Lesen Copyleft Kontekstual AI (CCAI): Solusi Yale untuk Isu AI Latih Kod Sumber Terbuka

Apakah Obligasi Ketelusan yang Dikenakan?

Jika pemaju AI melatih model mereka menggunakan kod yang dilesenkan di bawah CCAI, mereka tidak lagi boleh menyembunyikan 'resipi rahsia' di sebalik sistem proprietari (tertutup). Cadangan ini akan mewajibkan pendedahan awam terhadap maklumat utama model :

• Seni Bina Model — reka bentuk dan struktur teknikal model AI tersebut .
• Data Latihan — set data yang digunakan untuk melatih model .
• Model itu sendiri dan sebarang versi terbitan juga perlu kekal di bawah terma copyleft ala CCAI yang sama .

Tujuannya jelas: mengelakkan syarikat AI daripada 'mengambil' kod komuniti sumber terbuka secara percuma untuk membina sistem tertutup yang mahal, tanpa memulangkan semula keterbukaan yang setara kepada komuniti yang membangunkan kod asal .

Siapa Pengarang Kertas Kajian Ini?

Kajian yang bertajuk "The Case for Contextual Copyleft: Licensing Open Source Training Data and Generative AI" ini diterbitkan oleh barisan penyelidik berikut :

• Grant Shanklin — Penulis utama dan Felo Muda de Vries-Sherif di DEC, Kolej Yale .
• Claudio Novelli — Penyelidik DEC .
• Emmie Hine — Penyelidik DEC .
• Luciano Floridi — Profesor John K. Castle dan pengarah pengasas DEC .
• Tyler Schroder — Bekas felo sarjana muda DEC .

Apakah Ketidakpastian Undang-undang yang Masih Wujud?

Walaupun idea ini kukuh dari segi teori, para penyelidik sendiri mengakui terdapat beberapa persoalan undang-undang besar yang boleh menentukan sama ada CCAI benar-benar boleh dikuatkuasakan di dunia nyata :

1. Ambang Penggunaan Saksama (Fair Use) — Kebolehkuatkuasaan CCAI sangat bergantung kepada sama ada mahkamah memutuskan bahawa latihan model AI adalah "penggunaan saksama" di bawah undang-undang hak cipta . Jika mahkamah memutuskan bahawa latihan dengan kod berhak cipta tidak memerlukan kebenaran, maka sekatan lesen ini mungkin sukar untuk dikuatkuasakan .
2. Klasifikasi 'Karya Terbitan' — Masih menjadi tanda tanya dari segi undang-undang sama ada model AI yang telah dilatih, termasuk 'pemberat' (weights) pembelajarannya, boleh diklasifikasikan sebagai "karya terbitan" kepada kod latihan asal .
3. Percanggahan Bidang Kuasa — Kebolehkuatkuasaan cadangan ini mungkin berbeza-beza antara sistem perundangan yang berbeza kerana peraturan dan pengecualian hak cipta adalah berbeza mengikut negara .
4. Penguatkuasaan Praktikal — Walaupun sah dari segi undang-undang, penguatkuasaan mungkin sukar apabila model dilatih menggunakan set data yang besar dan bercampur, menjadikan asal usul kod sumber terbuka tertentu sukar untuk dikesan .

Kesimpulannya, CCAI adalah satu cadangan yang kukuh dari segi etika dan teori, tetapi nasibnya di dunia nyata bergantung kepada bagaimana mahkamah akhirnya menjawab persoalan asas: Adakah latihan AI itu penggunaan saksama, dan adakah model AI adalah karya terbitan? .