Проблемы с авторским правом при ИИ-генерации кода на Rust
Разработчики ScanCode Toolkit, инструмента для аудита открытого кода, выявления лицензионных рисков и поиска уязвимостей, выступили с критикой проекта, создавшего клон их ПО при помощи нейросетей. По всей видимости, речь идет о проекте Provenant, авторы которого переписали решение с Python на Rust. Основные претензии касаются нарушения торговой марки, удаления сведений об авторстве и игнорирования лицензионных обязательств. Сопровождающие ScanCode настаивают: проект-клон фактически копирует архитектуру, структуру и ключевые алгоритмы оригинала.
По мнению команды ScanCode, успех «переписывания» стал возможен лишь благодаря открытому доступу к исчерпывающему набору тестов оригинала (более 90 тысяч проверок, включая 40 тысяч для анализа лицензий). Авторы ИИ-клона заявляли о приросте производительности в 10–100 раз, однако, по оценкам экспертов, этот результат был достигнут за счет отказа от полной проверки кода, что привело к снижению корректности и полноты данных. В реальных условиях при запуске стандартного тестового набора клон оказался даже медленнее ScanCode, при этом после внедрения системы кэширования в оригинальный Python-проект разрыв в скорости был окончательно нивелирован.
Нарушения лицензии Apache 2.0
Авторов Rust-порта обвиняют в прямом нарушении лицензии Apache 2.0. Согласно требованиям, при создании производных работ необходимо:
- Сохранять оригинальный файл NOTICE;
- Оставлять неизменными упоминания об авторских правах;
- Явно обозначать внесенные изменения;
- Изменять название продукта, если проект является производным.
После публичной претензии авторы клона частично пошли на уступки, добавив файл NOTICE и переименовав проект, однако вопросы с сохранением атрибуции авторства и фиксацией изменений до сих пор остаются открытыми.
ИИ, производные работы и проблема атрибуции
Разработчики ScanCode призывают сообщество выработать четкие критерии того, что считать «независимой реализацией», а что — производной работой, созданной с помощью ИИ. Они убеждены: переписывание кода на другой язык с сохранением логики и структуры остается производной работой, даже если переменные были переименованы, а комментарии — удалены. Попытки представить такой результат как «вдохновленный» проект лишь усугубляют ситуацию, так как создается видимость оригинальной разработки, которую сложнее отследить.
Одной из ключевых системных проблем при работе с нейросетями остается отсутствие механизмов отслеживания происхождения кода (provenance). По умолчанию ИИ-агенты при генерации игнорируют метаданные о лицензиях и авторах. Это создает риски того, что ИИ-результат будет буквально воспроизводить шаблоны из обучающей выборки, нарушая права владельцев открытого ПО, используемого для тренировки моделей.
