生成式人工智能 — 开源的力量和挑战（一）：AI模型

作者：段志超丨鲁学振丨迟嘉宁丨梁杰

序言

生成式人工智能的诞生、发展和应用和开源密不可分。开源打破了技术壁垒，促进了分散资源和算力的整合，为AIGC的发展提供了助力。没有开源的力量，生成式人工智能不会以如此迅猛的速度发展到现在的高度。

另一方面，许多人工智能公司采用闭源而非开源的方式来运营产品（如AI模型），这也给习惯于使用开源组件的开发者们带来了一定的挑战。本文将以基于LLaMA模型开发AI产品为例，聚焦于AI产品开发过程中最为核心的模型代码及参数，以期为模型开发者和使用者提供相关指引。

目次

一、 行业背景：AI开发过程简介

二、 问题的提出：LLaMa模型能不能自由使用？

三、 归本溯源：LLaMa并非可自由使用的开源项目

四、 实务探讨：违反协议使用LLaMa模型的多维度风险

五、 结语：谨慎中前行

一、行业背景：AI开发过程简介

生成式人工智能（Generative AI）是一种基于机器学习的人工智能技术，它可以根据输入数据生成新的、符合逻辑的输出数据。生成式人工智能的开发过程主要包括：模型选择、数据准备、模型训练、模型评估、模型优化、部署应用、模型更新等^[1]。

下图简要说明了中间层及应用层^[2]AI产品的开发过程。首先，开发者选择适于自身需求的公开模型（如LLaMA、ChatGLM，下图中表示为“语言模型”），获得了模型代码（Model Source Code）和模型参数（Model Parameter）之后，需要根据具体应用场景调整模型参数，以使其能生成适当的回答。参数的初始值一般来源于公开模型的开发者，中间层及应用层的参数调整在此基础上进行，调整参数的过程需要使用大量的训练数据集（DataSet）进行输入，并在多次重复训练中将模型参数调试到最佳状态。

图1 对AIGC模型开发的极简理解

上述过程中，数据集即用以给模型学习的人类的表达，可能是文字、图片等的集合。模型代码和模型参数组成了模型本身，模型代码实质上与其他软件程序一样，是由代码语言撰写的一系列命令组成。模型参数可以被视为模型代码中的变量，在训练中这些变量的值会不断地被调整和优化，以最大化模型的性能和准确性^[3]。例如，在语言生成领域，模型参数可以控制生成文本的语法、词汇和语义等方面。

二、问题的提出：LLaMa模型能不能自由使用？

2023年2月24日，Meta（或“Facebook”）在其官网发布了LLaMA语言模型（参数分为7B、13B、33B和65B）^[4]，其宣称LLaMA-13B尽管规模仅为GPT-3（175B）的十分之一，但性能却优于OpenAI的GPT-3模型^[5]。这意味着开发者能够耗费较少资源对LLaMA进行进一步开发训练，甚至在单个消费级显卡上进行部署^[6]。这对于受限于芯片短缺的我国开发者而言非常具有吸引力。

起初，Meta在LLaMA的发布首页表示，其依请求对申请者提供模型代码和参数。而在Meta发布LLaMA后不久，LLaMA的代码和参数便被以可下载的磁力链形式泄露^[7]。此后，便有不少开发者基于LLaMA进行开发，目前，已经有多个基于该模型开发的产品问世。然而，LLaMA模型能不能自由使用，是一个需要仔细讨论的法律问题。

三、归本溯源：LLaMa并非可自由使用的开源项目

与传统的开源软件不同，LLaMA并非就整体适用单一协议。根据LLaMA语言模型的相关资讯以及LLaMA项目在Github社区中的问答、讨论，初步可以判定LLaMA应分为三个部分，其中LLaMA Inference Code^[8]（注：Inference即推理，是模型开发的一个步骤）适用的协议是GPL v3，而LLaMA的权重（Weight）参数以及LLaMA模型代码适用LLaMA LICENSE AGREEMENT不允许用于商业。因此，LLaMA最核心的模型代码和参数并不是面向公众、允许所有主体自由使用的开源项目。

（一） Inference Code适用GPL v3协议

LLaMA语言模型发布页给出了指向Github的LLaMA Inference Code的开源链接，Inference Code项目的贡献者Stella Athena^[9]在该项目的Pull requests栏目发布了Conversation^[10]，对Inference Code的协议作出了澄清：“许多用户对‘开放科学’（Open Science）和‘开放源码’（Open Source）之间的区别感到困惑，以及本资源库^[11]的许可与使用模型本身的条款之间的关系。为了帮助减轻这种困惑，我增加了一个新的文件LICENSE_WEIGHTS，它包含了管理模型权重本身的许可信息，并在README中指出了这种区别^[12]。”

在该README中，StellaAthena写明^[13]，“有关该资源库的许可信息，请参见[LICENSE]文件。LLaMA模型上的权重可以根据研究人员的要求在不同的许可下提供，你可以在[LICENSE_WEIGHTS]文件中找到。”

因此，Inference Code的协议即存在于该项目的LICENSE文件中，该LICENSE文件载明其适用GPL v3协议。关于GPL协议的风险及降低风险的缓释措施，我们在之前的开源文章已有论及，可参阅[汉坤 • 观点 | 没有无义务的权利：从开源软件侵权谈GPL开源合规]。

（二） 模型代码和模型Weight参数适用LLaMA LICENSE AGREEMENT不允许商用

LLaMA模型代码适用LLaMA LICENSE AGREEMENT不允许用于商业。Meta在LLaMA语言模型的发布页明确指出^[14]，“为了保持完整性和防止滥用，我们在非商业许可下发布了我们的模型，重点是研究用例。”该页面随附一份获取模型（Access to Models）的申请表^[15]，填写申请表需要同意LLaMA LICENSE AGREEMENT，该AGREEMENT并非通用的开源协议，其载明不允许商业使用。

LLaMA的Weight同样适用LLaMA LICENSE AGREEMENT，不允许用于商业。前述Stella Athena给出的适用于Model Weight的LICENSE_WEIGHTS文件中的文本即为LLaMA LICENSE AGREEMENT。

综上所述，可以得出，LLaMA的Weight参数以及LLaMA模型代码适用定制的LLaMA LICENSE AGREEMENT协议不能用于商业，且使用需向Meta申请；而Github上的LLaMA Inference Code适用GPL v3协议。若开发者使用Inference Code触犯了开源风险但并未履行开源义务，则可能由于授权终止构成著作权侵权；若未另经许可将模型代码或Weight参数商用，则有可能构成违约，暴露在侵权风险之下。下文就未经授权使用LLaMA模型代码及参数的侵权风险进一步进行释明。

四、实务探讨：违反协议使用LLaMa模型的多维度风险

（一） 使用LLaMA模型的著作权侵权风险

•  LLaMA模型代码

模型代码与其他代码实质相同，均可以作为计算机软件作品得到保护。中间层及应用层的AI产品往往基于现有的公开模型开发，因此对于模型代码的风险识别和合规使用可以参照开源软件风险识别，企业未经授权在开发的产品中使用他人的模型代码可能构成著作权侵权或对使用协议的违约。

就LLaMA模型代码而言，由于其系Meta的研究成果，很大概率包含了具有独创性的表达，因此可以认为其作为计算机软件作品得到保护，Meta对其拥有著作权。虽然一些非官方渠道发布了LLaMA的模型代码，使其处于公开状态，也确实有不少开发者在基于LLaMA的模型代码进行开发（如RedPajama）。但由于Meta在发布页中明确表示该模型仅能用于研究使用，并依据请求提供代码^[16]，这表明Meta并未放弃LLaMA的著作权，LLaMA仍然受到著作权法的保护。

因此，若开发者在未经许可的情形下，下载使用LLaMA模型代码进行开发，则不免将LLaMA的代码复制、部署于开发者的本地端，由于该行为复制了一份LLaMA的代码，因而可能侵犯复制权^[17]。若开发者未经许可将含有LLaMA代码的模型部署应用，向公众传播，则可能构成对信息网络传播权的侵犯^[18]。

• LLaMA模型参数

模型参数虽然可以被视为是模型的一部分，但一方面，参数实际是大量的数值，可能并不存在一般意义上人类可读的表达。另一方面，参数作为模型的变量，是通过将给定数据拟合到模型来估计^[19]，是在不断的重复训练过程中被选择出来而非由开发者主观创造出来的^[20]，可能无法体现人类的独创性。从这个方面看，其也可以被理解成为另一种形式的AI生成物，其能否和模型代码一样被作为作品保护亦存在一定的疑问。

对AI生成物是否能受到著作权保护存在不同观点。2023年2月，美国版权局就AI生成图片是否享有版权作出回复，认为根据美国版权局实践纲要，任何非人类创作的作品都将被拒绝受到版权保护^[21]。但我国司法实践存在并不截然排斥AI生成物著作权的案例，在被实务界广泛讨论所谓“认可AI生成文章著作权”的DreamWriter案中，法院认为基于开发者对于写作软件的生成过程的选择和安排认可了软件生成文章的可作品性^[22]。

然而模型参数的生成方式却不同，在机器学习中，模型参数是用于定义模型的可调整变量，这些变量可以被优化，以使模型能够更好地拟合训练数据，并在新数据上表现更好。相关参数是基于大量训练数据集的输入，调整模型的原始参数值，以保证得到最佳输出而得出的。参数的得出是一个不断寻找最优解的过程，输出的参数值并不能体现开发者的安排和选择。因此，在这一角度，模型参数是否能被认定为体现人类独创性的表达，也有待进一步探讨。

这一问题的讨论也体现在LLaMA参数的使用中。在LLaMA被以可下载的磁力链形式泄露后^[23]，开发者Shawwn通过链接下载了LLaMA模型的Weight参数置于Github平台的LLaMa-dl项目中，Meta在Github上发布了通知，指控Shawwn侵犯了Meta版权，要求Github下架该项目^[24]。

LLaMa-dl提交了反通知，认为Weight所体现的事实并没有足够的独创性，因此无法获得版权。它们是通过死记硬背的自动程序从用于训练模型的作品中复制出来的，并不反映任何人工选择或安排。Meta对这些Weight没有版权利益，因此LLaMA-dl不会诱发对任何可版权利益的侵犯^[25]。

若按照LLaMa-dl的观点，LLaMA参数无法成为作品受到著作权保护，因此使用LLaMA参数不会构成著作权侵权。但由于目前法律对此尚无明确回应，在法律和司法实践作出回应前对参数的未经授权使用应持谨慎态度。

（二） 使用LLaMA模型的侵犯商业秘密风险

模型参数/模型代码作为商业秘密进行保护需要满足非公知性、价值性和采取保密措施的要件。模型代码作为需要耗费大量精力研究且具有一定应用于市场产生商业价值的产物，参数作为需要耗费大量算力和时间得出的对于模型表现有重要意义的数值，可以认为两者均满足价值性的要件。因此，若模型开发者对于新开发出的模型参数/模型代码采取了必要的保密措施，则模型参数可以作为商业秘密得到保护。

就LLaMA模型来看，其代码和参数已经被泄露，且被广泛使用。根据《最高人民法院关于审理侵犯商业秘密民事案件适用法律若干问题的规定》第三条：“权利人请求保护的信息在被诉侵权行为发生时不为所属领域的相关人员普遍知悉和容易获得的，人民法院应当认定为反不正当竞争法第九条第四款所称的不为公众所知悉。”对于模型参数的泄露者而言，其相关行为可能为《反不正当竞争法》第9条第1款前3项所禁止^[26]。若其相关行为发生的时间早于公开前，也就是说，在侵权行为发生时，LLaMA的模型代码、参数还可能处在不为公众所知悉的状态，具有非公知性，泄露者可能承担相应的侵犯商业秘密的责任。

而对于使用泄露的LLaMA模型代码及参数进行开发的主体而言，其行为模式可能落入《反不正当竞争法》第9条第3款的规制范围 — “第三人明知或者应知商业秘密权利人的员工、前员工或者其他单位、个人实施本条第一款所列违法行为，仍获取、披露、使用或者允许他人使用该商业秘密的，视为侵犯商业秘密”。但由于其使用的是他人泄露的LLaMA模型代码及参数，在开发时，LLaMA模型代码及参数可能已处于公知状态，开发者可以尝试主张上述模型代码及参数不具有非公知性，不能作为商业秘密受到保护。

五、结语：谨慎中前行

AIGC产品作为科技革命的最新产物，法律对其的回应和规制难免稍显落后和局促。从开发者的角度，若严格适用既有的法律制度，则不免对开发者要求过苛，不利于AI产业的发展和技术的进步；但从社会的角度，对AIGC产品进行一定的规制以避免侵权和隐私泄露又是必要之举。

对于开发者来说，对模型的选用应保持相对谨慎的态度，尤其是大型互联网企业，在考虑产业需求的同时，还需要对模型本身的可能带来的法律风险进行全面细致地分析，避免未经授权使用带来的侵权风险。后续Meta对LLaMA模型的未授权使用的态度和相关权利行使行动的进展尤其将对生成式人工智能的模型使用边界起到举足轻重的影响。

[1]参见WBOLT — 大型语言模型训练浅析，https://www.wbolt.com/large-language-model-training.html。

[2]可以将AIGC产业生态分为基础层、中间层和应用层。基础层主要指由预训练模型为基础搭建的AIGC技术基础设施层。如Stability.AI的开源模型Stable Diffusion。中间层即基于预训练模型，面向个性化、场景化的模型和工具。如基于AI模型开发的家居装饰工具HomeDesigns AI。应用层即面向消费者的服务。如聊天客服机器人。受限于芯片等问题，国内开发主要集中于中间层及应用层，因此本文也主要聚焦于中间层和应用层的开发。

[3]参见机器学习填坑：你知道模型参数和超参数之间的区别吗？https://cloud.tencent.com/developer/article/1005660。

[4] Meta: Introducing LLaMA: A foundational, 65-billion-parameter large language model，https://ai.facebook.com/blog/large-language-model-llama-meta-ai/。

[5]知乎专栏：Meta开放小模型LLaMA，性能超过GPT-3，https://zhuanlan.zhihu.com/p/610482395。

[6]康奈尔大学发布可以在一张消费级显卡上微调650亿参数规模大模型的框架：LLMTune，https://www.datalearner.com/blog/1051684078977779。

[7]https://www.theverge.com/2023/3/8/23629362/meta-ai-language-model-llama-leak-online-misuse。

[8]https://github.com/facebookresearch/llama。

[9]在Github社区，代码项目可能由创建者之外的众多贡献者共同完成。Inference Code项目要求贡献者签订CLA（Contribution License Agreement）赋予项目所有者以使用或授权该项目的权利。在StellaAthena发布的Conversation中，StellaAthena带有CLA已签署的标签，可证明其属于该项目的开发者/贡献者之一，因此其发言带有较强真实性、权威性。

[10]https://github.com/facebookresearch/llama/pull/234。

[11]即Inference Code。

[12]原文为"Many users are confused about the distinction between 'open science' and 'open source' and how the license in this repository relates to the terms under which one can use the model itself. To help alleviate some of this confusion, I have added a new file LICENSE_WEIGHTS which contains the licensing information that governs the model weights themselves and noted this distinction in the README."

[13]https://github.com/facebookresearch/llama/pull/234/commits/3f23e93b476cef85f2cabc7d8221a66adc4e6dfe。

[14]"To maintain integrity and prevent misuse, we are releasing our model under a noncommercial license focused on research use cases."

[15] https://docs.google.com/forms/d/e/1FAIpQLSfqNECQnMkycAp2jP4Z9TFX0cGR4uf7b_fBxjY_OjhJILlKGA/viewform。

[16]"To maintain integrity and prevent misuse, we are releasing our model under a noncommercial license focused on research use cases. Access to the model will be granted on a case-by-case basis to academic researchers; those affiliated with organizations in government, civil society, and academia; and industry research laboratories around the world. People interested in applying for access can find the link to the application in our research paper."，see Meta: Introducing LLaMA: A foundational, 65-billion-parameter large language model，https://ai.facebook.com/blog/large-language-model-llama-meta-ai/。

[17]《计算机软件保护条例》第八条……（四）复制权，即将软件制作一份或者多份的权利。

[18]参见广州知识产权法院（2022）粤73民终805号，“尚游公司作为《西游女儿国》游戏的开发者、原始著作权人，在未经合法授权的情况下使用了《梦幻西游》游戏中的美术作品、文字作品，并授权游族公司在运营过程中通过信息网络向公众提供上述作品，尚游公司、游族公司的行为侵害了网易雷火公司就涉案作品享有的复制权和信息网络传播权，依法应当承担停止侵权、赔偿损失的侵权责任。”

[19]参见极客教程 — 模型参数与超参数的区别，https://geek-docs.com/machine-learning/ml-ask-answer/the-difference-between-model-parameters-and-hyperparameters.html。

[20]参见机器学习模型调参指南（附代码），https://cloud.tencent.com/developer/article/1701823。

[21] AI-created images lose U.S. copyrights in test for new technology | Reuters。

[22]（2019）粤0305民初14010号判决书。

[23] See The Verge — Meta's powerful AI language model has leaked online — what happens now? https://www.theverge.com/2023/3/8/23629362/meta-ai-language-model-llama-leak-online-misuse。

[24] Github – DMCA, https://github.com/github/dmca/blob/master/2023/03/2023-03-21-meta.md。

[25] Github – DMCA, https://github.com/github/dmca/blob/c1aca5130c2e9f798cf58881ed0fc1966f8f05be/2023/04/2023-04-27-meta-counternotice.md。

[26]第九条 — 经营者不得实施下列侵犯商业秘密的行为：（一）以盗窃、贿赂、欺诈、胁迫、电子侵入或者其他不正当手段获取权利人的商业秘密；（二）披露、使用或者允许他人使用以前项手段获取的权利人的商业秘密；（三）违反保密义务或者违反权利人有关保守商业秘密的要求，披露、使用或者允许他人使用其所掌握的商业秘密。