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”？

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 。