OpenRAIL：迈向开放且负责任的 AI 许可框架

TL;DR

OpenRAIL 引入了面向 AI 的许可证，使模型保持自由可访问，同时在法律上限制有害的应用，旨在使开源实践与新兴的 AI 伦理和监管需求保持一致。

开源许可证并不适用于所有情况

当前的做法常常将通用的开源许可证（例如 Apache 2.0）应用于机器学习模型。这些许可证是为软件代码设计的，未考虑模型权重的独特技术属性，也未考虑模型误用所带来的社会风险。实证研究（Widder et al., 2022; Moran, 2021; Contractor et al., 2020）表明，僵硬的 “Freedom 0” 方法可能导致伦理扭曲，例如促进深度伪造的生成。商业和政府利益相关者也面临类似的空白：标准软件许可证和 DFARS 数据权利条款未能充分解决 AI 算法在军事目标定位等敏感任务中的负责任使用（Bowe & Martin, 2022）。

许可范式的变革：OpenRAIL

OpenRAIL 由 RAIL Initiative 开发并得到 Hugging Face 的支持，为 AI 许可添加了两个核心维度：

Open – 免版税访问，允许下游使用，并可重新分发原始模型及其衍生品。
Responsible – 明确的基于使用的限制，禁止在已识别的高风险场景中部署。这些限制基于证据，来源于已知的大模型危害，并且必须被所有下游再分发所继承，形成类似 copyleft 的强制机制。

行为使用条款的存在既是对误用的威慑，也是许可方用于强制负责任部署的法律工具。通过要求下游采用者遵守相同的限制，OpenRAIL 将责任传播到模型生态系统的各个环节。

示例许可证及其意义

三个具体的 OpenRAIL 许可证展示了该方法：

BigScience OpenRAIL‑M – 随 1760 亿参数的 BLOOM 模型发布，将宽松许可证与基于实证风险评估的有限禁止使用列表相结合。
CreativeML OpenRAIL‑M – 用于 StableDiffusion，对流行的文本到图像模型应用了类似的基于使用的条款。
BigScience BLOOM RAIL v1.0 – 首个针对模型的特定许可证，明确区分代码与模型制品，并嵌入负责任使用的条款。

这些许可证回应了两个此前未满足的挑战：(i) 认识到模型是与源代码不同的法律制品；(ii) 将负责任使用义务直接嵌入许可条款中。

与新兴 AI 法规的对齐

OpenRAIL 的框架预见了行业特定的 AI 法规，如欧盟 AI 法案和加拿大拟议的 AI 与数据法案。通过将基于使用的限制写入法规，OpenRAIL 提供了一种法律工具，可补充监管合规，降低公开发布的模型违反未来法律标准的风险。

对 AI 生态系统的影响

For developers – OpenRAIL 为开发者提供了清晰、社区驱动的许可替代方案，在开放性与伦理保障之间取得平衡。
For organizations – 采用 OpenRAIL 可以展示主动治理，缓解监管机构、合作伙伴和公众的担忧。
For the broader AI community – 广泛使用基于行为的条款可能培育负责任共享的文化，使许可成为沟通工具而非官僚障碍。

“Open & Responsible AI licenses（‘OpenRAIL’）是 AI 专用许可证，能够实现 AI 制品的开放访问、使用和分发，同时要求对后者进行负责任的使用。” – Carlos Muñoz Ferrandis

投资于开放且负责任的许可文化被视为可持续 AI 创新和社会影响的关键。