开源还没有为生成人工智能做好准备。利益相关者如何共同改变这个灯泡

开源许可证已经因软件即服务和云而变得捉襟见肘，更不适合人工智能的大型语言模型。开源领导者应该做什么？

没有开源，就没有人工智能。就是这么简单。但是，这些相同的许可证已经过时了：Gnu 通用公共许可证 (GPL)、Apache 许可证和 Mozilla 公共许可证不太适合软件即服务或云服务。人工智能带来了更大的问题。具有版权法基础的开源许可证不太适合人工智能的大型语言模型（LLM）。

这也不仅仅是一些理论上的技术法律问题。它已经出现在法庭上。

在 J. Doe 1 等人中。在与 GitHub 的诉讼中，原告指控微软、OpenAI 和 GitHub 通过其基于人工智能的商业系统、OpenAI 的 Codex 和 GitHub 的 Copilot 窃取了他们的开源代码。该集体诉讼声称，人工智能“建议”的代码通常由从公共 GitHub 存储库中抓取的几乎相同的代码字符串组成，但没有所需的开源许可属性。

在一个相关问题上，包括 George R.R. Martin、Michael Chabon 和 John Grisham 在内的两组作家正在起诉微软和 OpenAI 盗用他们的作品并在法学硕士中使用。版权是开源的法律基础，是这个问题的核心。

但这不仅仅是微软的问题。

正如耶鲁大学法学院网络安全讲师兼耶鲁大学隐私实验室创始人肖恩·奥布莱恩 (Sean O'Brien) 告诉我的 ZDNET 同事 David Gewirtz 的那样：“我相信很快就会出现一个与专利流氓类似的完整流氓子行业，但这一次围绕人工智能生成的作品。随着越来越多的作者使用人工智能驱动的工具在专有许可下发布代码，就会创建反馈循环。软件生态系统将被专有代码污染，而这些代码将成为有进取心的公司停止索赔的对象。”

其他人，如德国研究员和政治家 Felix Reda，则声称所有人工智能生成的代码都是公共领域。

SmartEdgeLaw Group 的创始成员、美国律师 Richard Santalesa 告诉 Gewirtz，合同法和版权法问题都存在，但它们不是同一回事。桑塔莱萨认为，生产人工智能生成代码的公司将“与所有其他知识产权一样，将其提供的材料（包括人工智能生成代码）视为自己的财产。”此外，公共领域代码与开源代码不同。

那么，该怎么办呢？仅仅声称你的人工智能是开源的是不可能的。例如，Meta 声称 Llama 2 是开源的。它不是。

正如开源友好型风险投资公司 RedPoint 的董事总经理 Erica Brescia 在 Twitter 上问道：“有人可以向我解释一下，如果 Llama 2 实际上没有使用 OSI，Meta 和微软如何证明它是开源的？ [开源倡议]批准的许可证还是遵守 OSD [开源定义]？他们是否故意挑战 OSS [开源软件] 的定义？

简短的解释如下：Meta 使用开源作为营销术语，而不是法律术语。一旦诉讼增多，这种用法就不会流行

Llama 2 的问题具体在于它阻止了利润极高的公司使用它。开源许可专家兼 RedMonk 联合创始人 Stephen O'Grady 表示，问题在于它们无法在开源中工作。 “想象一下，如果 Linux 是开源的，除非你在 Facebook 工作过，”

与此同时，正如 OpenUK 首席执行官阿曼达·布洛克 (Amanda Brock) 所观察到的那样，“我认为我们不会看到未来任何法学硕士或任何重要的人工智能能够获得开源许可，因为开源的关键是开放来源定义。”

通向这一定义的道路是一条漫长而坎坷的道路。

第一个自由软件许可证始于 20 世纪 80 年代初，当时 MIT 实验室程序员 Richard M. Stallman 无法使用早期的激光打印机 Xerox 9700 来生成错误消息。问题？斯托曼无法阅读或更改其源代码。在当时，这是一个新的发展。尽管我们现在认为专有软件是默认的，但当时并非如此。

因此，斯托曼创建了 GNU 通用公共许可证 (GPL)。虽然不是第一个自由软件许可证（该荣誉属于 Berkeley Software Distribution (BSD) 许可证），但事实证明 GNU 具有非常大的影响力。这在很大程度上是因为 Linus Torvalds 选择使用 GPLv2 作为 Linux 的许可证。

GPL 基于两个原则。首先，软件代码可以受版权保护。其次，任何人都可以自由地阅读和编辑代码，只要这些自由不被剥夺。

到 1985 年，自由软件开始流行，但人们也发现“自由”这个词过于模糊。 Netscape 发布了 Mozilla 的源代码（该源代码成为 Firefox 网络浏览器的基础）后，几位领先的自由软件杰出人物，包括 Eric S. Raymond、Bruce Perens、Michael Tiemann、Jon "Maddog" Hall 和 Christine Peterson 创造了这个短语开源来描述这种许可证。 1998 年，Perens 和 Raymond 创立了 OSI，该组织起草了开源定义 (OSD)，并将其用作定义所有开源许可证的通用指南。

所有开源许可证都必须遵守 OSD。对于人工智能和法学硕士来说，说起来容易做起来难。

确实，有一些开放的法学硕士，例如 Falcon、FastChat-T5 和 OpenLLaMA。但大多数法学硕士都包含其所有者不会告诉您的专有、受版权保护或根本未知的信息。电子前沿基金会 (EFF) 说得好：“垃圾进来，福音出去。”

我们已经看到这个问题出现有一段时间了。上个月在西班牙毕尔巴鄂举行的欧洲开源大会上，我与开源倡议 (OSI) 的执行董事 Stefano Maffulli 进行了交谈，该组织负责定义和管理开源许可证。 “这个过程始于两年前，当时 GitHub Copilot 刚推出，”Maffulli 告诉我。 “这是一个分水岭。突然之间，你作为人类为人类编写的代码，我们生产并放在互联网上的所有内容都被机器学习所收获。”

所以，我们能做些什么？ Maffulli 和其他开源和人工智能领导者正在致力于以合理的方式将人工智能与开源许可证结合起来。

Maffulli 观察到，将人工智能与开源许可证结合起来，与 20 世纪 80 年代软件版权首次应用于源代码时（自由软件和开源首次定义时）一样困难，甚至更难。真正的开源 AI 程序（例如 TensorFlow、PyTorch 和 Hugging Face）可以与旧式许可证配合良好。但旧式软件不是问题。这是软件和数据混合的地方，现有的开源许可证开始崩溃。具体来说，所有数据和代码在人工智能/机器学习工件（例如数据集、模型和权重）中合并在一起，这就是问题出现的地方。 “因此，”马富利说，“我们需要为开源人工智能做出新的定义。”

这必须是所有利益相关者都能同意并合作的定义。自由软件和开源不再只是开发人员的事情。精通开源的程序员和律师的目标与人工智能公司的目标不同。为了解决这个问题，Maffulli 与 Google、Microsoft、GitHub、欧洲开放论坛、知识共享、维基媒体基金会、Hugging Face、GitHub、Linux 基金会、ACLU Mozilla 和互联网档案馆一起制定了一份草案，用于定义一个共同的对开源人工智能的理解。换句话说，所有的AI玩家都在致力于定义。

如果一切顺利，我们最早有望在本月看到他们的劳动成果。虽然这只是人工智能开源定义的初稿，但我预计它将尽快最终确定。每个参与其中的人都知道人工智能正在迅速发展，我们越早获得围绕它的开源框架越好。