Mesterséges intelligencia, nyílt forráskód és szellemi tulajdon

A nyílt forráskód mindig is egy egyszerű, de erőteljes alkura épült: használhatod, tanulmányozhatod, módosíthatod és megoszthatod a kódot, de tiszteletben kell tartanod a licencfeltételeket. Ez az alku hozta létre a Linuxot, a Kubernetes-t, a PostgreSQL-t, a Pythont, megszámlálhatatlan biztonsági könyvtárat és a modern internet nagy részének infrastruktúráját.

A generatív MI nyomást gyakorol erre az alkura.

A nagy MI modelleket hatalmas mennyiségű szövegen, képen, hanganyagon, videón és forráskódon tanítják. Ennek az anyagnak jelentős részét olyan emberek tették nyilvánosan elérhetővé, akik meg akarták osztani, együttműködni szerettek volna, dokumentálni, tanítani vagy publikálni akartak. Azonban a nyilvános hozzáférhetőség nem egyenlő azzal, hogy bármilyen kereskedelmi célú felhasználás engedélyezett lenne. Egy internetes tárhely nem automatikus lemondás a szerzői jogról. Egy nyílt forráskódú licenc nem meghívás arra, hogy figyelmen kívül hagyjuk a szerzőséget, a copyleftet, a figyelmeztetéseket, a forrásmegosztás kötelezettségét vagy a függőségekben érvényesülő licenckorlátozásokat.

Ez a dilemma lényege: az MI-t fejlesztő cégek gyakran azzal érvelnek, hogy a tréning elemzés, tanulás vagy méltányos felhasználás. Sok alkotó és nyílt forráskódú fenntartó viszont úgy látja, hogy a modell betanítása védett alkotások ipari léptékű lemásolásával jár, gyakran engedély, ellentételezés, szerzői elismerés vagy reális letiltási lehetőség nélkül.

Miért különösen kitett a nyílt forráskód?

A nyílt forráskód könnyen gyűjthető. Strukturált, kereshető, verziózott és nyilvános tárhelyeken van elérhető. Továbbá tartalmaz kommenteket, teszteket, hibajegy-megbeszéléseket, példákat, commit naplót, dokumentációkat és konfigurációs fájlokat.

Az MI modelleket fejlesztők számára ez rendkívül értékes tanítóanyag. A fenntartók számára azonban több kockázatot is jelent.

• A licencfeltételek eltűnhetnek a betanítási inputból a generált outputba vezető úton.
• A szerzői elismerés általában nem őrződik meg, amikor a modell kódot javasol.
• A copyleft kód befolyásolhatja a generált kódrészleteket anélkül, hogy a felhasználó tudná az eredeti licencet vagy annak kötelezettségeit.
• A fenntartók azt tapasztalhatják, hogy munkájukat olyan kereskedelmi eszközök fejlesztéséhez használják, amelyek versenyeznek a saját tanácsadói, támogatói vagy hosztolt termékeikkel.
• Biztonsági szempontból érzékeny kódminták is újra előállhatnak kontextus nélkül.
• Sérülékeny vagy elavult kód tömeges lemásolása is könnyebbé válhat.

Ez nem csupán arról szól, hogy egy modell ki tud-e adni egy funkciót szóról szóra. Ennek látványosabb példái korai MI kódgeneráló eszközökben voltak, ahol néha felismerhetően visszaadtak ismert kódrészleteket. Ahogy fejlődtek ezek a termékek, az üzemeltetők egyre jobban ügyeltek a szűrőkre, hasonlósági ellenőrzésekre és az output kontrolljára. Az azonban, hogy elkerülik az egy-az-egyben visszaadásokat, nem oldja meg a mélyebb problémát. Maga a tanítási folyamat továbbra is olyan kódra támaszkodhatott, amelynek licencfeltételei sosem jelentek meg a kimenetnél.

Másképp fogalmazva: a szerzői jogi probléma nem tűnik el csak azért, mert a bizonyítékot nehezebb kimutatni az outputban.

Ez különösen fontos a viszonossági licencek, mint például a GPL és AGPL esetében. Ezek a licencek nem csak engedélypapírok. Tág szabadságokat adnak, de megkövetelik, hogy a származékos művek, illetve a megfelelő feltételekkel terjesztett szoftverek megőrizzék ezeket a szabadságokat. Ha egy modell GPL-es kódon képződött, majd olyan kódot ad vissza, amely lényegében azon a GPL inputon alapul, a felhasználó akár akaratlanul is GPL-kötelezettséget vihet be a saját projektjébe. Ha az a projekt zárt forráskódú, tulajdonosi vagy inkompatibilis licenc alatt terjesztett, abból licencsértés lehet.

A gyakorlati nehézség, hogy a felhasználó általában ezt nem tudhatja. Az MI asszisztense nem mondja: „ez a javaslat GPL-licencű kódból származik”, „ez a minta egy AGPL-projektből jött”, vagy „ez az output egy Apache-licencű kódhoz hasonlít, ezért meg kell őrizni a figyelmeztetéseket”. A licenc kontextus benne volt a tanítóadatban, de hiányzik a válaszból. Ez megszakítja azt a megfelelőségi láncolatot, amelyre a nyílt forráskódú licencek épülnek.

A kényelmetlen különbség az olvasás és a tanítás között

A fejlesztők folyamatosan tanulnak a nyílt forráskódból. Kódot olvasnak, megértenek mintákat, majd saját megvalósítást írnak. Ez normális és kívánatos. A nyílt forráskód erre a fajta tanulásra támaszkodik.

Az MI betanítása azonban más léptékű, automatikus és piaci hatású. Egy emberi fejlesztő nem szokott egyszerre több millió repository-t betölteni egy betanítócsőbe, ezek statisztikai mintázatait egy kereskedelmi modellben összesűríteni, majd a kódgenerálásért szolgáltatást árulni. A modell lehet, hogy nem adatbázisként tárolja a fájlokat, de az üzleti érték továbbra is mások munkájának mintáiból származik.

Ezért ilyen nehéz a vita: ha minden gépi tanulási művelethez a nyilvános kódokon egyesével engedély kéne, sok MI rendszer gyakorlatilag betaníthatatlanná válna. Ha viszont sosem kell engedély, akkor az alkotók gazdasági és erkölcsi jogai jelentősen gyengülnek. Mindkét véglet problémás.

EU vs USA: két nagyon eltérő jogi ösztön

A jogi környezet nem egységes. Az országok még mindig próbálják az MI-t beilleszteni olyan szerzői jogi rendszerekbe, amelyeket nem nagy léptékű modellbetanításra írtak.

Európai Unió

Az EU-ban kifejezetten létezik erre vonatkozó keretrendszer. A Digitális Egységes Piac szerzői jogi irányelv szöveg- és adatelemzési kivételeket tartalmaz. A 3. cikk kutatási szervezeteket és kulturális örökségintézményeket érint. A 4. cikk szélesebb körben, beleértve a kereskedelmit is, engedélyezi a szöveg- és adatelemzést, de lehetőséget ad a jogtulajdonosoknak, hogy jogaikat fenntartsák, például géppel olvasható módon.

Az EU MI törvénye további réteget ad az általános célú MI modellekre. A szolgáltatóknak átláthatósági és szerzői jogi kötelezettségeik lesznek, beleértve az EU-s szerzői jogi törvények betartására vonatkozó előírásokat és a tanítóadatok összegzését. Ez sem válaszolja meg teljesen, hogy egy-egy konkrét tréning menet jogszerű-e, de közelebb viszi az EU-t ahhoz, hogy az MI szolgáltatóknak többet kelljen dokumentálniuk, és a jogtulajdonosoknak egyértelműbb eszközöket adjon a tiltásra.

A gyenge pont az érdemi érvényesítés. A letiltási mechanizmusok széttagoltak. A robots.txt webes keresőknek készült, nem pedig bonyolult szerzői jogi tiltások kezelésére forráskód tárhelyeken, csomagregisztereken, tükrökön, adathalmazokon és forkokon keresztül. Egy kis nyílt forráskódú fenntartónak lehet, hogy jogában áll tiltani az MI-betanítást, de realisztikusan nincs rá módja, hogy auditálja: egy határmodellt végül betanítottak-e a kódjával.

Egyesült Államok

Az USA-ban nincs speciális, MI-re vonatkozó, tréninget engedélyező szerzői jogi kivétel. A vita főleg a „méltányos használat”, perek, licencelési üzletek és a piaci hatás körül forog. Az USA Szerzői Jogi Hivatala több jelentésben is vizsgálja az MI-t és a szerzői jogot, beleértve a digitális replikákat, az MI outputok szerzőiségi minőségét és a generatív MI tanítását is. Méltányos felhasználás útmutatójuk hangsúlyozza: az eset mindig egyedileg vizsgálandó, és függ például a céltól, a felhasznált mennyiségtől és a piaci hatástól.

Ez rugalmasabbá, de kiszámíthatatlanabbá teszi az amerikai rendszert. Az MI-cégek érvelhetnek, hogy a tréning transzformatív. A jogtulajdonosok viszont azzal, hogy a tömeges másolás kereskedelmi célú, felváltja a licencpiacokat, és rontja műveik értékét. A bíróságok még alakítják a határokat.

A nyílt forráskód számára ez bizonytalanságot teremt az USA-ban. Egy cég úgy hiheti, hogy a nyilvános repository-kon alapuló tanítás „fair use”, miközben a fenntartó úgy látja: figyelmen kívül hagyták a licencet. Amíg bíróságok, törvényhozás nem ad világosabb útmutatót, a gyakorlati egyensúlyhiány fennmarad: a nagy cégek felvállalják a jogi kockázatot, egyéni fenntartók erre általában képtelenek.

Egyesült Királyság

Az Egyesült Királyság a két megközelítés között helyezkedik el. A kormány konzultációt indított szerzői jogi és MI-szabályozási kérdésekben, amely ötvözné a szöveg- és adatelemzési kivételt, jogfenntartást, licencelést és erősebb átláthatóságot. Az hivatalos konzultáció elismeri, hogy az Egyesült Királyság jelenlegi joga vitatott, és mind az alkotók, mind az MI-fejlesztők bizonytalansággal néznek szembe.

Ez a próbálkozás egy középútra: ott engedi az MI-betanítást, ahol a jogokat nem tartották fenn, de többletkontrollt és nagyobb rálátást igyekszik adni a jogtulajdonosoknak. Ez működhet, vagy sem, a technikai részleteken áll vagy bukik. Olyan letiltási rendszer, amelyet csak a nagy kiadók tudnak használni, nem fair a független fejlesztők, zenészek, írók és kis nyílt forráskódú projektek számára.

Japán és Szingapúr

Japánt gyakran engedékenyebbnek írják le elemzésre és gépi tanulásra, bár a részletek továbbra is értelmezés és iránymutatások tárgyát képezik. A japán Kulturális Ügynökség publikált egy összefoglalót az MI és a szerzői jog viszonyáról, hangsúlyozva: a kérdés továbbra is jogilag összetett.

Szingapúrban is viszonylag széles körű kivétel él a számítógépes adatelemzésre. A cél az innováció és az MI-fejlesztés támogatása, de az ismerős kompromisszum jelenik meg: a tágabb tréningengedélyek gyengíthetik a jogtulajdonosok tárgyalási pozícióját, ha nem párosulnak áttekinthetőséggel, licencpiaccal vagy egyéb védelmekkel.

Ez túlmutat a forráskódon

A nyílt forráskód körüli vita része egy szélesebb konfliktusnak, amely a digitális identitásról és a kreatív munkáról szól.

Színészek harcolnak azok ellen az MI-rendszerek ellen, amelyek lemásolják arcukat, mozgásukat, előadásukat. Szinkron- és énekes hangok tulajdonosai küzdenek a klón-hangok ellen, amik új előadásokat tudnak generálni beleegyezés nélkül. Írók és újságírók tiltakoznak a könyvekből, cikkekből, archívumokból tanított modellek ellen. Képzőművészek az olyan képgenerátorokat kifogásolják, amelyek imitálják a stílusukat, vagy elárasztják a piacot hasonló kinézetű származékművekkel.

A minta mindegyik esetben hasonló:

• Kreatív tartalom tömegesen gyűjtve.
• A modell ebből tanul, közvetlen kapcsolat nélkül az alkotóval.
• Eladnak egy terméket, amely a képességről szól.
• Az alkotónak kevés rálátása, kevés alkuereje, kevés bizonyítási lehetősége van arra, hogy pontosan mi történt.

A színészeknél, énekeseknél nem csak szerzői jogi kérdés ez. Felmerül a személyiséghez fűződő jogok, a publicity-jog, a munkajog, a szerződéses jog, fogyasztóvédelem és a beleegyezés témája. A hang egyszerre jelenthet előadást, biometrikus azonosítót, márkát és személyes identitást. Az arc művészeti asset lehet, de maga az ember is.

A nyílt forráskód fejlesztői lehet, hogy nem gondolnak magukra előadóként, de a gazdasági dinamika hasonló. Munkájuk tréninganyaggá válik egy olyan rendszer számára, amely versenyezhet velük, csökkenti a szerzői elismerést, és az értéket sok kis alkotótól néhány nagy modellgyártóhoz tereli.

A „de nyilvános volt” érv problémája

A vitában az egyik leggyengébb érv, hogy a nyilvános hozzáférés = korlátlan felhasználás. Az internet sosem így működött. Egy blogbejegyzés nyilvános, de nem tehető közzé könyvként szabadon. Egy fénykép nyilvános, de nem használható fel egy reklámban engedély nélkül. Egy GitHub repository nyilvános, de továbbra is szerzői jog és licencfeltételek alá tartozik.

A nyílt forráskódú licencek erre a különbségtételre épülnek. Tág jogosítványokat adnak, de ezek feltételekkel járnak. Az MIT, Apache, BSD, GPL, AGPL, MPL és más licencek különböző döntéseket hoznak például a szerzői elismerés, szabadalmi engedélyek, forrásmegosztás, hálózati használat és származékos művek terén. Ha minden nyilvános kódot nyersanyagnak tekintünk, ezek a döntések semmivé válnak.

Ez veszélyes, mert a licencsokféleség nem véletlen. Így fejezik ki a fenntartók a szándékaikat.

Milyen lenne egy igazságosabb rendszer?

Nincs egyszerű megoldás, de néhány elv egészségesebbé teheti az ökoszisztémát.

1. Átláthatóság alapértelmezetten

Az MI-szolgáltatóknak értelmes összefoglalót kellene közzétenniük a tanítóadat forrásairól. Nem kell minden egyes fájlt publikálni, de a „public data” típusú tág megfogalmazások nem elégségesek. A fejlesztőknek, művészeknek, kiadóknak és felhasználóknak tudniuk kell, milyen típusú anyag került felhasználásra, milyen jogi érvelés alapján.

2. Géppel olvasható jogszabályok tisztelete

Ha a jog letiltáson alapul, azokat szabványosítani, hozzáférhetővé és betarthatóvá kell tenni. Egy kis projektnek ne legyen szüksége jogászokra ahhoz, hogy „ne taníts MI-t a kódommal” üzenetet közöljön. A repository-k, csomagregiszterek, weboldalak és tartalomplatformok számára egyértelmű mechanizmusok kellenek, amelyeket az MI-crawler-ek valóban tiszteletben tartanak.

3. Licenctudatos MI-eszközök

A kódasszisztenseknek segíteniük kell a felhasználót a licenckockázatok megértésében. Ha a generált kód hasonlít ismert nyílt forráskódhoz, az eszköz figyelmeztesse a felhasználót, és mutassa meg a releváns licencet. Ha elfedik a hasonlósági problémákat, az csökkentheti a pereket rövid távon, de növeli a megfelelőségi kockázatot a fejlesztők és cégek számára.

4. Jobb kompenzációs modellek

Bizonyos tanítási felhasználásokhoz licenc szükséges. Ehhez tartozhat közvetlen licencelés, kollektív licencelés, adathalmaz-piac, bevételmegosztási modellek. A részletek eltérnek forráskód, zene, film, újságírás és vizuális művészet esetén, de az elv ugyanaz: ha egy kereskedelmi MI-termék minőségi emberi munkára épül, az alkotóknak sem szabad láthatatlanná válniuk.

5. Erős védelem az utánzás ellen

Hangok, arcok, előadások digitális másolásához beleegyezés kell. A címkézés önmagában nem elég, ha hamis hangot vagy arcot kereskedelmi célra, félrevezetésre, zaklatásra, csalásra lehet használni. Itt a szerzői jog csak egy része a válasznak.

Mit tehetnek ma a nyílt forráskódú fenntartók?

A jogi helyzet bizonytalan, de a fenntartók számára vannak gyakorlati lépések.

• Tudatosan válaszd ki a licencet, és írd le az okot.
• Tegyél egyértelmű megjegyzést a repository-ba az MI-tréninghez való hozzáállásról, ha ez számít a projektnek.
• Támogasd azokat az alapítványokat, szervezeteket, amelyek a nyílt forráskód jogaiért dolgoznak az MI-politikák kapcsán.

Ezek egyike sem oldja meg teljesen a problémát, de csökkentik a kockázatot, amíg a jog és az iparági gyakorlat felzárkózik.

Az igazi veszély a nyílt forráskód számára

A legnagyobb veszély nem az, hogy az MI tanul a nyílt forráskódból. Az MI tanulása hozzájárul ahhoz, hogy a szoftvervilág működik.

A valódi veszély, ha az MI a nyílt együttműködést egyirányú kitermeléssé torzítja. Ha a fenntartók kódot, dokumentációt, hibajegyet, példákat és közösségi tudást adnak, miközben a kereskedelmi érték máshol csapódik le szerzői elismerés, licencbetartás és a közösség támogatása nélkül, a társadalmi szerződés meggyengül.

A nyílt forráskód bizalmon alapul. Az MI-cégeknek is szükségük van a nyílt forráskódra, de maguk is veszélybe sodorhatják azt az ökoszisztémát, amelyre támaszkodnak. A licencek tiszteletben tartása, értelmes adatszintű átláthatóság, a fenntartók támogatása, letiltási és licencmechanizmusok építése nem MI-ellenes álláspontok – ezek a fenntarthatóság mellett szólnak.

Az MI hasznos eszköz lehet fejlesztők, művészek, írók, énekesek, színészek és vállalatok számára. De a hasznosság nem törli el a tulajdonjogot, beleegyezést vagy az elismerést. Ha a társadalom azt szeretné, hogy MI-rendszereket emberek millióinak munkájával képezzünk ki, arról is döntenie kell, hogyan őrizhetik meg ezek az emberek a kontrollt a saját alkotásaik felett.

Erről a döntésről nem dönthetnek kizárólag azok a cégek, akik már lemásolták az adatot.