什麼是「合法」與「正當」的根本差異？

在 AI 技術快速發展的時代，一個根本性的問題浮上檯面：法律允許的行為，是否就代表它是正確的？這個問題在開源社群引發激烈討論，特別是關於 AI 系統是否可以任意重製受 Copyleft 授權保護的軟體。

「合法」指的是行為是否符合法律規範，可能面臨訴訟但不一定違法。而「正當」則涉及道德、倫理和社群期望。當 AI 公司利用开源代码训练模型，却聲稱這是「合理使用」時，法律與道德的衝突便開始顯現。

典型案例包括：AI 模型能夠重現受版權保護軟體的功能，甚至直接使用其源代碼進行訓練。這在技術上或許合法，但在 Copyleft 社群眼中，這可能違背了「共享與回饋」的核心精神。

Copyleft 授權的基本原則與精神

Copyleft 授權（如 GPL、LGPL、AGPL）的核心理念是「如果你修改並發布衍生作品，你必須也以同樣的授權發布」。這與寬鬆的 Permissive 授權（如 MIT、Apache）形成鮮明對比。

Copyleft 的設計初衷是：

  • 保障自由：確保衍生作品同樣保持開源
  • 促進共享：鼓勵社群貢獻與協作
  • 防止剝削：避免商業公司「只拿不給」

以 GPL 為例，若你使用 GPL 程式碼開發新軟體並分發出去，你就必須開放你的源代碼。這種「傳染性」機制正是 Copyleft 保護自由軟體運動的基石。

AI 時代對 Copyleft 的三大衝擊

AI 系統的訓練與運作方式，對傳統版權觀念造成前所未有的挑戰：

1. 訓練資料的灰色地帶

AI 模型需要大量數據訓練。開源軟體的源代碼、文件、甚至 commit 歷史都可能被用於訓練，卻難以追蹤。這是否構成「衍生作品」？目前法律尚未明確。

2. 输输出的著作權歸屬

當 AI 重現或修改了受 Copyleft 保護的程式碼，輸出結果的歸屬變得模糊。AI 公司通常聲稱訓練屬於「合理使用」，但開源社群对此存在分歧。

3. 服務化規避授權

部分 AI 公司將開源軟體作為「服務」提供（如 API 调用），而非分發軟體本身。這可能規避了 Copyleft 的傳染性要求，卻在精神上違背了共享原則。

開發者應對策略：如何在 AI 時代保護開源精神

作為開發者或開源維護者，你可以採取以下具體步驟：

步驟一：選擇更嚴格的授權

考慮使用 AGPL（Affero General Public License）。AGPL 明確規範了透過網路服務使用軟體也必須开源，堵住了傳統 GPL 的漏洞。

步驟二：明確禁止 AI 訓練條款

在 LICENSE 文件中加入明確條款，禁止將你的程式碼用於 AI 訓練。例如：「本軟體明確禁止用於任何 AI 系統的訓練或優化。」

步驟三：使用許可證檢測工具

使用 scanCode、FOSSA 或 Black Duck 等工具定期掃描專案依賴，確保授權合規。

步驟四：參與標準制定

積极參與 OSI（Open Source Initiative）和開源基金的標準討論，推動 AI 時代的新授權規範。

結語：法律是底線，道德是標竿

在 AI 重製與 Copyleft 的議題上，合法是基本要求，但不是終點。作為技術社群的一員，我們需要在法律框架內，重新思考什麼是真正的「公平」與「共享」。

當科技巨頭利用 AI 技術規避數十年的開源努力成果時，沉默就是最大的讓步。唯有持續關注、參與對話，並用行動支持真正開放的生態系統，才能確保開源精神在 AI 時代得以延續。