ИИ, открытый исходный код и интеллектуальная собственность

Открытое ПО всегда строилось на простом, но мощном соглашении: вы можете использовать, изучать, изменять и распространять код, но должны соблюдать лицензию. Эта сделка породила Linux, Kubernetes, PostgreSQL, Python, бесчисленные библиотеки безопасности и инфраструктуру, лежащую в основе большинства современных интернет-сервисов.

Генеративный ИИ оказывает давление на это соглашение.

Крупные модели ИИ обучаются на огромных объемах текста, изображений, аудио, видео и исходного кода. Значительная часть этого материала была выложена в открытый доступ людьми, которые хотели поделиться, сотрудничать, задокументировать, обучать или публиковать. Однако публичная доступность не равна разрешению на любое коммерческое использование. Репозиторий в интернете — это не автоматический отказ от авторских прав. Лицензия open source — это не приглашение игнорировать атрибуцию, copyleft, уведомления, обязательства по распространению исходников или ограничения зависимых лицензий.

В этом и заключается основная дилемма: компании, создающие ИИ, часто утверждают, что обучение — это анализ, обучение или добросовестное использование (fair use). Многие создатели и мейнтейнеры open source считают, что обучение моделей подразумевает копирование защищённых работ в промышленных масштабах — часто без разрешения, компенсации, атрибуции или даже возможности отказаться.

Почему open source особенно уязвим

Код с открытым исходным кодом легко собирать. Он структурирован, удобен для поиска, отслеживается по версиям и размещается в открытых репозиториях. Он также содержит комментарии, тесты, обсуждения ошибок, примеры, историю коммитов, документацию и конфигурационные файлы.

Для создателей моделей ИИ это крайне ценный материал для обучения. Для мейнтейнеров это создает ряд рисков.

• Обязательства по лицензии могут исчезнуть между обучающими входными данными и сгенерированным результатом.
• Атрибуция обычно не сохраняется, когда модель предлагает фрагменты кода.
• Код под copyleft может повлиять на выходные данные без ведома пользователя о лицензии исходника и связанных обязательствах.
• Мейнтейнеры могут увидеть, как их труд используют для создания коммерческих инструментов, конкурирующих с их собственными консультациями, поддержкой или облачными продуктами.
• Безопасные (или опасные) паттерны кода могут быть воспроизведены без контекста.
• Уязвимый или устаревший код может легко копироваться в больших масштабах.

Вопрос не только в том, может ли модель буквально воспроизвести точную копию функции. Это было особенно заметно на ранних стадиях инструментов автогенерации кода, где иногда можно было получить узнаваемый код по подсказке. По мере развития продуктов провайдеры стали осторожнее с фильтрами, проверками сходства и контролем вывода. Но избегание явных дословных копий не решает главной проблемы. Процесс обучения всё равно мог зависеть от кода с лицензионными условиями, которые не были учтены.

Иными словами, проблема авторских прав не исчезает только потому, что доказательства становятся труднее обнаружить в выходных данных.

Это особенно важно для реципрокных лицензий, таких как GPL и AGPL. Эти лицензии — не просто разрешения. Они дают широкие свободы, но также требуют, чтобы производные работы или ПО, распространяемое на соответствующих условиях, сохраняло эти свободы. Если модель обучалась на коде под GPL и затем выдает результат, существенно основанный на этом коде, пользователь может непреднамеренно внести в свой проект обязательства GPL. Если проект — закрытый исходный код, проприетарный или лицензирован несовместимо — это приведёт к нарушению лицензии.

Практическая проблема в том, что пользователь обычно не в состоянии это узнать. Ассистент ИИ не говорит: "это предложение получено из кода под GPL", "этот паттерн из проекта с AGPL" или "этот код похож на Apache-лицензию, значит, нужно сохранить уведомления". Лицензионный контекст был в обучающих данных, но отсутствует в ответе. Это разрывает цепочку соответствия, на которой строятся open source лицензии.

Неудобная разница между чтением и обучением

Разработчики учатся на открытом коде постоянно. Мы читаем код, понимаем паттерны, пишем свои реализации. Это нормально и полезно. Открытое ПО держится на таком обучении.

Но обучение ИИ отличается масштабом, автоматизацией и рыночным эффектом. Человеческий разработчик не копирует миллионы репозиториев в pipeline, не сжимает их статистические закономерности в коммерческую модель и не продаёт доступ к автогенерации кода как услугу. Модель может и не хранить файлы как база данных, но бизнес-ценность всё равно создаётся извлечением паттернов из чужой работы.

Поэтому дискуссия так сложна. Если каждое машинное обучение на общедоступном коде требует индивидуального разрешения — современные ИИ становятся практически невозможны для обучения. Если разрешение не требуется — экономические и моральные права авторов становятся гораздо слабее. Обе крайности проблемны.

ЕС против США: две разные юридические традиции

Юридический ландшафт неоднороден. Страны пытаются вписать ИИ в законы об авторском праве, которые не были рассчитаны на массовое обучение моделей.

Европейский Союз

В ЕС есть более явная рамка. Директива об авторском праве в цифровом едином рынке содержит исключения для text and data mining. Статья 3 охватывает исследовательские организации и объекты культурного наследия. Статья 4 расширяет возможности text and data mining, включая коммерческие, но даёт правообладателям зарезервировать свои права, например, с помощью машиночитаемых механизмов.

Закон ЕС об ИИ добавляет уровень для моделей общего назначения. Провайдеры обязаны обеспечить прозрачность и соблюдать авторское право ЕС, в том числе документировать политику соответствия и предоставлять сводки об обучающих данных. Это не даёт однозначного ответа, было ли конкретное обучение законным, но приводит ЕС к модели, где генерирующие ИИ обязаны больше раскрывать, а правообладатели получают инструменты для возражений.

Слабое место — практическое исполнение. Механизмы отказа фрагментированы. robots.txt разрабатывался для web-краулеров, а не для сложных ограничений авторских прав по всему интернету — исходным репозиториям, пакетным реестрам, зеркалам, датасетам, форкам. Мелкий open source мейнтейнер может обладать юридическим правом запретить обучение, но никак не проверить, соблюдается ли оно крупными разработчиками ИИ.

Соединённые Штаты

В США нет специального исключения по ИИ в законах об авторском праве. Дискуссия ведется вокруг добросовестного использования (fair use), судебных исков, лицензионных соглашений и рыночного вреда. Офис по авторским правам США изучал ИИ и авторские права в различных отчетах: о цифровых репликах, авторских правах на выходные данные ИИ и обучении генеративных моделей. Его рекомендации по добросовестному использованию подчеркивают, что каждое дело индивидуально и зависит от цели, объема, эффекта для рынка.

Это делает американский подход более гибким, но менее предсказуемым. Разработчики ИИ могут заявлять, что обучение — трансформирующее использование. Правообладатели утверждают, что массовое копирование коммерческое, подменяет лицензирование и снижает ценность работ. Суды продолжают устанавливать границы.

Для open source это создает неопределенность. Компания может считать обучение модели на публичных репозиториях fair use, а мейнтейнеры — что компания проигнорировала условия лицензии. Пока суды или законодательство не дадут четких ответов, возникает перекос: крупные компании могут позволить себе юридические риски, а отдельные разработчики — нет.

Великобритания

Великобритания находится между этими подходами. Правительство консультировалось по поводу рамки, которая объединила бы исключение для text and data mining, резервирование прав, лицензирование и более прозрачную отчетность. В консультациях признаётся, что существующее британское законодательство спорно, а уверенности нет ни у авторов, ни у разработчиков ИИ.

Пытаются найти компромисс: разрешить масштабное обучение там, где права не зарезервированы, но дать больше контроля и прозрачности правообладателям. Практическая реализация зависит от деталей. Механизм отказа, доступный только крупным издателям — нечестное решение для независимых разработчиков, музыкантов, писателей и небольших open source проектов.

Япония и Сингапур

Япония считается одной из наиболее разрешительных для анализа информации и машинного обучения, хотя детали всё ещё трактуются компетентными органами. Японское агентство по делам культуры опубликовало общий взгляд на тему ИИ и авторских прав, признав, что ситуация юридически неоднозначна.

В Сингапуре также имеется широкое исключение для анализа данных. Заявляется цель поддержки инноваций и развития ИИ, но компромисс привычен: чем шире разрешение на обучение, тем слабее рычаги у правообладателей, если не добавить прозрачность, лицензирование или другие меры.

Это шире, чем исходный код

Дискуссия open source — часть глобального конфликта по поводу цифровой идентичности и творческого труда.

Актёры борются против систем ИИ, копирующих лица, движения тела и выступления. Актёры озвучки и певцы — против клонов голоса, способных создавать новые исполнения без согласия. Писатели и журналисты выступают против моделей, обученных на книгах, статьях и архивах. Художники — против генераторов изображений, способных имитировать стиль или переполнить рынок производными работами.

Паттерн примерно такой во всех случаях:

• Творческая работа массово собирается.
• Модель учится на ней без прямого контакта с создателем.
• Итоговый продукт продаётся на основе этой способности.
• Автор имеет минимум прозрачности, минимум рычагов и мало возможностей доказать случившееся.

Для актёров и певцов дело не только в авторском праве. Оно касается права на личность, права на изображение, трудового и договорного права, потребительской защиты и согласия. Голос может быть и исполнением, и биометрией, и брендом, и частью идентичности. Лицо может быть художественным объектом, а может — самим человеком.

Open source разработчики могут не считать себя исполнителями, но экономика схожа. Их труд становится частью обучающей выборки для системы, которая способна конкурировать с ними, стирать атрибуцию и смещать ценность от многих мелких разработчиков к немногим крупным владельцам моделей.

Проблема аргумента "оно было в открытом доступе"

Один из самых слабых аргументов в спорах об ИИ — что "публичный доступ" равен неограниченному использованию. Веб никогда так не работал. Пост в блоге публичен, но нельзя свободно перепечатать его в книге. Фото публично, но нельзя использовать в рекламе. Репозиторий GitHub публичен, но всё равно подчиняется авторским правам и условиям лицензии.

Open source лицензии построены на этом различии. Они предоставляют широкие права, но эти права сопровождаются условиями. MIT, Apache, BSD, GPL, AGPL, MPL и другие лицензии по-разному регулируют атрибуцию, патенты, распространение исходников, сетевое использование, производные работы. Возводя весь публичный код в "сырое сырьё", мы стираем эти различия.

Это опасно, потому что разнообразие лицензий — не случайность, а проявление воли автора.

Как могла бы выглядеть более справедливая система?

Нет простого решения, но несколько принципов могли бы оздоровить экосистему.

1. Прозрачность по умолчанию

Провайдеры ИИ должны публиковать осмысленные сведения об источниках обучающих данных. Перечислять каждый файл необязательно, но общих фраз типа "обучено на публичных данных" недостаточно. Разработчики, художники, издатели и пользователи должны понимать, какие типы данных использовались и какую правовую позицию заняли провайдеры.

2. Соблюдение машиночитаемых прав

Если закон опирается на возможность отказа, механизм должен быть стандартизирован, доступен и реализуем. Мелкий проект не должен держать юриста, чтобы сказать "не обучайте на этом". Репозитории, реестры пакетов, сайты и контент-платформы нуждаются в прозрачных механизмах, которые реально соблюдаются краулерами ИИ.

3. Лицензийно-осведомленные инструменты ИИ

Ассистенты кода должны помогать пользователю понимать риски лицензирования. Если сгенерированный код похож на известный open source код, инструмент должен предупредить и подсветить соответствующую лицензию. Сокрытие таких сходств снижает исковые риски в краткосрочной перспективе, но увеличивает downstream-риски для пользователей и компаний.

4. Лучшие модели компенсации

Некоторые обучающие использования должны лицензироваться. Например, через прямое лицензирование, коллективные соглашения, маркеты датасетов, модели разделения доходов. Подходы будут разными для кода, музыки, кино, журналистики и визуального искусства, но принцип один: если коммерческий продукт ИИ зависит от высококлассной человеческой работы, эти создатели не должны быть невидимками.

5. Сильная защита против имитаций личности

Цифровое воспроизведение голосов, лиц и выступлений должно требовать согласия. Одной маркировки мало, если фейковый голос или лицо можно использовать для дезинформации, травли, мошенничества или вытеснения человека. Здесь авторское право — не единственное средство защиты.

Что могут делать мейнтейнеры open source сегодня

Ситуация юридически не определена, но у мейнтейнеров есть практические шаги.

• Внимательно выбирать лицензию и документировать своё решение.
• Добавлять в репозиторий понятные уведомления о предпочтениях в отношении обучения ИИ, если это важно для проекта.
• Поддерживать фонды и организации, выступающие за права open source в дискуссиях об ИИ.

Это не решает проблему целиком. Это просто снижает риски, пока правовая система и индустрия догоняют реальность.

Реальная угроза для open source

Главная опасность не в том, что ИИ учится на open source. Это часть эволюции IT.

Опасность в том, что ИИ превратит открытую коллаборацию в одностороннюю "выкачку". Если мейнтейнеры жертвуют код, документацию, баг-репорты, примеры и знания сообщества, а коммерческая ценность уходит в другие руки без атрибуции, соблюдения лицензий и поддержки общих интересов, социальный контракт разрушается.

Open source держится на доверии. Компании ИИ нуждаются в открытом коде, но они же способны разрушить экосистему, от которой зависят. Соблюдение лицензий, прозрачность источников данных, поддержка мейнтейнеров, внедрение механизмов отказа и лицензирования — это не анти-ИИ позиции. Это позиции в пользу устойчивого будущего.

ИИ может быть полезным инструментом для разработчиков, художников, писателей, певцов, актёров и компаний. Но полезность не отменяет права собственности, согласие или заслуги. Если общество хочет ИИ, обученный на труде миллионов, оно должно решить, как эти люди сохранят контроль над созданным ими.

Этого решения нельзя доверять только компаниям, которые уже скопировали данные.