โอเพ่นซอร์สไม่พร้อมสำหรับ AI เชิงสร้างสรรค์ ผู้มีส่วนได้ส่วนเสียกำลังเปลี่ยนแปลงหลอดไฟนี้ร่วมกันอย่างไร

ใบอนุญาตโอเพ่นซอร์สซึ่งถูกขยายออกไปโดยซอฟต์แวร์ในฐานะบริการและระบบคลาวด์นั้น ยิ่งเหมาะอย่างยิ่งกับโมเดลภาษาขนาดใหญ่ของ AI ผู้นำโอเพ่นซอร์สต้องทำอะไร?

หากไม่มีโอเพ่นซอร์ส ก็ไม่มี AI มันง่ายมาก แต่ใบอนุญาตเดียวกันนั้นแสดงอายุไว้: Gnu General Public License (GPL), Apache License และ Mozilla Public License ไม่เหมาะกับซอฟต์แวร์ในรูปแบบบริการหรือบริการระบบคลาวด์ AI ก่อให้เกิดปัญหาที่ใหญ่กว่า ใบอนุญาตโอเพ่นซอร์สซึ่งมีพื้นฐานกฎหมายลิขสิทธิ์ไม่เหมาะสำหรับโมเดลภาษาขนาดใหญ่ (LLM) ของ AI

นี่ไม่ใช่แค่ปัญหาทางกฎหมายทางเทคโนโลยีเชิงทฤษฎีบางประการเช่นกัน มันปรากฏตัวขึ้นในศาลแล้ว

ใน J. Doe 1 และคณะ เทียบกับ GitHub โจทก์กล่าวหาว่า Microsoft, OpenAI และ GitHub ผ่านทางระบบที่ใช้ AI เชิงพาณิชย์, Codex ของ OpenAI และ Copilot ของ GitHub -- ขโมยโค้ดโอเพ่นซอร์สของพวกเขา คดีฟ้องร้องในชั้นเรียนอ้างว่าโค้ดที่ "แนะนำ" โดย AI มักจะประกอบด้วยสตริงโค้ดที่เกือบจะเหมือนกันซึ่งคัดลอกมาจากที่เก็บ GitHub สาธารณะ แต่ไม่มีการระบุแหล่งที่มาของใบอนุญาตโอเพ่นซอร์สที่จำเป็น

ในประเด็นที่เกี่ยวข้อง นักเขียนสองกลุ่ม ได้แก่ George R.R. Martin, Michael Chabon และ John Grisham กำลังฟ้องร้อง Microsoft และ OpenAI ที่รับงานและนำไปใช้ใน LLM ของตน ลิขสิทธิ์ซึ่งเป็นรากฐานทางกฎหมายของโอเพ่นซอร์สถือเป็นหัวใจสำคัญของปัญหานี้

แต่นี่ไม่ใช่เพียงปัญหาของ Microsoft

ดังที่ Sean O'Brien อาจารย์จาก Yale Law School ด้านความปลอดภัยทางไซเบอร์และผู้ก่อตั้ง Yale Privacy Lab บอกกับ David Gewirtz เพื่อนร่วมงาน ZDNET ของฉันว่า "ฉันเชื่อว่าในไม่ช้านี้จะมีอุตสาหกรรมย่อยทั้งหมดที่เกี่ยวกับการหมุนรอบที่เลียนแบบการหมุนรอบสิทธิบัตร แต่คราวนี้โดยรอบ งานที่สร้างโดย AI ลูปคำติชมถูกสร้างขึ้นเนื่องจากผู้เขียนใช้เครื่องมือที่ขับเคลื่อนด้วย AI มากขึ้นเพื่อจัดส่งโค้ดภายใต้ลิขสิทธิ์ที่เป็นกรรมสิทธิ์ ระบบนิเวศของซอฟต์แวร์จะถูกทำลายด้วยโค้ดที่เป็นกรรมสิทธิ์ซึ่งจะถูกยุติการเรียกร้องโดย บริษัท ที่กล้าได้กล้าเสีย”

คนอื่นๆ เช่น นักวิจัยและนักการเมืองชาวเยอรมัน Felix Reda อ้างว่าโค้ดที่ AI สร้างขึ้นทั้งหมดเป็นสาธารณสมบัติ

Richard Santalesa ทนายความของสหรัฐฯ ซึ่งเป็นสมาชิกผู้ก่อตั้ง SmartEdgeLaw Group บอกกับ Gewirtz ว่ามีปัญหาทั้งด้านสัญญาและกฎหมายลิขสิทธิ์ และปัญหาเหล่านี้ไม่เหมือนกัน Santalesa เชื่อว่าบริษัทที่ผลิตโค้ดที่สร้างโดย AI จะ "เช่นเดียวกับ IP อื่น ๆ ทั้งหมดของพวกเขา ถือว่าวัสดุที่ให้มา รวมถึงโค้ดที่สร้างโดย AI เป็นทรัพย์สินของพวกเขา" นอกจากนี้ รหัสโดเมนสาธารณะก็ไม่เหมือนกับรหัสโอเพ่นซอร์ส

แล้วต้องทำอย่างไร? การอ้างว่า AI ของคุณเป็นโอเพ่นซอร์สนั้นไม่ใช่สิ่งที่เริ่มต้น ตัวอย่างเช่น Meta อ้างว่า Llama 2 เป็นโอเพ่นซอร์ส มันไม่ใช่.

ดังที่ Erica Brescia กรรมการผู้จัดการของ RedPoint ซึ่งเป็นบริษัทร่วมทุนที่เป็นมิตรกับโอเพ่นซอร์ส ถามบน Twitter ว่า "ใครก็ได้ช่วยอธิบายให้ฉันฟังหน่อยว่า Meta และ Microsoft สามารถปรับเหตุผลในการเรียก Llama 2 โอเพ่นซอร์สได้อย่างไร ถ้ามันไม่ได้ใช้ OSI จริง ๆ [Open Source Initiative] - ใบอนุญาตที่ได้รับอนุมัติหรือสอดคล้องกับ OSD [คำจำกัดความของ Open Source] พวกเขาจงใจท้าทายคำจำกัดความของ OSS [ซอฟต์แวร์ Open Source] หรือไม่"

ต่อไปนี้เป็นคำอธิบายสั้นๆ: Meta ใช้โอเพ่นซอร์สเป็นคำศัพท์ทางการตลาด ไม่ใช่คำทางกฎหมาย การใช้งานดังกล่าวจะไม่เกิดขึ้นอีกต่อไปเมื่อคดีความเพิ่มมากขึ้น

ปัญหาของ Llama 2 โดยเฉพาะคือมันขัดขวางไม่ให้บริษัทที่ทำกำไรได้มหาศาลใช้งานมัน ตามที่ Stephen O'Grady ผู้เชี่ยวชาญด้านลิขสิทธิ์โอเพ่นซอร์สและผู้ร่วมก่อตั้ง RedMonk กล่าวว่าปัญหาคือพวกเขาจะไม่ทำงานในโอเพ่นซอร์ส "ลองนึกดูว่า Linux นั้นเป็นโอเพ่นซอร์สหรือไม่ เว้นแต่คุณจะทำงานที่ Facebook"

ในขณะเดียวกัน ดังที่ Amanda Brock ซีอีโอของ OpenUK ตั้งข้อสังเกตว่า "ฉันไม่คิดว่าเราจะได้เห็นการพัฒนา LLM หรือ AI ที่สำคัญใดๆ ที่สามารถรับใบอนุญาตเป็นโอเพ่นซอร์สได้ เพราะกุญแจสำคัญของโอเพ่นซอร์สคือ Open คำจำกัดความแหล่งที่มา”

และเส้นทางสู่คำจำกัดความนั้นยาวและเป็นหลุมเป็นบ่อ

ใบอนุญาตซอฟต์แวร์ฟรีชุดแรกเริ่มต้นขึ้นในช่วงต้นทศวรรษ 1980 เมื่อ Richard M. Stallman โปรแกรมเมอร์ของ MIT Lab ไม่มีเครื่องพิมพ์เลเซอร์รุ่นแรกๆ อย่าง Xerox 9700 เพื่อสร้างข้อความแสดงข้อผิดพลาด ปัญหา? Stallman ไม่สามารถอ่านหรือเปลี่ยนแปลงซอร์สโค้ดได้ ในเวลานั้นนี่เป็นการพัฒนาใหม่ แม้ว่าตอนนี้เราจะคิดว่าซอฟต์แวร์ที่เป็นกรรมสิทธิ์เป็นค่าเริ่มต้น แต่ก็ไม่เป็นเช่นนั้น

Stallman จึงสร้าง GNU General Public License (GPL) ขึ้นมา แม้ว่าจะไม่ใช่ใบอนุญาตซอฟต์แวร์ฟรีแรก (เกียรตินั้นเป็นของใบอนุญาต Berkeley Software Distribution (BSD)) แต่ GNU ก็พิสูจน์ได้ว่ามีอิทธิพลมาก ในส่วนเล็กๆ น้อยๆ นั่นเป็นเพราะ Linus Torvalds เลือกใช้ GPLv2 เป็นลิขสิทธิ์ของ Linux

GPL ขึ้นอยู่กับหลักการสองประการ ประการแรก รหัสซอฟต์แวร์สามารถมีลิขสิทธิ์ได้ ประการที่สอง ทุกคนมีอิสระที่จะอ่านและแก้ไขโค้ดได้ ตราบใดที่เสรีภาพเหล่านี้ไม่ได้ถูกพรากไปจากใครก็ตาม

ภายในปี 1985 ซอฟต์แวร์เสรีกำลังได้รับความนิยม แต่ก็ชัดเจนว่าคำว่า "ฟรี" นั้นคลุมเครือเกินไป หลังจากที่ Netscape เผยแพร่ซอร์สโค้ดของ Mozilla ซึ่งต่อมาได้กลายเป็นพื้นฐานของเว็บเบราว์เซอร์ Firefox ผู้ทรงคุณวุฒิด้านซอฟต์แวร์ฟรีชั้นนำหลายคน รวมถึง Eric S. Raymond, Bruce Perens, Michael Tiemann, Jon "Maddog" Hall และ Christine Peterson เป็นผู้บัญญัติศัพท์วลีนี้ โอเพ่นซอร์สเพื่ออธิบายใบอนุญาตประเภทนี้ ในปี 1998 Perens และ Raymond ได้ค้นพบ OSI ซึ่งร่าง Open Source Definition (OSD) และใช้เป็นแนวทางทั่วไปในการกำหนดใบอนุญาตโอเพ่นซอร์สทั้งหมด

ใบอนุญาตโอเพ่นซอร์สทั้งหมดจะต้องเป็นไปตาม OSD สำหรับ AI และ LLM พูดง่ายกว่าทำมาก

จริงอยู่ มี LLM แบบเปิด เช่น Falcon, FastChat-T5 และ OpenLLaMA แต่ LLM ส่วนใหญ่มีข้อมูลที่เป็นกรรมสิทธิ์ มีลิขสิทธิ์ หรือเพียงไม่ทราบซึ่งเจ้าของจะไม่บอกคุณ มูลนิธิพรมแดนอิเล็กทรอนิกส์ (EFF) พูดได้ดี: "ขยะเข้า ข่าวประเสริฐออกไป"

เราได้เห็นปัญหานี้มาระยะหนึ่งแล้ว ที่ Open Source Europe ในเมืองบิลเบา ประเทศสเปน เมื่อเดือนที่แล้ว ฉันได้พูดคุยกับ Stefano Maffulli กรรมการบริหารของ Open Source Initiative (OSI) ซึ่งเป็นองค์กรที่กำหนดและจัดการใบอนุญาตโอเพ่นซอร์ส “กระบวนการนี้เริ่มต้นเมื่อสองปีที่แล้วเมื่อ GitHub Copilot ออกมา” Maffulli บอกฉัน "มันเป็นช่วงเวลาแห่งการเปลี่ยนแปลง ทันใดนั้น โค้ดที่คุณเขียนในฐานะมนุษย์เพื่อมนุษย์ ทุกสิ่งที่เราผลิตและเผยแพร่บนอินเทอร์เน็ตก็ถูกเก็บเกี่ยวเพื่อการเรียนรู้ของเครื่อง"

แล้วเราจะทำอย่างไร? Maffulli และผู้นำโอเพ่นซอร์สและ AI คนอื่นๆ กำลังทำงานเพื่อรวม AI เข้ากับใบอนุญาตโอเพ่นซอร์สด้วยวิธีที่สมเหตุสมผล

Maffulli ตั้งข้อสังเกตว่าการรวม AI เข้ากับลิขสิทธิ์โอเพ่นซอร์สนั้นยากพอๆ กับที่ลิขสิทธิ์ซอฟต์แวร์ถูกนำมาใช้ครั้งแรกกับซอร์สโค้ดในช่วงทศวรรษปี 1980 (เมื่อมีการกำหนดซอฟต์แวร์เสรีและโอเพ่นซอร์สเป็นครั้งแรก) โปรแกรม AI แบบโอเพ่นซอร์สที่แท้จริง เช่น TensorFlow, PyTorch และ Hugging Face ทำงานได้ดีกับใบอนุญาตแบบเก่า แต่ซอฟต์แวร์แบบเก่าไม่ใช่ปัญหา เป็นที่ที่ซอฟต์แวร์และข้อมูลผสมผสานกันซึ่งลิขสิทธิ์โอเพ่นซอร์สที่มีอยู่เริ่มพังทลายลง โดยเฉพาะอย่างยิ่ง นี่คือจุดที่ข้อมูลและโค้ดทั้งหมดผสานรวมกันในสิ่งประดิษฐ์ AI/ML เช่น ชุดข้อมูล แบบจำลอง และน้ำหนัก ซึ่งเป็นจุดที่เกิดปัญหา "ดังนั้น" Mafulli กล่าว "เราจำเป็นต้องสร้างคำจำกัดความใหม่สำหรับ AI แบบโอเพ่นซอร์ส"

นี่ต้องเป็นคำจำกัดความที่ผู้มีส่วนได้ส่วนเสียทั้งหมดสามารถตกลงและร่วมงานด้วยได้ ซอฟต์แวร์ฟรีและโอเพ่นซอร์สไม่ได้มีความสำคัญสำหรับนักพัฒนาอีกต่อไป เป้าหมายของโปรแกรมเมอร์และทนายความที่เชี่ยวชาญด้านโอเพ่นซอร์สนั้นไม่เหมือนกับเป้าหมายของบริษัท AI เพื่อแก้ไขปัญหานี้ Maffulli ร่วมกับ Google, Microsoft, GitHub, Open Forum Europe, Creative Commons, Wikimedia Foundation, Hugging Face, GitHub, the Linux Foundation, ACLU Mozilla และ Internet Archive กำลังทำงานร่างเพื่อกำหนดทั่วไป ความเข้าใจเกี่ยวกับ AI แบบโอเพ่นซอร์ส กล่าวอีกนัยหนึ่ง ผู้เล่น AI ทุกคนกำลังทำงานเพื่อกำหนดคำจำกัดความ

หากทุกอย่างเป็นไปด้วยดี เราคาดว่าจะเห็นผลงานของพวกเขาได้ตั้งแต่ต้นเดือนนี้ และแม้ว่านี่จะเป็นเพียงร่างแรกของข้อกำหนด AI Open Source แต่ฉันคาดหวังว่าจะมีการสรุปโดยเร็วที่สุด ทุกคนที่เกี่ยวข้องรู้ดีว่า AI กำลังก้าวหน้าอย่างรวดเร็ว และยิ่งเราได้รับเฟรมเวิร์กโอเพ่นซอร์สรอบตัวเร็วเท่าไรก็ยิ่งดีเท่านั้น