Licencja Contextual Copyleft AI (CCAI): Nowa broń społeczności open source przeciwko zamkniętym modelom AI

Jakie obowiązki w zakresie przejrzystości nałożyłaby ta licencja?

To właśnie transparentność jest sercem pomysłu badaczy z Yale. Jeśli deweloper AI wykorzysta kod na licencji CCAI do trenowania swojego modelu, będzie musiał publicznie ujawnić kluczowe informacje, które dziś stanowią pilnie strzeżone tajemnice firmowe :

• Architekturę modelu – czyli jego projekt, strukturę i sposób działania .
• Dane treningowe – czyli zestawy danych użyte w procesie uczenia .
• Sam model i jego pochodne wersje również musiałyby pozostać na tych samych, otwartych zasadach copyleft .

Celem jest tu położenie kresu sytuacji, w której gigantyczne korporacje czerpią korzyści z dorobku programistów open source, nie oddając nic w zamian i budując na tym zamknięte, komercyjne systemy .

Kto stoi za tym pomysłem?

Praca zatytułowana "The Case for Contextual Copyleft: Licensing Open Source Training Data and Generative AI" ("Argumenty za kontekstowym copyleft: Licencjonowanie otwartych danych treningowych i generatywnej AI") została stworzona przez zespół z Yale’s Digital Ethics Center . Jej autorami są :

• Grant Shanklin – główny autor i stypendysta de Vries-Sherif Junior Fellow w DEC, Yale College .
• Claudio Novelli – badacz w DEC .
• Emmie Hine – badaczka w DEC .
• Luciano Floridi – profesor John K. Castle i dyrektor założyciel DEC .
• Tyler Schroder – były student-stypendysta DEC .

Jakie wątpliwości prawne pozostają nierozstrzygnięte?

Choć koncepcja CCAI jest teoretycznie spójna i elegancka, jej realna wykonalność prawna stoi pod dużym znakiem zapytania. Sami autorzy wskazują na kilka poważnych przeszkód :

1. Próg dozwolonego użytku (fair use) – To największa zagadka. Egzekwowalność CCAI w dużej mierze zależy od tego, czy sądy uznają trenowanie AI na chronionym prawem autorskim kodzie za "dozwolony użytek" (ang. fair use). Jeśli tak, to deweloperzy AI w ogóle nie potrzebowaliby zgody właścicieli praw autorskich na wykorzystanie ich kodu, co znacznie osłabiłoby moc nowej licencji .
2. Klasyfikacja jako dzieło pochodne – Z prawnego punktu widzenia wciąż jest wysoce niepewne, czy wytrenowany model AI (wraz ze swoimi "wagami") może być uznany za "dzieło pochodne" kodu źródłowego, na którym go uczono .
3. Różnice jurysdykcyjne – Prawo autorskie i wyjątki od niego różnią się w zależności od kraju. Licencja, która miałaby szansę powodzenia w USA, może być nieskuteczna w Europie czy Azji .
4. Praktyczne egzekwowanie – Nawet przy założeniu, że licencja jest prawnie uzasadniona, jej wyegzekwowanie w praktyce może graniczyć z cudem. Modele AI trenuje się na gigantycznych, często chaotycznych zbiorach danych, gdzie ustalenie pochodzenia konkretnego fragmentu otwartego kodu jest niezwykle trudne .

Podsumowując, CCAI to śmiała i potrzebna propozycja intelektualna, która próbuje odpowiedzieć na realny problem znikającej wzajemności w cyfrowym świecie. Jej przyszłość zależy jednak od rozstrzygnięć sądowych, które na nowo zdefiniują samo pojęcie "dzieła pochodnego" w erze sztucznej inteligencji .