AI, Åpen Kildekode og Immaterielle Rettigheter

Åpen kildekode har alltid vært basert på en enkel, men kraftfull utveksling: du kan bruke, studere, endre og dele koden, men du må respektere lisensen. Denne avtalen har skapt Linux, Kubernetes, PostgreSQL, Python, utallige sikkerhetsbiblioteker og infrastrukturen bak store deler av det moderne internettet.

Generativ AI setter press på denne avtalen.

Store AI-modeller trenes på enorme mengder tekst, bilder, lyd, video og kildekode. En betydelig del av dette materialet ble gjort offentlig tilgjengelig av folk som ønsket å dele, samarbeide, dokumentere, undervise eller publisere. Offentlig tilgjengelighet er imidlertid ikke det samme som tillatelse til alle mulige kommersielle formål. Et arkiv på internett er ikke automatisk et frafall av opphavsrett. En åpen kildekode-lisens er ikke en invitasjon til å ignorere attribusjon, copyleft, varsler, forpliktelser til å dele kilde, eller begrensninger i avhengighetslisenser.

Dette er kjernedilemmaet: AI-selskaper hevder ofte at trening er analyse, læring eller rettferdig bruk. Mange skapere og vedlikeholdere av åpen kildekode mener at modelltrening innebærer kopiering av beskyttet verk i industriell skala, ofte uten tillatelse, kompensasjon, attribusjon eller en praktisk måte å reservere seg på.

Hvorfor åpen kildekode er spesielt utsatt

Åpen kildekode er lett å samle inn. Den er strukturert, søkbar, versjonert og ligger i offentlige arkiver. Den inneholder også kommentarer, tester, sakdiskusjoner, eksempler, innloggingshistorikk, dokumentasjon og konfigurasjonsfiler.

For AI-modellutviklere er dette ekstremt verdifullt treningsmateriale. For vedlikeholdere skaper det flere risikoer.

• Lisensforpliktelser kan forsvinne mellom treningsinput og generert output.
• Attribusjon blir som regel ikke bevart når en modell foreslår kode.
• Copyleft-kode kan påvirke genererte kodestykker uten at brukeren kjenner kildelisensen eller forpliktelsene knyttet til den.
• Vedlikeholdere kan se sitt arbeid bli brukt til å bygge kommersielle verktøy som konkurrerer med deres konsulenttjenester, support eller driftede produkter.
• Sikkerhetssensitive kode-mønstre kan gjenskapes uten kontekst.
• Sårbar eller utdatert kode kan bli lettere å kopiere i stor skala.

Dette handler ikke bare om hvorvidt en modell kan gi en perfekt kopi av en funksjon. Det skjedde mer tydelig i tidlige AI-kodeverktøy, der prompt kunne gjengi gjenkjennelig kode. Etter hvert som produktene ble mer modne, ble leverandørene mer forsiktige med filtre, likhetssjekker og output-kontroll. Men å unngå åpenbar ordrett gjengivelse løser ikke det dypere problemet. Treningsprosessen kan fortsatt ha vært avhengig av kode hvis lisensvilkår aldri ble videreført.

Med andre ord: opphavsrettsproblemet forsvinner ikke bare fordi beviset blir vanskeligere å oppdage i utdataene.

Dette er spesielt viktig for gjensidige lisenser som GPL og AGPL. Disse lisensene er ikke bare tillatelser. De gir brede friheter, men krever også at avledede verk eller programvare distribuert under relevante betingelser, bevarer disse frihetene. Hvis en modell er trent på GPL-kode og deretter produserer kode som i stor grad er basert på den GPL-inputen, kan brukeren uvitende føre GPL-forpliktelser inn i sitt eget prosjekt. Hvis prosjektet er lukket, proprietært eller distribuert under en inkompatibel lisens, kan resultatet bli et lisensbrudd.

Det praktiske problemet er at brukeren vanligvis ikke kan vite det. AI-assistenten sier ikke: "dette forslaget stammer fra GPL-lisensiert kode", "dette mønsteret kom fra et AGPL-prosjekt", eller "denne outputen ligner Apache-lisensiert kode og krever å bevare varsler". Lisenskonteksten var til stede i treningsdataene, men mangler fra svaret. Det bryter den samsvarskjeden som åpen kildekode-lisensiering er avhengig av.

Den ukomfortable forskjellen mellom å lese og trene

Utviklere lærer av åpen kildekode hele tiden. Vi leser kode, forstår mønstre og skriver vår egen implementasjon. Det er normalt og sunt. Åpen kildekode er avhengig av denne typen læring.

AI-trening er annerledes når det gjelder skala, automatisering og markedsvirkning. En menneskelig utvikler som leser et prosjekt kopierer som regel ikke millioner av arkiver inn i en treningspipeline, komprimerer deres statistiske mønstre i en kommersiell modell, og selger tilgang til kodegenerering som et produkt. Modellen lagrer kanskje ikke filer som i en database, men forretningsverdien kommer fortsatt fra å trekke mønstre ut av andres arbeid.

Dette er grunnen til at diskusjonen er så vanskelig. Hvis alle maskinlæringshandlinger fra offentlig kode krever individuell tillatelse, blir mange AI-systemer upraktiske å trene. Hvis ingen tillatelse kreves, blir de økonomiske og moralske rettighetene til skaperne mye svakere. Begge ytterpunktene skaper problemer.

EU vs. USA: to svært forskjellige rettslige instinkter

Det rettslige landskapet er ikke likt over alt. Land forsøker fortsatt å tilpasse AI til opphavsrettssystemer som ikke var laget for modelltrening i stor skala.

Den europeiske union

EU har et mer eksplisitt rammeverk. Direktivet om opphavsrett i det digitale indre marked inneholder unntak for tekstanalyse og datamining. Artikkel 3 dekker forskningsorganisasjoner og institusjoner for kulturarv. Artikkel 4 gir anledning til tekst- og datamining i bredere forstand, inkludert kommersielt, men lar rettighetshavere reservere sine rettigheter, for eksempel gjennom maskinlesbare midler.

EUs AI-lovgivning legger til et nytt lag for generelle AI-modeller. Leverandører har krav til åpenhet og opphavsrett, inkludert retningslinjer for å etterleve EU-oppavsrett og oppsummeringer av treningsinnhold. Dette besvarer ikke fullt ut om en spesifikk treningsprosess var lovlig, men det skyver EU i retning av et system der AI-leverandører må dokumentere mer, og rettighetshavere har klarere verktøy for å protestere.

Svakheten er praktisk håndhevelse. Reservasjonsmekanismer ("opt-out") er fragmentert. robots.txt var laget for nettroboter, ikke for nyansert reservasjonsstyring på tvers av kildekode-arkiver, pakkeregistre, speil, datasett og forker. En liten vedlikeholder av åpen kildekode kan ha en juridisk rett til å reservere bruk, men ingen realistisk måte å sjekke om en avansert modell respekterte dette.

USA

USA har ikke et tilsvarende AI-spesifikt opphavsrettsunntak for trening. Debatten handler i stor grad om "fair use" (rimelig bruk), rettssaker, lisensavtaler og markedsinnvirkning. US Copyright Office har studert AI og opphavsrett i flere rapporter, inkludert digitale kopier, opphavsrett for AI-utganger og generativ AI-trening. Deres veiledning om fair use vektlegger at "fair use" er casespesifikt og avhenger av faktorer som formål, mengde brukt og markedsinnvirkning.

Det gjør USA mer fleksibelt, men mindre forutsigbart. AI-selskaper kan hevde at trening er transformerende bruk. Rettighetshavere kan hevde at masseopplasting er kommersiell, fortrenger lisensmarkeder og skader verdien av deres arbeid. Domstolene utformer fortsatt grensene.

For åpen kildekode skaper den amerikanske tilnærmingen usikkerhet. Et selskap kan mene at modelltrening på offentlige arkiver er "fair use", mens vedlikeholdere mener selskapet ignorerte lisensvilkår. Inntil domstoler eller lovgivning gir klarere veiledning, er resultatet et ubalansert system: store selskaper kan absorbere juridisk risiko, mens enkeltvedlikeholdere ofte ikke kan det.

Storbritannia

Storbritannia står et sted mellom disse posisjonene. Myndighetene har hatt høring om et rammeverk for opphavsrett og AI som skal kombinere unntak for tekstanalyse og datamining, reservasjonsrettigheter, lisensiering og sterkere åpenhet. Den offisielle høringen anerkjenner at dagens britiske lov er omstridt og at både skapere og AI-utviklere mangler sikkerhet.

Dette er et forsøk på å finne en middelvei: tillate AI-trening i stor skala der rettigheter ikke er reservert, men gi rettighetshavere mer kontroll og bedre innsyn. Om dette vil fungere, avhenger av tekniske detaljer. En reservasjon som bare store utgivere kan benytte, er ikke rettferdig for uavhengige utviklere, musikere, forfattere og små prosjekter med åpen kildekode.

Japan og Singapore

Japan beskrives ofte som mer tillatende for informasjonsanalyse og maskinlæring, selv om detaljene fortsatt er gjenstand for juridisk tolkning og veiledning. Japans kulturbyrå har publisert en generell forståelse av AI og opphavsrett og gjør det klart at temaet fortsatt er juridisk nyansert.

Singapore har også et relativt vidt unntak for datadrevet analyse. Målet er å støtte innovasjon og AI-utvikling, men avveiningen er velkjent: bredere treningsrettigheter kan svekke forhandlingsmakten til rettighetshavere med mindre det kombineres med åpenhet, lisensmarkeder eller andre sikkerhetsmekanismer.

Dette er større enn kildekode

Debatten om åpen kildekode er del av en bredere konflikt om digital identitet og kreativt arbeid.

Skuespillere kjemper mot AI-systemer som kopierer ansikter, kroppsspråk og opptredener. Stemmeskuespillere og sangere kjemper mot klonede stemmer som kan lage nye prestasjoner uten samtykke. Forfattere og journalister kjemper mot modeller som trenes på bøker, artikler og arkiver. Visuelle kunstnere kjemper mot bildegeneratorer som kan etterligne stilen deres eller oversvømme markedet med verk som ser ut som etterligninger.

Mønsteret er likt i hvert tilfelle:

• Kreativt arbeid samles inn i stor skala.
• Modellen lærer av det uten et direkte forhold til skaperen.
• Et produkt selges basert på evnene modellen har fått.
• Skaperen har lite innsyn, liten forhandlingsmakt og begrenset evne til å bevise hva som har skjedd.

For skuespillere og sangere handler det ikke bare om opphavsrett. Det handler også om personlighetsrett, markedsføringsrett, arbeidsrett, kontraktsrett, forbrukerbeskyttelse og samtykke. En stemme kan være en prestasjon, et biometrisk kjennetegn, et varemerke og en personlig identitet samtidig. Et ansikt kan være et kunstnerisk eiendel, men også personen selv.

Utviklere av åpen kildekode tenker kanskje ikke på seg selv som "utøvere", men økonomien er sammenlignbar. Arbeidet deres blir treningsmateriale for et system som kan konkurrere med dem, redusere attribusjon og flytte verdi fra mange små skapere til et få stort selskaper bak modellene.

Problemet med "det var offentlig"

Et av de svakeste argumentene i AI-debatten er at offentlig tilgang er det samme som ubegrenset bruk. Nettet har aldri fungeret slik. Et blogginnlegg er offentlig, men ikke fritt til å trykkes som bok. Et bilde er offentlig, men ikke fritt til bruk i en annonse. Et GitHub-arkiv er offentlig, men fortsetter å være regulert av opphavsrett og lisensvilkår.

Åpen kildekode-lisenser er bygget på dette skillet. De gir brede tillatelser, men disse tillatelsene kommer med betingelser. MIT, Apache, BSD, GPL, AGPL, MPL og andre lisenser gjør forskjellige valg rundt attribusjon, patenttillatelser, kildedistribusjon, nettverksbruk og avledede verk. Å behandle all offentlig kode som råmateriale visker ut disse valgene.

Det er farlig fordi lisensmangfold ikke er en tilfeldighet. Det er måten vedlikeholdere uttrykker intensjon på.

Hvordan kan et mer rettferdig system se ut?

Det finnes ingen enkel løsning, men noen prinsipper kan gjøre økosystemet sunnere.

1. Åpenhet som standard

AI-leverandører bør publisere meningsfulle oppsummeringer av treningsdatas kilder. Ikke nødvendigvis en offentlig liste over hver fil, men brede uttalelser som "trent på offentlig data" er ikke nok. Utviklere, kunstnere, forleggere og brukere må vite hva slags materiale som er brukt – og etter hvilken juridisk tolkning.

2. Respekt for maskinlesbare rettigheter

Hvis loven baserer seg på reservasjon ("opt-out"), må den være standardisert, tilgjengelig og etterprøvbar. Et lite prosjekt skal ikke trenge et juridisk team for å si "ikke bruk dette til træning". Arkiver, pakkeregistre, nettsteder og innholdsplattformer trenger klare mekanismer AI-roboter faktisk respekterer.

3. Lisensbevisste AI-verktøy

Kodeassistenter bør hjelpe brukere å forstå lisensrisiko. Hvis generert kode ligner kjent åpen kildekode, bør verktøyet advare brukeren og vise korrekt lisens. Å skjule likhetsproblemer kan redusere søksmål på kort sikt, men øker etterlevelsesrisiko for utviklere og selskaper som bruker verktøyet.

4. Bedre kompensasjonsmodeller

Noen former for trening bør skje på lisensiert grunnlag. Dette kan inkludere direkte lisensiering, kollektive lisenser, datamarked, eller inntektsdeling. Detaljene vil være ulike for kildekode, musikk, film, journalistikk og visuell kunst, men prinsippet er det samme: Hvis et kommersielt AI-produkt er avhengig av høykvalitets menneskelig arbeid, skal de som har skapt det ikke være usynlige.

5. Sterk beskyttelse mot etterligning

Digitale kopier av stemmer, ansikter og prestasjoner bør kreve samtykke. Merking alene er ikke tilstrekkelig hvis en falsk stemme eller et falskt ansikt kan brukes til å villede, trakassere, svindle eller erstatte noen kommersielt. Her er opphavsrett bare én del av svaret.

Hva vedlikeholdere av åpen kildekode kan gjøre i dag

Den juridiske situasjonen er uavklart, men vedlikeholdere har likevel praktiske valg.

• Velg lisens bevisst og dokumenter hvorfor.
• Legg til tydelig merknad i arkivet om AI-treningspreferanse hvis det er viktig for prosjektet.
• Støtt stiftelser og organisasjoner som kjemper for rettigheter for åpen kildekode i AI-politikk.

Ingenting av dette løser problemet fullstendig. Det reduserer bare risikoen mens jus og bransjepraksis oppdateres.

Den egentlige faren for åpen kildekode

Den største faren er ikke at AI lærer av åpen kildekode. Læring fra åpen kildekode er en viktig del av hvorfor programvareverdenen fungerer.

Faren er at AI gjør åpen samhandling til en enveis utvinning. Hvis vedlikeholdere bidrar med kode, dokumentasjon, feilrapporter, eksempler og fellesskapskunnskap, mens den kommersielle verdien fanges opp et annet sted – uten attribusjon, lisensoverholdelse eller støtte til fellesskapet – svekkes samfunnskontrakten.

Åpen kildekode er basert på tillit. AI-selskaper er avhengige av åpen kildekode, men de risikerer også å undergrave økosystemet de er avhengige av. Å respektere lisenser, publisere meningsfull datatransparens, støtte vedlikeholdere og bygge reservasjons- og lisensmekanismer er ikke anti-AI. De er pro-bærekraft.

AI kan være et nyttig verktøy for utviklere, kunstnere, forfattere, sangere, skuespillere og selskaper. Men nytteverdi opphever ikke rettigheter, samtykke eller ære. Hvis samfunnet vil ha AI-systemer trent på arbeidet til millioner av personer, må det også bestemme hvordan disse menneskene bevarer myndighet over det de har skapt.

Den beslutningen kan ikke overlates til de selskapene som allerede har kopiert dataene.