IA, codi obert i propietat intel·lectual
El codi obert sempre s'ha basat en un intercanvi simple però poderós: pots fer servir, estudiar, modificar i compartir el codi, però has de respectar la llicència. Aquest pacte ha creat Linux, Kubernetes, PostgreSQL, Python, innombrables llibreries de seguretat i la infraestructura que sustenta gran part d'Internet moderna.
La IA generativa posa pressió sobre aquest pacte.
Els grans models d'IA s'entrenen amb enormes quantitats de text, imatges, àudio, vídeo i codi font. Una part significativa d'aquest material s'ha fet disponible públicament per persones que volien compartir, col·laborar, documentar, ensenyar o publicar. Però fer-ho públic no és el mateix que permetre qualsevol ús comercial possible. Un repositori a internet no implica automàticament una renúncia als drets d'autor. Una llicència de codi obert no és una invitació a ignorar l'atribució, els requisits de copyleft, els avisos, les obligacions de compartir codi font o les restriccions de les llicències de dependències.
Aquest és el dilema principal: les empreses d'IA sovint argumenten que entrenar és analitzar, aprendre o fair use (ús legítim). Molts creadors i mantenidors de codi obert argumenten que l'entrenament del model implica copiar obra protegida a escala industrial, sovint sense permís, compensació, atribució ni una manera pràctica de descartar ser inclòs.
Per què el codi obert és especialment exposat
El codi obert és fàcil de recollir. És estructurat, indexable, versionat i allotjat en repositoris públics. També conté comentaris, tests, discussions de problemes, exemples, històric de commits, documentació i fitxers de configuració.
Per als creadors de models d'IA, això és material d'entrenament extremadament valuós. Per als mantenidors, genera diversos riscos:
- Les obligacions de llicència poden desaparèixer entre l'entrada d'entrenament i la sortida generada.
- L'atribució normalment no es conserva quan un model suggereix codi.
- El codi amb copyleft pot influir en els fragments generats sense que l'usuari conegui la llicència d'origen o les obligacions associades.
- Els mantenidors poden veure com la seva feina es fa servir per construir productes comercials que competeixen amb el seu suport, consultoria o serveis allotjats.
- Es poden reproduir patrons de codi sensibles a la seguretat sense context.
- El codi vulnerable o desactualitzat es pot facilitar per copiar a escala.
No es tracta només d'una qüestió de si un model pot retornar una còpia perfecta d'una funció. Això va passar de manera visible als primers eines d'IA per programació, on a vegades els prompts podien reproduir codi recognoscible. Quan els productes van madurar, els proveïdors van ser més cautelosos amb filtres, comprovacions de similitud i controls de la sortida. Però evitar la còpia literal òbvia no resol el problema de fons. El procés d'entrenament podria seguir depenent de codi les condicions de llicència del qual mai es traslladen.
En altres paraules, el problema dels drets d'autor no desapareix només perquè la prova sigui més difícil de detectar en la sortida.
Això és especialment important per a llicències recíproques com la GPL i l'AGPL. Aquestes llicències no són només permís. Concedeixen grans llibertats, però també requereixen que les obres derivades, o qualsevol programari distribuit sota les condicions corresponents, conservin aquestes llibertats. Si un model s'ha entrenat amb codi GPL i després produeix codi que es basa substancialment en aquella entrada, l'usuari pot, sense saber-ho, introduir obligacions de la GPL al seu projecte. Si aquest projecte és codi tancat, propietari o distribuït sota una llicència incompatible, això pot ser una violació de la llicència.
El problema pràctic és que l'usuari generalment no pot saber-ho. L'assistent d'IA no diu: “aquesta suggerència prové de codi amb llicència GPL”, “aquest patró prové d'un projecte AGPL” o “aquesta sortida s'assembla a codi amb llicència Apache i requereix conservar els avisos”. El context de llicència estava present a les dades d'entrenament, però desapareix a la resposta. Això trenca la cadena de compliment legal sobre la qual es basa el codi obert.
La incomoditat entre llegir i entrenar
Els desenvolupadors aprenen del codi obert constantment. Llegim codi, entenem patrons i escrivim la nostra implementació. Això és normal i sa. El codi obert depèn d'aquest tipus d'aprenentatge.
L'entrenament d'IA és diferent en escala, automatització i efecte de mercat. Un programador humà que estudia un projecte no copia milions de repositoris dins d'una pipeline d'entrenament i no comprimeix els seus patrons estadístics en un model comercial, ni ven l'accés a la generació de codi com a producte. El model potser no emmagatzema fitxers com una base de dades, però el valor de negoci igualment prové d'extreure patrons de la feina d'altres.
Per això el debat és tan complex. Si cada acte d'aprenentatge automàtic amb codi públic requereix permís individual, molts sistemes d'IA seran impracticables d'entrenar. Si no es necessita permís, els drets econòmics i morals dels creadors es debiliten molt. Els dos extrems són problemàtics.
UE vs EUA: dos instints legals molt diferents
El marc legal no és uniforme. Els països encara intenten encaixar la IA dins sistemes de drets d'autor que no van ser escrits per a entrenaments a gran escala.
Unió Europea
La UE té un marc més explícit. La Directiva sobre drets d'autor en el mercat únic digital inclou excepcions per a miners de text i dades. L'article 3 cobreix organismes de recerca i institucions de patrimoni cultural. L'article 4 permet l'extracció de text i dades més àmpliament, inclòs a escala comercial, però permet als titulars de drets reservar-se'ls, per exemple, mitjançant mitjans llegibles per màquina.
La Llei d'IA de la UE afegeix una altra capa per als models d'IA d'ús general. Els proveïdors tenen obligacions de transparència i vinculades als drets d'autor, com ara polítiques de compliment de la legislació europea i resums dels continguts d'entrenament. Això no respon plenament a si una sessió d'entrenament concreta és legal, però apropa el model perquè els proveïdors hagin de documentar més i els titulars de drets tinguin eines més clares per oposar-s'hi.
El punt feble és la implementació pràctica. Els mecanismes de baixa són fragmentats. El robots.txt es va dissenyar per a rastrejadors web, no per a matisos de drets en repositoris de codi, registradors de paquets, mirrors, datasets i forks. Un petit mantenidor pot tenir dret a reservar-ne l'ús però no té manera realista d'auditar si un model punter l'ha respectat.
Estats Units
Els EUA no tenen cap excepció específica en drets d'autor per a IA i entrenament. El debat gira al voltant del fair use, litigis, acords de llicència i danys al mercat. L'Oficina del Copyright dels EUA estudia IA i drets d'autor en diferents informes, incloses rèpliques digitals, dret sobre les obres generades i entrenament generatiu d'IA. La seva guia de fair use remarca que el fair use és cas per cas i depèn de factors com la finalitat, la quantitat utilitzada i l'efecte sobre el mercat.
Això fa el model dels EUA més flexible però menys previsible. Les empreses d'IA poden argumentar que l'entrenament és transformador. Els titulars de drets poden argumentar que la còpia massiva és comercial, substitueix el mercat de llicència i en redueix el valor. Són els tribunals qui segueixen decidint on són els límits.
Pel codi obert, l'enfocament dels EUA genera incertesa. Una empresa pot creure que l'entrenament sobre repositoris públics és fair use, mentre que els mantenidors poden pensar que la companyia ignora les condicions de les llicències. Fins que tribunals o lleis no aclareixin més, el resultat pràctic és un desequilibri: les empreses grans poden assumir riscos legals, mentre que els mantenidors individuals sovint no poden.
Regne Unit
El Regne Unit es troba entre aquestes dues posicions. El govern ha consultat sobre un marc legal que combina una excepció per a mineria de text i dades, reserva de drets, acords de llicència i més transparència. La mateixa consulta reconeix que la llei anglesa actual és disputada i que tant creadors com desenvolupadors d'IA no tenen seguretat.
És un intent de trobar una via intermèdia: permetre l'entrenament on els drets no es reserven, però donar més control i visibilitat als titulars de drets. El seu èxit dependrà dels detalls tècnics. Un opt-out només alabast dels grans editors no seria un sistema just per a desenvolupadors, músics, escriptors i petits projectes de codi obert.
Japó i Singapur
El Japó es descriu sovint com més permissiu amb l'anàlisi d'informació i l'aprenentatge automàtic, tot i que els detalls segueixen subjectes a interpretació i directrius. L'Agència d'Afers Culturals del Japó ha publicat una interpretació general sobre IA i drets d'autor, deixant clar que el tema segueix sent legalment complex.
Singapur també té una excepció àmplia per a l'anàlisi computacional de dades. L'objectiu de política és promoure la innovació i el desenvolupament d'IA, però el desavantatge és familiar: permisos més amplis d'entrenament poden afeblir la capacitat de negociació dels titulars de drets en absència de transparència, mercats de llicència o altres salvaguardes.
Això és més gran que el codi font
El debat sobre el codi obert forma part d'un conflicte més ampli sobre la identitat digital i el treball creatiu.
Els actors lluiten contra sistemes d'IA que copien cares, moviments corporals i interpretacions. Dobladores i cantants lluiten contra veus clonades que poden generar nous enregistraments sense consentiment. Escriptors i periodistes lluiten contra models entrenats sobre llibres, articles i arxius. Artistes visuals lluiten contra generadors d'imatges que poden imitar el seu estil o saturar el mercat de treballs derivats.
El patró és similar en cada cas:
- L'obra creativa es recull a escala.
- El model n'aprèn sense relació directa amb el creador.
- Un producte es ven basat en la capacitat que s'ha adquirit.
- El creador té poca transparència, poc poder de negociació i capacitat limitada per demostrar què ha passat.
Per als actors i cantants, la qüestió no és només de drets d'autor. També es tracta de drets de la personalitat, dret a la pròpia imatge, dret laboral, dret contractual, protecció del consumidor i consentiment. Una veu pot ser una interpretació, una dada biomètrica, una marca i una identitat personal alhora. Una cara pot ser un actiu artístic, però també la persona en si mateixa.
Els desenvolupadors de codi obert potser no es consideren intèrprets, però l'economia és comparable. La seva feina esdevé matèria primera per a un sistema que pot competir-hi, reduir l'atribució i derivar valor de molts petits creadors cap a pocs proveïdors de models.
El problema amb “era públic”
Un dels arguments més febles en el debat sobre IA és que l'accés públic equival a ús sense restricció. La web mai ha funcionat així. Un post d'un blog és públic, però no es pot reeditar lliurement com a llibre. Una foto és pública, però no es pot fer servir en un anunci a voluntat. Un repositori a GitHub és públic, però encara està subjecte a drets d'autor i a les condicions de llicència.
Les llicències de codi obert es basen en aquesta distinció. Concedeixen grans permisos, però sempre amb condicions. MIT, Apache, BSD, GPL, AGPL, MPL i altres prenen decisions diferents sobre atribució, concessions de patents, distribució de codi, ús en xarxa i derivats. Tractar tot el codi públic com a matèria prima uniforme esborra aquestes decisions.
Això és perillós perquè la diversitat de llicències no és casual. És com els mantenidors expressen la seva intenció.
Com seria un sistema més just?
No hi ha solució fàcil, però diversos principis podrien fer que l'ecosistema fos més sa.
1. Transparència per defecte
Els proveïdors d'IA haurien de publicar resums significatius sobre les fonts de dades d'entrenament. No fa falta llistar cada fitxer individualment, però frases àmplies com “entrenat amb dades públiques” no són suficients. Desenvolupadors, artistes, editors i usuaris han de saber quin tipus de materials s'utilitzen i amb quin fonament legal.
2. Respecte pels drets llegibles per màquina
Si la llei depèn d'opcions d'exclusió, aquestes han de ser estandarditzades, accessibles i realment aplicables. Un petit projecte no hauria de necessitar un departament legal per dir “no entrenis amb això”. Repositoris, registradors de paquets, webs i plataformes de contingut necessiten mecanismes clars perquè els rastrejadors i IA els respectin.
3. Eines d'IA coneixedores de llicències
Els assistents de codi haurien d'ajudar l'usuari a entendre el risc de llicència. Si el codi generat s'assembla a codi obert conegut, l'eina hauria d'advertir l'usuari i mostrar la llicència corresponent. Amagar els problemes de similitud pot reduir plets a curt termini, però augmenta el risc de compliment per als desenvolupadors i empreses que fan servir l'eina.
4. Models de compensació més justos
Certs usos d'entrenament s'haurien de llicenciar. Pot ser via llicències directes, col·lectives, mercats de datasets o models de repartiment d'ingressos. Els detalls variaran entre codi, música, cinema, periodisme i art visual, però el principi és el mateix: si un producte d'IA comercial depèn d'obra humana de qualitat, les persones que la creen no haurien de ser invisibles.
5. Protecció forta contra la suplantació
Les rèpliques digitals de veus, cares i interpretacions haurien de requerir consentiment. L'etiquetatge no és suficient si una veu o cara falsa es pot fer servir per enganyar, assetjar, estafar o substituir una persona comercialment. Aquí els drets d'autor només són part de la solució.
Què poden fer els mantenidors de codi obert avui
La situació legal no és ferma, però els mantenidors tenen opcions pràctiques:
- Escollir llicències amb cura i documentar-ne el motiu.
- Afegir avisos clars en el repositori sobre preferències d'entrenament d'IA, si és rellevant per al projecte.
- Donar suport a fundacions i organitzacions que defensen els drets del codi obert en polítiques d'IA.
Tot això no resol el problema del tot. Només redueix riscos mentre la llei i la pràctica industrial evolucionen.
El veritable perill per al codi obert
El perill més gran no és que la IA aprengui del codi obert. Aprendre del codi obert forma part de perquè el món del programari funciona.
El perill és que la IA converteixi la col·laboració oberta en una extracció unilateral. Si els mantenidors aporten codi, documentació, informes d'errors, exemples i coneixement comunitari, mentre el valor comercial es captura a fora sense atribució, compliment de llicències o suport als comuns, el contracte social es debilita.
El codi obert depèn de la confiança. Les empreses d'IA necessiten codi obert, però també poden danyar el mateix ecosistema del qual depenen. Respectar les llicències, publicar dades transparents, donar suport als mantenidors i construir mecanismes d'exclusió i llicència no són postures anti-IA. Són postures pro-sostenibilitat.
La IA pot ser una eina útil per a desenvolupadors, artistes, escriptors, cantants, actors i empreses. Però la utilitat no anul·la els drets de propietat, el consentiment ni el mèrit. Si la societat vol sistemes d'IA entrenats amb la feina de milions de persones, també ha de decidir com aquestes persones mantenen certa agència sobre el resultat de la seva feina.
Aquesta decisió no pot quedar només en mans de les empreses que ja han copiat les dades.
