当开源代码被用于训练AI：耶鲁学者提出“情境式著佐权”能否终结闭源“白嫖”？

在生成式AI（Generative AI）狂飙突进的时代，科技巨头们正以前所未有的规模“吞噬”着互联网上的公开数据，其中就包括大量以GPL、MIT等许可证发布的开源代码。一个悬而未决的伦理和法律问题是：当开源社区的集体智慧结晶被用于训练千亿参数的商业闭源大模型时，开发者们除了道德上的谴责，是否有一条具备强制力的法律路径来捍卫“开放”的价值？

近日，来自耶鲁大学数字伦理中心（DEC）的研究团队，提出了一个大胆的解决方案——“情境式著佐权AI许可证”（Contextual Copyleft AI License，简称CCAI）。这一构想并非简单修补已有的开源协议，而是试图在AI训练与版权法的模糊地带，建立一套全新的游戏规则 。

什么是“情境式著佐权AI许可证”？

著佐权（Copyleft）并非新词，它在自由软件运动中已行之有年。其核心逻辑是：基于开放源代码修改或衍生出的作品，也必须以同样开放的许可证发布，从而防止他人将开源成果占为己有、闭源商用。

但问题在于，传统著佐权许可证是为“代码复制与修改”这类场景设计的。当AI模型通过读取代码“学习”其模式而非直接复制文本时，传统法律条款立刻显得捉襟见肘 。

耶鲁大学学者提出的CCAI，正是为填补这一空白而生。其核心理念在于一个法律假设：如果将一段受著佐权保护的代码用作AI模型的训练数据，那么最终训练出的AI模型及其权重，应被视作该代码的“衍生作品”（derivative work）。

一旦这个前提成立，著佐权的“传染性”义务就被激活了。开发者如果不想遵守开源条款，就必须另寻其他合规的训练数据 。

CCAI将施加哪些“透明性义务”？

如果CCAI构想能够落地，它对AI开发者的要求将是革命性的。与传统开源协议只需公开源代码不同，CCAI要求公开的是AI模型内部的“黑箱”机密 ：

1. 公开模型架构（Model Architecture）：开发者须说明模型的神经网络是如何设计与组织的 。
2. 公开训练数据（Training Data）：必须披露模型在训练阶段使用了哪些具体数据集 。
3. 许可“传染”：模型本身以及基于该模型微调、派生的任何版本，都必须继续以CCAI或兼容条款发布，确保开放性代代相传 。

研究团队直言，此举是为了直击某些AI公司的商业模式痛点：通过剥削开源社区的免费劳动力来训练价值数十亿美元的封闭系统，却拒绝向社区回馈等价的开放知识 。

这项研究出自谁手？

该研究项目名为《情境式著佐权之辩：为开源训练数据和生成式AI发放许可证》（The Case for Contextual Copyleft: Licensing Open Source Training Data and Generative AI）。

论文作者团队均来自耶鲁大学数字伦理中心（DEC），体现了跨学界的深度合作 ：

• Grant Shanklin：第一作者，耶鲁学院DEC的de Vries-Sherif青年研究员 。
• Claudio Novelli：DEC研究员 。
• Emmie Hine：DEC研究员 。
• Luciano Floridi：耶鲁大学John K. Castle讲席教授，数字伦理中心创始主任 。
• Tyler Schroder：DEC前本科研究员 。

落地之路：悬而未决的法律不确定性

尽管CCAI在理论上逻辑自洽，但研究团队自身也清醒地列出了几大法律雷区。这些难题决定了CCAI究竟是能够落地的利器，还是仅停留于纸面的乌托邦 。

1. 绕不开的“合理使用”高墙
在美国法律体系下，这是CCAI面临的最大考验。如果法院最终认定，使用受版权保护的代码去训练AI属于“合理使用”（Fair Use）——即无需经过著作权人许可——那么CCAI的强制义务在法庭上就会失去根基。目前，关于AI训练是否构成合理使用的法律大战仍在激烈进行中，尚未有定论 。

2. “衍生作品”的界定困境
版权法中的“衍生作品”通常指基于原作的翻译、改编或影视化等。AI模型中的数学权重和浮点参数，在现有法律框架下是否真的算是一种“衍生作品”？目前这仍是一个巨大的法律盲区，需要立法或里程碑式的判例来明晰 。

3. 全球法律的“碎片化”风险
版权法具有强烈的地域性。一个在美国可能具备执行力的许可证条款，在欧盟、中国或日本可能因为对“数据挖掘”、“临时复制”等概念的认定不同而完全失效。这使得跨国AI公司的全球合规变得异常复杂 。

4. 海量数据下的溯源难题
现代大模型往往是在混合了万亿级语料令牌的数据集上训练的。当一个模型吐出一段代码时，开发者甚至原作者自己，可能都极难举证这段代码的“学习”究竟源自GitHub上的哪一个具体采用CCAI协议的项目。举证难度将直接阻碍许可的执行 。

综合来看，耶鲁团队的CCAI提案是在AI伦理与权利边界愈发模糊的当下，一次极具魄力的学术干预。它试图在传统的“代码复制”与未来的“模式学习”之间，架起一座法律桥梁，重新确立“取自开源，反哺开源”的互惠准则。然而，这座桥梁能否从学术论文走进法院判决书，取决于全球司法系统对AI时代知识产权核心定义的重塑 。