Cos'è la licenza Contextual Copyleft AI (CCAI) e cosa cambierebbe per l'IA open source?

La genesi della licenza Contextual Copyleft AI

La Contextual Copyleft AI License (CCAI) è una proposta di licenza elaborata da un team di ricercatori del Digital Ethics Center (DEC) dell'Università di Yale . L'obiettivo è ambizioso: estendere la logica del copyleft, nata nel mondo del software libero e open source, al campo dell'intelligenza artificiale generativa .

In pratica, la CCAI presuppone che un modello di IA addestrato su codice open source «coperto» dalla licenza debba essere considerato legalmente un'opera derivata di quel codice. Questo farebbe scattare gli obblighi tipici delle licenze copyleft, che impongono di mantenere lo stesso livello di apertura anche per i lavori successivi .

L'idea di fondo, come spiegano i ricercatori, è impedire che le grandi aziende tecnologiche possano «saccheggiare» il codice delle comunità open source per addestrare sistemi proprietari chiusi – per poi non restituire nulla in termini di trasparenza o accesso alla comunità stessa .

Chi sono gli autori dello studio

Lo studio si intitola "The Case for Contextual Copyleft: Licensing Open Source Training Data and Generative AI" ed è stato pubblicato anche su arXiv e SSRN . Gli autori sono :

• Grant Shanklin, autore principale e de Vries-Sherif Junior Fellow presso il DEC, Yale College ;
• Claudio Novelli, ricercatore del DEC ;
• Emmie Hine, ricercatrice del DEC ;
• Luciano Floridi, professore e direttore fondatore del DEC ;
• Tyler Schroder, ex studente collaboratore del DEC .

Cosa dovrebbero rivelare gli sviluppatori di IA

Se un modello di IA viene addestrato usando codice coperto da una licenza CCAI, lo sviluppatore sarebbe tenuto a rendere pubbliche alcune informazioni chiave :

• L'architettura del modello, cioè la struttura e il design del sistema di IA .
• I dati di addestramento utilizzati per «istruire» il modello .
• Il modello stesso, e qualsiasi sua versione derivata, dovrebbe rimanere sotto i medesimi vincoli copyleft .

L'effetto sperato è costringere le aziende a un principio di reciprocità: se prendi dalla comunità open source, devi restituire qualcosa di altrettanto aperto .

Le incognite legali: fair use, opere derivate e giurisdizioni

Nonostante la solidità teorica, gli stessi ricercatori di Yale elencano diverse questioni legali ancora aperte, che rendono dubbia l'applicabilità concreta della CCAI .

1. Fair use e copyright — Negli Stati Uniti (e in altre giurisdizioni con dottrine simili) si discute se l'addestramento di modelli di IA su materiale protetto da copyright costituisca «fair use». Se i tribunali dovessero consolidare questa interpretazione, la CCAI perderebbe mordente, perché l'addestramento in sé non richiederebbe un permesso del titolare dei diritti .

2. Modello come opera derivata — Non esiste ancora un chiaro consenso giuridico sul fatto che un modello di IA addestrato, inclusi i suoi parametri o «pesi», possa essere considerato un'opera derivata del materiale di addestramento. Questa è una condizione necessaria perché la CCAI funzioni .

3. Divergenze tra ordinamenti — Le regole sul copyright e le eccezioni al diritto d'autore variano moltissimo da Paese a Paese. Una licenza pensata in un contesto di common law potrebbe incontrare ostacoli, o essere interpretata in modo diverso, nei sistemi di civil law europei o in altre giurisdizioni .

4. Applicazione pratica — Anche ammettendo che la CCAI sia giuridicamente valida, sarebbe molto difficile tracciare la provenienza di singoli pezzi di codice open source all'interno di modelli addestrati su enormi dataset misti. Senza una «catena di custodia» chiara, far rispettare la licenza diventa complicato .

In sintesi, la CCAI è una proposta intellettualmente stimolante e fondata su un'apparente necessità etica e comunitaria. Ma la sua efficacia nel mondo reale dipende da nodi giuridici ancora tutti da sciogliere – su tutti, se l'addestramento di una IA costituisca fair use e se un modello addestrato possa essere davvero trattato come un'opera derivata .