende for en modells output? .

Forslaget er med andre ord et gennemtænkt teoretisk værktøj, der rammer ned i en af AI-branchens mest ømme punkter. Men skæbnen for CCAI vil blive afgjort af fremtidige retssager og lovgivning, der skal tage stilling til, præcis hvordan spillereglerne skal være, når maskiner lærer af menneskeskabt kode.