ถอดรหัส Contextual Copyleft AI License (CCAI): เมื่อ AI ต้องคืนบางสิ่งให้คอมมูนิตี้โอเพนซอร์ส

• สถาปัตยกรรมของโมเดล (Model architecture) – คือการออกแบบและโครงสร้างของโมเดล AI นั้นๆ
• ข้อมูลเทรน (Training data) – ชุดข้อมูลทั้งหมดที่ถูกนำมาใช้ในกระบวนการเทรน
• นอกจากนี้ ทั้งตัวโมเดลเองและเวอร์ชันที่ถูกดัดแปลงต่อยอดใดๆ ก็ตาม จะต้องถูกเผยแพร่ภายใต้เงื่อนไข copyleft แบบ CCAI เช่นเดียวกัน

เป้าหมายหลักคือการสร้างสมดุลในระบบนิเวศโอเพนซอร์ส: เพื่อไม่ให้บริษัทเทคโนโลยีขนาดใหญ่ฉวยโอกาสนำโค้ดที่ชุมชนนักพัฒนาร่วมกันสร้างขึ้นด้วยความเปิดเผย ไปใช้สร้างระบบ AI แบบปิดและแสวงหากำไร โดยไม่ต้องคืนความเปิดเผยใดๆ กลับคืนมา

ใครคือผู้เขียนเบื้องหลังงานวิจัยนี้

งานวิจัยที่เป็นรากฐานของข้อเสนอนี้มีชื่อว่า "The Case for Contextual Copyleft: Licensing Open Source Training Data and Generative AI" คณะผู้เขียนประกอบด้วยนักวิจัยจาก DEC ทั้งสิ้น :

• Grant Shanklin – ผู้เขียนหลัก และ de Vries-Sherif Junior Fellow ณ DEC, Yale College
• Claudio Novelli – นักวิจัย DEC
• Emmie Hine – นักวิจัย DEC
• Luciano Floridi – ศาสตราจารย์เกียรติคุณ John K. Castle และผู้อำนวยการผู้ก่อตั้ง DEC
• Tyler Schroder – อดีตนักวิจัยระดับปริญญาตรีของ DEC

หลุมพรางทางกฎหมาย: ความไม่แน่นอนที่ยังไร้คำตอบ

แม้ว่า CCAI จะเป็นข้อเสนอที่มีรากฐานทางทฤษฎีที่น่าสนใจ แต่นักวิจัยเองก็ยอมรับว่ายังมีคำถามทางกฎหมายอีกหลายประการที่ยังหาข้อยุติไม่ได้ในการบังคับใช้จริง :

1. ด่านสำคัญเรื่อง "การใช้งานโดยชอบธรรม" (Fair Use) – หัวใจของความสามารถในการบังคับใช้ CCAI อยู่ที่คำตัดสินของศาลว่า การเทรนโมเดล AI ด้วยข้อมูลที่มีลิขสิทธิ์นั้นเข้าข่ายเป็น "การใช้งานโดยชอบธรรม" (fair use) หรือไม่ หากศาลสรุปว่าการเทรน AI ด้วยโค้ดที่มีลิขสิทธิ์คือ fair use ข้อจำกัดของ CCAI ก็อาจถูกบังคับใช้ได้ยาก เพราะการกระทำดังกล่าวอาจไม่จำเป็นต้องขออนุญาตตามกฎหมายลิขสิทธิ์ตั้งแต่แรก

2. สถานะ "งานดัดแปลง" (Derivative Work) – ยังเป็นที่ถกเถียงกันอย่างมากในทางกฎหมายว่า โมเดล AI ที่ผ่านการเทรนแล้วรวมถึงค่าน้ำหนัก (weights) ต่างๆ ของมัน จะสามารถจัดเป็น "งานดัดแปลง" ของโค้ดที่ใช้เทรนได้หรือไม่

3. ความแตกต่างในแต่ละเขตอำนาจศาล – ความสามารถในการบังคับใช้ข้อเสนอนี้อาจแตกต่างกันไปในแต่ละประเทศและระบบกฎหมาย เนื่องจากข้อยกเว้นและกฎเกณฑ์ด้านลิขสิทธิ์มีความหลากหลายในระดับสากล

4. ความท้าทายในทางปฏิบัติ – ต่อให้ใบอนุญาตนี้มีความเป็นไปได้ทางกฎหมาย การบังคับใช้จริงก็ยังเป็นเรื่องยาก โดยเฉพาะอย่างยิ่งเมื่อโมเดล AI ถูกเทรนด้วยชุดข้อมูลขนาดใหญ่ที่ผสมผสานจากหลากหลายแหล่ง การพิสูจน์ที่มาของโค้ดโอเพนซอร์สบางชิ้นในข้อมูลเทรนจึงเป็นสิ่งที่ทำได้ยากยิ่ง

โดยสรุป CCAI คือข้อเสนอที่มีหลักการทางทฤษฎีที่แข็งแกร่ง แต่ความอยู่รอดในโลกแห่งความเป็นจริงนั้นแขวนอยู่บนเส้นด้ายของคำถามทางลิขสิทธิ์ที่ยังไร้คำตอบ โดยเฉพาะอย่างยิ่ง ประเด็นที่ว่าการเทรน AI ด้วยโค้ดที่สงวนลิขสิทธิ์นั้นเป็นการ "ใช้งานโดยชอบธรรม" หรือไม่ และโมเดลที่เทรนเสร็จแล้วสามารถจัดเป็น "งานดัดแปลง" ตามกฎหมายได้จริงหรือไม่