GCC संचालन समिति ने AI नीति की घोषणा की

मूल लेख ↗ Hacker News चर्चा ↗

GCC की नई AI नीति, जो बड़े भाषा मॉडल (LLM) के “कानूनी रूप से महत्वपूर्ण” कोड में उपयोग को सीमित करती है जबकि उन्हें परीक्षण, बग-खोज और छोटे बदलावों के लिए अनुमति देती है, को मुख्य ढाँचे में AI से जुड़ी व्यापक चिंताओं के लिए एक विवादास्पद मुद्दा माना जा रहा है। टिप्पणीकार कानूनी और लाइसेंसिंग जोखिमों—विशेषकर GPL और AI-जनित कोड की कॉपीराइटयोग्यता—को उत्पादकता लाभों के विरुद्ध तौलते हैं, GCC की सावधान स्थिति की LLVM की अधिक उदार “human-in-the-loop” पद्धति से तुलना करते हैं, और बहस करते हैं कि क्या ऐसे नियम सॉफ़्टवेयर गुणवत्ता की रक्षा करते हैं या केवल AI-सहायित कार्य को अलग forks और स्वामित्व वाले पारिस्थितिक तंत्रों में धकेलते हैं।

GCC की AI नीति का अवलोकन

  • GCC एक अपेक्षाकृत सख्त नीति अपनाता है: LLM द्वारा उत्पन्न “कानूनी रूप से महत्वपूर्ण” इम्प्लीमेंटेशन कोड (≈>15 पंक्तियाँ) की अनुमति नहीं है, लेकिन परीक्षण, डिबगिंग, बग खोज और समीक्षा के लिए LLM के उपयोग की अनुमति है।
  • कमिट संदेशों में LLM सहायता को टैग करना आवश्यक है। मानव जिम्मेदार बने रहते हैं और उन्हें योगदानों को समझना और समझाना चाहिए।
  • कई टिप्पणीकार इसे एक मध्यम, अच्छी तरह लिखी गई, और सम्मानजनक नीति मानते हैं, खासकर अन्य जगहों पर अधिक नैतिकतावादी वक्तव्यों की तुलना में।

कॉपीराइट, GPL, और कानूनी जोखिम

  • GPL/कॉपीराइट पर मजबूत ध्यान:
    • चिंता 1: LLM कॉपीराइटेड या GPL कोड को दोहरा सकते हैं, जिससे परियोजनाएँ उल्लंघन के दावों के जोखिम में आ सकती हैं।
    • चिंता 2: पूरी तरह AI-जनित कोड पर कॉपीराइट लागू नहीं हो सकता (विशेषकर EU/US व्याख्याओं में, जहाँ मानव लेखन आवश्यक है), जिससे GPL प्रवर्तनीयता कमजोर हो सकती है और समय के साथ मुक्त-सॉफ़्टवेयर सुरक्षा “धुल” सकती है।
  • अन्य लोग तर्क देते हैं कि LLM-जनित कोड के लिए परियोजनाओं पर मुकदमे होने की संभावना कम है, और बड़े AI विक्रेताओं की क्षतिपूर्ति-प्रतिज्ञाएँ व्यावहारिक जोखिम कम होने का संकेत देती हैं।
  • इस पर असहमति है कि क्या वर्तमान केस लॉ (जैसे, fair-use फैसले) इन मुद्दों को अर्थपूर्ण रूप से सुलझाते हैं; स्थिति को विकसित होती हुई और आंशिक रूप से अस्पष्ट माना जाता है।

गुणवत्ता, “स्लॉप,” और मेंटेनर का बोझ

  • मेंटेनर कम गुणवत्ता वाले, पूरी तरह एजेंट-चालित PRs की लहरों की रिपोर्ट करते हैं (जिसमें AI-जनित कोड और यहाँ तक कि AI-जनित कोड समीक्षाएँ भी शामिल हैं), जिन्हें अक्सर प्रस्तुत करने वालों द्वारा समझा या परीक्षण नहीं किया गया होता।
  • समीक्षा समय सीमित है; कई लोग LLM आउटपुट पर प्रतिबंध या कड़े नियंत्रण को सस्ते बड़े पैमाने के PRs के माध्यम से “amplified DoS” के विरुद्ध बचाव मानते हैं।
  • अन्य लोग जवाब देते हैं कि LLMs, सावधानी से उपयोग किए जाने पर, उबाऊ कार्यों (परीक्षण, बॉयलरप्लेट, एंटरप्राइज़ ग्लू कोड) में मदद कर सकते हैं और असली समस्या मानकों और जवाबदेही को लागू करना है, न कि उपकरण को।

प्रवर्तन और सामाजिक गतिशीलता

  • कई लोग नोट करते हैं कि प्रवर्तन स्वाभाविक रूप से अस्पष्ट है: लोग झूठ बोल सकते हैं, या LLM का उपयोग करके आउटपुट को मानवीय दिखाने के लिए “massage” कर सकते हैं।
  • प्रस्तावित निरोधक उपायों में सामाजिक दबाव, झूठ बोलने वालों पर प्रतिबंध, नए योगदानकर्ताओं के लिए अतिरिक्त जाँच, और योगदानकर्ताओं से उनके परिवर्तनों के बारे में विस्तृत प्रश्नों के उत्तर देने की आवश्यकता शामिल है।
  • कुछ को चिंता है कि नीतियाँ मुख्यतः ईमानदार AI उपयोगकर्ताओं को रोकती हैं, जबकि बुरे actors को नहीं।

विचारधारा, ध्रुवीकरण, और पारिस्थितिकी तंत्र का विभाजन

  • चर्चा AI के आसपास तीव्र ध्रुवीकरण को उजागर करती है: “धर्म,” eschatological सोच, और LLM उपयोग या अस्वीकृति से जुड़ी व्यक्तिगत पहचान के आरोप।
  • कुछ लोग एक “human-zealot” OSS stack और एक “machine-assisted” stack के बीच विभाजन की कल्पना करते हैं, संभवतः प्रमुख परियोजनाओं के AI-भारी forks के साथ।
  • अन्य तर्क देते हैं कि मुक्त-सॉफ़्टवेयर आदर्शों को तकनीक के प्रति blanket resistance के बजाय मुक्त/open LLMs की ओर प्रेरित करना चाहिए।