所有 AI 生成的代码都应开源

“所有 AI 生成的代码都应开源”的主张引发了围绕版权、许可,以及对被用于训练数据的开源项目是否公平的激烈争论。评论者争论模型输出是否根本能获得版权、传染式许可(如 GPL)是否应当“附着”在 LLM 输出上,以及公司是否在通过 AI 工具变相洗白限制性许可。许多人认为现行法律不明确且执行不均,担心这会影响开源维护者和专有软件供应商的经济利益,并质疑将 AI 训练类比为人类学习在法律或伦理上是否成立。

AI 生成代码的法律地位

  • 对 AI 输出是否具有版权,存在强烈分歧。
    • 一些人引用美国版权局的指导意见:纯粹由 AI 生成的作品不具备版权;人类的“引导”以及选择/编排可以受到保护,但仅仅输入提示词通常不行。
    • 另一些人指出,这在很大程度上仍未经过法院检验;目前的案件(Doe v. GitHub、Thaler/Allen v. Perlmutter 等)范围有限,并未解决所有问题。
  • 还有几人指出:如果没有版权,开源许可在法律上就毫无意义;这类代码实际上会成为公共领域,而不是“开源”。

与开源和版权传染式许可的关系

  • 一种观点认为:用 GPL/AGPL 或 CC-BY-SA 代码训练的模型应该继承这些许可,否则就是“许可洗白”。
  • 反对意见:对受版权保护代码进行训练更像是人类学习或合理使用;到目前为止,法院并未将 LLM 输出自动视为侵权或受原始 OSS 许可约束。
  • 强调了以下区别:
    • 公共领域(没有权利,也没有义务)
    • 宽松型 OSS(MIT/BSD)
    • 版权传染式许可(GPL/AGPL),其基础是可执行的版权。

伦理与公平性争论

  • 许多人认为,FOSS 和 CC 许可作品被大量抓取并商业化,然后又被用于替代这些贡献者,本身在伦理上就是错误的。
  • 另一些人则回应说,人类一直都在从公开代码中学习,而工具(LLM、编译器、脚手架生成器)本身并不会获得权利;应由人类用户或雇主拥有最终生成的软件。

可行性与可执行性

  • 对“所有 AI 生成的代码都必须开源”能否真正执行持怀疑态度,尤其是面对资金雄厚的违规者时。
  • 也有人提出商业秘密法作为替代:即使不适用版权,只要不分发,公司仍然可以对 AI 生成的代码保密。
  • 还有观点认为,借助 LLM 进行逆向工程会让闭源本来就不那么有保护力。

AI 辅助工作的价值与作者身份

  • 有人说,AI 生成的代码如果没有经过大量筛选,就是低价值的“slop”;真正的价值在于设计、领域知识和持续改进。
  • 也有人警告,如果 AI 生成的成果缺乏版权,整个基于 AI 的商业模式(例如 AI 音乐目录)在法律上可能会很脆弱。
  • 人们持续在“AI 只是工具”与“AI 是打破传统知识产权假设的中间‘作者’”之间存在张力。