El comité directivo de GCC anuncia una política de IA
La nueva política de IA de GCC, que restringe el uso de modelos de lenguaje grandes (LLM) para código “jurídicamente significativo” pero permite su uso para pruebas, detección de errores y cambios pequeños, se ha convertido en un punto de fricción para preocupaciones más amplias sobre la IA en infraestructuras críticas. Los comentaristas sopesan los riesgos legales y de licencia —especialmente para GPL y la posibilidad de proteger por copyright el código generado por IA— frente a las ganancias de productividad, contrastan la postura cautelosa de GCC con el enfoque más permisivo de LLVM de “human-in-the-loop”, y debaten si estas reglas protegen la calidad del software o simplemente empujan el trabajo asistido por IA hacia bifurcaciones separadas y ecosistemas propietarios.
Resumen de la política de IA de GCC
- GCC adopta una política relativamente estricta: no acepta código de implementación generado por LLM “jurídicamente significativo” (≈>15 líneas), pero sí permite el uso de LLM para pruebas, depuración, descubrimiento de errores y revisión.
- Los mensajes de commit deben etiquetar la सहायता de LLM. Los humanos siguen siendo responsables y deben comprender y explicar las contribuciones.
- Muchos comentaristas consideran que se trata de una política moderada, bien redactada y respetuosa, especialmente en comparación con declaraciones más moralizantes en otros lugares.
Copyright, GPL y riesgo legal
- Fuerte énfasis en GPL/copyright:
- Preocupación 1: los LLM podrían regurgitar código con copyright o GPL, exponiendo a los proyectos a reclamaciones por infracción.
- Preocupación 2: el código generado بالكامل por IA puede no ser protegible por copyright (especialmente bajo interpretaciones de la UE/EE. UU. que exigen autoría humana), debilitando la ejecutabilidad de la GPL y “lavando” con el tiempo las protecciones del software libre.
- Otros sostienen que es poco probable que prosperen demandas contra proyectos por código generado por LLM y que la indemnización ofrecida por grandes proveedores de IA sugiere un riesgo práctico bajo.
- Hay desacuerdo sobre si la jurisprudencia actual (p. ej., fallos sobre uso legítimo) resuelve de forma significativa estas cuestiones; el estado se considera cambiante y en parte poco claro.
Calidad, “slop” y carga para mantenedores
- Los mantenedores informan de oleadas de PR de baja calidad, totalmente impulsadas por agentes (incluido código generado por IA e incluso revisiones de código generadas por IA), a menudo sin que quienes las envían las entiendan o las prueben.
- El tiempo de revisión es escaso; muchos ven prohibir o restringir de forma estricta las salidas de LLM como una defensa contra un “DoS amplificado” mediante PR masivas y baratas.
- Otros responden que los LLM, usados con cuidado, pueden ayudar con tareas tediosas (pruebas, boilerplate, código de integración empresarial) y que el verdadero problema es hacer cumplir los estándares y la responsabilidad, no la herramienta.
Aplicación y dinámicas sociales
- Muchos señalan que la aplicación es intrínsecamente difusa: la gente puede mentir o usar LLM pero “maquillar” las salidas para que parezcan humanas.
- Medidas disuasorias propuestas: presión social, expulsar a quienes mienten, escrutinio extra para nuevos contribuidores y exigir que los contribuidores respondan preguntas detalladas sobre sus cambios.
- Algunos temen que las políticas disuadan sobre todo a los usuarios honestos de IA sin detener a los malos actores.
Ideología, polarización y división del ecosistema
- La discusión destaca una intensa polarización en torno a la IA: acusaciones de “religión”, pensamiento escatológico e identidad personal vinculada al uso o rechazo de LLM.
- Algunos prevén una división entre una pila OSS de “fanáticos de lo humano” y una pila “asistida por máquinas”, posiblemente con bifurcaciones fuertemente apoyadas en IA de grandes proyectos.
- Otros argumentan que los ideales del software libre deberían impulsar LLM libres/abiertos en lugar de una resistencia generalizada a la tecnología.