GitHub Copilotとライセンス問題

GitHub CopilotとはAIによりユーザーが入力した自然言語を元に、コードを提案してくれるサービスです。

しかし、Copilotが提案を行う学習元データは一般公開されているGitHub上のコードとなっているため、その元のコードのライセンスの種類によって問題が発生します。

GPLライセンス

CopilotではGitHub上に一般公開されているコードが学習元データとして利用されています。

そこで、Nora TindallさんがGitHubに対して質問送った所、回答からGitHub Copilotの学習元となるデータセットはライセンスを判断せず、全ての一般公開されているコードを利用している事が判明しています。

NoraさんはコードをGitHubに公開しており、ほとんどのコードはGPLライセンスとしています。

このGPLライセンスが適用されたコードを学習元とした、Copilotは低い確率ですが部分的に全く同じコード、もしくは同一と判断できるコードを提案する場合があります。

CopilotのFAQでは Copilot が生成するコードのおよそ0.1%が元のコードと同一の状態となるようです。

もし、その0.1%にGPLライセンスのコードと同一のものが含まれている場合、Copilotを利用したユーザーには適切な著作権表記やそのプロジェクト自体をGPLにするなどの義務が発生します。

これはCopilotを利用することで、ライセンス違反となる可能性があるということになり、プログラム作成時に気が付かなかっただけでもし将来的に発覚してしまった場合、ビジネスに大きな打撃を与える可能性があります。

一部のユーザーは”普段は生成されないよ”では納得できないとしており、GitHubのような会社が提供するサービスとしてコードのライセンスを無視しているのは非常に問題があるように思います。

MITライセンス

GPLライセンスに限らず、MITライセンスを採用しているプロジェクトのコードでも近い問題が発生します。

MITライセンスでも著作権表記が必須と定められているため、0.1%の確率で同じコードが生成されてしまった場合はライセンス文をプログラム中に埋め込む必要があります。

他にも独自ライセンスや、著作権表記が必要となるライセンスは多数存在するため、全く同じコードが提案されてしまう可能性がある以上、学習データセットを安全なものにのみ変更する、Copilotの利用ユーザーにライセンスを適切に表示する等の対応が必要となるように思います。

まとめ

MITライセンスは現時点で最もGitHubで利用されているライセンスなので、なんとか遵守できる状態で正式リリースできると良いですね。

Copilotについては記事を書いていますので、もっと詳しく知りたい方は参照してください。

Copilot : GitHubのAIコード生成ツール

GitHubがAIによるプログラマーのサポートツール Copilot のテクニカルプレビューを公開しました。

もりしーのblogKota morishita

2022/08/04追記

以下のような意見も参考になりますので、ぜひどうぞ。

GitHub Copilotと“人間特権”

Zennuhyo