La licencia CCAI de Yale: ¿el fin del 'pillaje' de código abierto por parte de las IA propietarias?

La idea central: extender el espíritu del software libre a la inteligencia artificial

Imagina que una gran empresa tecnológica toma miles de repositorios públicos de código abierto —creados por una comunidad de voluntarios que decidieron compartir su trabajo libremente—, entrena con ellos un modelo de inteligencia artificial de última generación y luego lo vende como un producto cerrado, sin revelar nada sobre su funcionamiento interno. Esa práctica es hoy una realidad y, para muchos, una forma de “pillaje” unilateral.

Para ponerle freno, un equipo de investigadores del Centro de Ética Digital (DEC) de la Universidad de Yale ha presentado una propuesta rompedora: la Licencia de IA Copyleft Contextual (o CCAI, por sus siglas en inglés) . No es una simple modificación de las licencias actuales, sino un intento de trasladar el principio de copyleft —piedra angular del movimiento del software libre y de código abierto (FOSS)— al terreno de la inteligencia artificial generativa .

¿Qué es exactamente la licencia CCAI?

La CCAI se basa en un argumento jurídico novedoso: si un modelo de IA generativa se entrena con código protegido por esta licencia, el modelo resultante debe ser tratado como una obra derivada de ese código .

En el mundo del software, el copyleft funciona como un “truco” legal dentro del sistema de copyright: en lugar de prohibir el uso de un programa, permite su uso, modificación y redistribución, pero con la condición de que todas las versiones modificadas o ampliadas mantengan las mismas libertades que el original. Dicho de forma sencilla: “puedes usar este código, pero todo lo que construyas a partir de él debe permanecer igual de libre y abierto”.

La CCAI extiende esa lógica al entrenamiento de modelos . Si un desarrollador entrena un sistema de IA con datos protegidos por CCAI, ese modelo —y cualquier versión posterior— hereda la misma obligación de apertura. El objetivo es claro: impedir que el código abierto de la comunidad se convierta en un insumo gratuito para construir sistemas cerrados que no devuelven nada a cambio .

¿Qué transparencia exigiría a los desarrolladores de IA?

La propuesta no se queda en una declaración de principios. Si un desarrollador de IA utiliza un conjunto de datos o código publicado bajo una licencia CCAI, quedaría obligado a hacer pública la siguiente información :

• La arquitectura del modelo: cómo está diseñado y estructurado internamente .
• Los datos de entrenamiento: los conjuntos de datos que se emplearon para entrenarlo .
• Además, tanto el modelo original como cualquier versión derivada tendrían que permanecer bajo los mismos términos de copyleft CCAI, evitando que se relicencien con condiciones más restrictivas .

La intención es generar un “círculo virtuoso” de apertura: si te beneficias del trabajo comunitario, debes contribuir con la misma transparencia para que otros también puedan beneficiarse.

¿Quién está detrás de esta propuesta?

El estudio se titula “The Case for Contextual Copyleft: Licensing Open Source Training Data and Generative AI” (El argumento a favor del copyleft contextual: licencias para datos de entrenamiento abiertos e IA generativa) . Los autores son :

• Grant Shanklin, autor principal y Junior Fellow de Vries-Sherif en el DEC, Yale College .
• Claudio Novelli, investigador del DEC .
• Emmie Hine, investigadora del DEC .
• Luciano Floridi, profesor John K. Castle y director fundador del DEC .
• Tyler Schroder, antiguo estudiante colaborador del DEC .

El elefante en la sala: ¿es realmente aplicable esta licencia?

Los propios investigadores reconocen que el camino hacia la aplicabilidad real está lleno de interrogantes legales sin resolver . Estas son las principales incertidumbres:

1. ¿El entrenamiento de una IA es 'uso legítimo' (fair use)?

La piedra angular de la CCAI es que quien entrena un modelo con código protegido necesita una autorización de derechos de autor. Sin embargo, varios tribunales están debatiendo si el entrenamiento de IA puede considerarse un “uso transformador” y, por tanto, “uso legítimo” (fair use). Si la justicia determinase que el entrenamiento con datos protegidos por derechos de autor es fair use, las restricciones de la licencia perderían gran parte de su fuerza, porque el uso no requeriría permiso previo .

2. ¿Un modelo entrenado es una 'obra derivada'?

La CCAI asume que un modelo de IA —con sus millones de parámetros internos— puede ser considerado legalmente una “obra derivada” del código de entrenamiento. Esa clasificación no está para nada clara en el derecho de autor actual y es un punto muy discutido entre juristas .

3. Un mundo, distintas leyes

La aplicabilidad de la CCAI puede variar drásticamente según la jurisdicción. Las reglas sobre copyright y sus excepciones no son las mismas en Estados Unidos, la Unión Europea o Japón, lo que fragmentaría su eficacia en distintos mercados .

4. El problema práctico del rastreo

Aunque la licencia fuese jurídicamente sólida, hacerla cumplir supondría un reto mayúsculo. Los modelos suelen entrenarse con inmensas mezclas de datos y rastrear qué fragmento de código abierto ha contribuido exactamente a qué parte del modelo es una tarea extremadamente compleja .

En resumen, la CCAI es una propuesta intelectualmente sólida y con una lógica atractiva para la comunidad del código abierto, pero su destino práctico depende de respuestas judiciales que aún no existen: ¿es el entrenamiento de una IA un fair use? ¿Es un modelo entrenado una obra derivada? Mientras los tribunales no se pronuncien con claridad, la CCAI seguirá siendo un campo de batalla teórico con un gran potencial disruptivo .