Github Copilot 是否违反 GPL 协议？

[stimw]

看见公众号推送的，想了想觉得挺有意思：

在 GitHub Copilot 直接复制快速平方根倒数算法这个过程中有个矛盾点，即这段代码是遵循 GNU GPL 2.0 协议进行开源的，而 GitHub Copilot 却要在未来扩展为付费服务提供。

在此基础上，就产生了一个巨大争议：这个现象表示 GitHub Copilot 在训练过程中必定使用过 GPL 协议下的代码，那么机器学习系统产生的作品，甚至机器学习系统本身，都算是 GPL 协议中规定的衍生作品吗？

• 如果答案是“否”，那是不是说明开发者可以利用 GitHub Copilot 来“清除”代码的 GPL 协议，从此再也无需遵循该协议？

• 如果答案是“是”，那么不仅 GitHub Copilot 应该免费开源，整个 GitHub 都要成为一个开源项目：据 GitHub 博客中“在 GitHub Copilot 的早期开发过程中，作为内部试用的一部分，近 300 名员工在日常工作中使用了它”的说法，这些员工很有可能已经将 GitHub Copilot 生成的代码整合到 GitHub 的方方面面，那么 GitHub 就也应该是个开源项目。

[hronro]

刚好前几天在推上看到一个有趣的观点：

https://imgur.com/a/ly8rtnI

[hronro]

[AoEiuV020]

gpl 开源毒瘤名不虚传，
我不太懂这些，但做为开发者，直觉判断，就算侵权，也应该是使用方在确实用到了 Copilot 生成的 gpl 开源代码时使用方自身被感染，ai 本身不应该被感染，
也就是不能‘利用 GitHub Copilot 来“清除”代码的 GPL 协议’，
这样看的话感觉合理很多，相应的 Copilot 在生成代码时就可能需要提示开源协议了，甚至添加开关过滤部分毒瘤协议的代码，

[vk42]

Copilot 不需要开源啊，只要它的代码本身没有依赖 GPL 代码，对于 Copilot 来说 GPL 代码就是 train 的输入数据而已，这样类推 train 出来的 model 应该开放才是。类似于用私有的编辑器编辑了 GPL 代码，并不需要开源编辑器吧

[hronro]

别说什么 GPL 毒瘤不毒瘤的，即使是最宽松的 MIT 协议，也要求使用这些开源代码的人，需要在你的仓库中包含原 License 。但现在看来，如果你是通过 GitHub Copilot 来使用这些开源的 MIT 协议的代码的话，并不会遵守 MIT 协议的要求将原 license 包含在你代码里。

[dingwen07]

Copilot 软件中并没有包含 GPL 代码，应该是不需要使用 GPL 开源。而由 Copilot 生成的代码可能就会引起一些争议，我估计起草开源许可证的人根本没有想到能用机器学习来写代码。

[ryh]

代码是现写的不是复制的（滑稽🤪）

[icyalala]

有两点要区分一下：
1. GPL 衍生作品，或者说传染的边界在哪里，是否涵盖用于 AI 训练？
如果训练结果只为了 “简单的提示变量命名” 这种服务，这种服务是否应当被传染？

2. 用户参考开源项目中代码（不限 GPL/MIT ），不论是通过 AI 还是人工阅读，
参考到什么程度则需要遵守原始的 License ？比如一个独特函数名，几行通用的算法？

[jim9606]

等 GNU 那边的人回答吧，个人感觉如果只是片段重复，例如几个短函数或者几个 API 什么的，可以算作合理使用。拿来搞 IDE 代码建议也是符合 GNU 精神的。

不过要是用 Copilot 代替人工搞 cleanroom 复刻，那肯定是不可接受的，不过现有许可证能不能防御这个问题还不清楚，这个得等司法实践去验证。GNU 肯定没考虑到还能这么用。

@hronro 不用 github 并不能摆脱 copilot，除非你不开源，否则只要公开就有拿来当材料的可能。

[1194129822]

真以为微软是老好人啊？以前的闭源为了卖光盘，现在的开源也不过是卖云。微软做的恶罄竹难书，现在却能光明正大的洗白。估计现在 linux 内核都有微软的专利代码，说不定哪天就爆炸了。真开源还是看 Apple，虽然数量不多，但都是质量上乘，持续维护的好项目。

[learningman]

如果这能传染，那用了 Co-Pilot 的项目怕不是要打包几十万个 LICENSE 文件

[charlie21]

若真违反协议了，你是硬汉你应该去状告微软 起诉 github，而不是 abandon github
又见花式碰瓷

[shayuvpn0001]

开源的好货，基本上只要被商业公司染指，我觉得基本上就不会有什么好下场了。

[stimw]

@learningman
@charlie21

按我的个人理解，copilot 本身不应该被传染，但生成的代码完全绕过协议又不是很合理。
所以各种协议这边应该要增加新条款来涵盖这玩意了...

[anytk]

时代变化这么快？还有说 GPL 是开源毒瘤？不要觉得微软近年来向开源示好就觉得是个好人，

[akira]

Copilot 看成一个独立个体的人呢.
你看过一段 gpl 代码，后来在工作的时候，按照同样的思路写了一段代码，那这段代码是否需要继承 gpl 呢。

[Vancion]

@akira Copilot“写”出的应该是同一段代码。

[Vancion]

说错了，修正：
其实有关 GitHub Copilot 直接复制代码的问题，微软早在官宣时就曾回应：“只有 0.1% 的情况下，GitHub Copilot 提供的代码建议中可能包含一些来自训练集的字符或片段。”

[zengxs]

@akira #16 这种情况理论上也是要继承 GPL 的。不过如果你不用 GPL，对方要诉讼你的话，这个比较难举证

[muzuiget]

什么叫 GPL 毒瘤，不喜欢就不要用，觉得有风险就不要用，没有人逼你用。

[baobao1270]

我们平时写代码，也经常复制黏贴其他地方的代码。
如果我们只是复制黏贴了一小段，比如一个函数或者几行算法，那么我们要把这个代码的 License 包含在项目里吗？
这个问题的答案同样也适用于 Copilot 。

如果哪天 GitHub 的 License 加一个“在 GitHub 上上传代码意味着在许可证之外授权 GitHub 使用代码”的条款，那么对开源界有什么影响呢？

[no1xsyzy]

所以说 Copilot 只会自取灭亡。
你写起来快了，Review 成本成倍提升。
就好像说 Perl……
宁可花一年去琢磨基础结构，划分抽象，也不要这样飞速写完花十年去查验。

@baobao1270 有时这「几行算法」如果是专利的一部分，会强制你遵守 License 以获得正确的专利授权，否则涉嫌专利侵权。

@Vancion 但实际上现在发现实际比例可能高不少。

[akira]

@no1xsyzy 人类追求的是如何 努力提高生产工具的效率 ，其他的任何行为，在这个大势面前终将消逝

[a132811]

@no1xsyzy 我觉得 Copilot 应该不会自取灭亡，即使灭亡了，也还会有新的更智能的工具出来，有可能会更好的解决版权问题。

关于 Review 成本：Copilot 是否明显增加 bug 产生的风险，可能影响没有想像的那么大。我更相信大部分人写的代码、复制来自 stackoverflow 的代码片段、迭代修改的代码，都是 bug 四溢的。。我个人更头疼一个项目引入大量的开源库、闭源库出现的未知 bug 、feature 支持（无论是自己还是等官方，一般都要较长的时间）

关于版权：我想起谷歌抄的那几行 API 代码，最终被判合理引用。如果参数命名相似就算抄袭，写代码就是一件充满风险的东西——如果过去看过一些开源代码，后来脑子想起来可以这么实现，不知道算侵权不？ Copilot 做的就是类似的事情。