开源程序员愤怒控诉！Github的「AI码农」Copilot就是寄生虫

---

  视学算法报道  

既然是AI，模型总要训练，写代码的AI，训练数据从哪里来？谁提供的训练代码？微软和GitHub的说法倒是直接：Github资源库里直接拿的。

说的好听，帮码农写代码，其实是白嫖码农的代码？开源社区对这一直意见很大。

最近，程序员 Matthew Butterick 站了出来，拥有律师身份的他，在个人博客中发文控诉了 Copilot，并宣布开展诉讼调查：

GitHub Copilot是微软在长达一年的技术预览后,于2022年6月发布的产品。Copilot是Visual Studio和其他IDE的一个插件，根据用户在编辑器中输入的内容产生微软所谓的 「建议」。

这是一个营销噱头，也是一个巨大的违反开源许可证的框架。

Copilot与传统IDE中的自动完成功能有何不同？Copilot由Codex驱动，后者是一个由OpenAI创建并授权给微软的人工智能系统。 

Copilot根据用户输入的文本提示提供建议。Copilot可用于小的建议，比如移动到行末，但微软强调，Copilot有能力为更大的代码块提供建议，如整个函数的主体部分。

但是Codex，这个底层的人工智能系统是如何训练的？根据OpenAI的说法，Codex是在 「数以千万计的公共资源库，包括GitHub上的代码上训练的」。微软自己也含糊地将训练材料描述为「数十亿行的公共代码」。

但Copilot研究员Eddie Aftandilian在最近的播客中证实，实际上Copilot是在 GitHub上的公共资源库上训练的。

我们对Copilot的了解，引发了与该系统的训练和使用有关的法律问题。

关于系统的训练: 绝大多数开源软件包都是根据许可证发布的，这些许可证授予用户某些权利并规定了某些义务（例如，保持源代码的准确归属）。这些许可证在法律上是由软件作者主张他们的代码的版权而实现的。

因此，那些希望使用开源软件的人只有一个选择，要么不用，要用就必须遵守许可证规则。

[我们都明白了，微软并不是我们所听说的那种令人敬畏的、友好的、完全道德的公司......」

Ryan Fleury

微软和OpenAI已经承认，Copilot和Codex是在GitHub上的公共仓库的开源软件上进行训练的。那么他们做出了哪种选择？

如果微软和OpenAI选择在他们各自的开源许可下使用这些软件，微软和OpenAI就需要发布大量的署名，因为这是几乎所有开源许可的最低要求。然而，Copilot没有明显的署名。

因此，微软和OpenAI一定是在依靠「合理使用」的论据。前GitHub首席执行官Nat Friedman在Copilot技术预览版本公布后声称，在公共数据上训练机器学习系统属于合理使用。

真的是这样吗？

这不是观点问题，而是法律问题。自然，微软、OpenAI和其他研究人员一直在宣传公平使用的说法。Nat Friedman进一步宣称，有关于合理使用的判例，被机器学习界广泛依赖。但软件自由保护协会不同意，并要求微软提供证据来支持其立场。

根据自由软件保护协会（SFC）主任Bradley Kuhn的说法：

[我们在2021年6月私下询问了Friedman和其他微软和GitHub的代表，要求为GitHub的公开法律立场提供可靠的法律参考......他们没有提供。

为什么微软不能自己的立场提供任何法律权威依据？因为SFC说的没错：没有任何依据。

此外，关于合理使用的案件要平衡多种因素。即使法院最终裁定某些类型的人工智能训练是合理使用--这似乎是可能的--它也可能排除其他因素。到今天为止，我们还不知道Copilot或Codex是否属于这个范围。微软和OpenAI也不知道。

我们还不能说合理使用的原则最终将如何适用于AI训练。但我们知道，这根本不会影响Copilot用户。为什么？因为他们只是用Copilot来写代码。那么，写的代码的版权和许可状况如何？

在2021年，Nat Friedman声称，Copilot产生的输出属于「操作者，就像编译器一样」。但这是个很扯淡的比喻，Copilot为不小心的人埋下了新的陷阱。

微软将Copilot的输出描述为一系列的「代码建议」。微软对这些建议不主张任何权利。但是，微软也不对这样生成的代码的正确性、安全性或减轻的知识产权纠葛做出任何保证。一旦接受了Copilot的建议，所有这些都将成为你的问题。

这样的规定可能出现什么麻烦？

Copilot的用户已经表明，Copilot可以被诱导从可识别的资源库中发出逐字逐句的代码。就在本周，德克萨斯A&M大学教授Tim Davis的大段代码就被Copilot逐字复制，甚至连注释都一起复制了。

这里，关于代码来源的信息--作者、许可证等--都被剥离了。如果Copilot的用户甚至不知道许可证的存在，他们怎么能遵守许可证的规定？

Copilot神奇的代码检索方法是一个烟幕弹，旨在掩盖一个肮脏的事实：Copilot只是一个方便的替代接口，可以访问大量的开源代码。因此，Copilot用户可能会对底层代码的作者产生许可义务。

在这种背景下，Nat Friedman声称Copilot的操作 「就像编译器」是相当可疑的。

通过提供Copilot作为大量开放源代码的替代界面，微软所做的不仅仅是切断开放源代码作者和用户之间的法律关系。

可以说，微软正在创造一个新的围墙花园，它将抑制程序员发现传统的开源社区。或者至少，消除任何这样做的动机。随着时间的推移，这个过程将使这些社区陷入饥饿。

用户的注意力和参与将被转移到Copilot的围墙花园中，而远离开源项目本身--远离他们的源代码库、问题跟踪器、邮件列表和讨论区。这种能量的转移对开源来说将是一个痛苦的、永久性的损失。

Copilot就是寄生虫！

微软云计算高管Scott Guthrie最近承认，尽管微软CEO Satya Nadella在收购GitHub时做出了「GitHub将保持开放平台」的美好承诺，但微软一直在推动更多的GitHub服务，包括Copilot，进入其Azure云平台。

显然，开源开发者不是为了钱，但我们也不是白做的。发布开源软件的一大好处是人：由用户、测试人员和贡献者组成的社区，围绕着我们的工作凝聚起来。

我们的社区帮助我们以自己无法做到的方式使软件变得更好。这使我们的工作充满乐趣和合作。

Copilot为开源软件引入了一个更自私的方式：只要给我想要的东西就可以了。有了Copilot，开源用户就不必知道谁制作了他们的软件。他们不需要与社区互动。也不需要做出贡献。

与此同时，开源作者不得不眼睁睁地看着我们的作品被藏在一个叫做Copilot的大代码库里。我们得到的用户反馈和贡献？很快，全部消失了。Copilot对我们的个人项目毫无贡献。对广泛的开源社区也没有贡献。

Copilot的围墙花园与开源生态是对立的，是有毒的。

因此，这也是对GitHub在被微软收购之前所代表的一切的背叛。如果你在2005年之前出生，你会记得GitHub的声誉是建立在它对开源开发者的友好和对开源社区的培养上的。相比之下，Copilot一来，这些完全走向了反面。

当我第一次写到Copilot时，我曾说「不担心它对开源的影响」。在短期内，我仍然不担心。但是，当我反思我自己25年的开源之旅，我意识到，我忽略了大局，开源社区并不是一个固定的群体，它在不断成长、不断变化，不断地被新的思想所更新。

这时，Copilot来了。它的目标是将开源的能量赋予自己。我们不需要深入了解微软在开源方面的历史，就能看出Copilot的本质：寄生虫。

在Copilot对开源生态的损害变得不可挽回之前，它的合法性必须得到检验，这也正是我要告Copilot的原因。

点个在看 paper不断！