OpenRAIL：邁向開放且負責任的 AI 授權框架

TL;DR

OpenRAIL 引入了以 AI 為焦點的授權，讓模型保持自由可取得，同時在法律上限制有害的應用，旨在使開源實踐與新興的 AI 倫理與監管需求保持一致。

開源授權並非適用於所有情況

目前的做法常將通用的開源授權（例如 Apache 2.0）套用於機器學習模型。這些授權是為軟體程式碼設計的，未考慮模型權重的特殊技術屬性，也未考量模型濫用所帶來的社會風險。實證研究（Widder 等，2022；Moran，2021；Contractor 等，2020）顯示，僵硬的「Freedom 0」方式可能產生倫理扭曲，例如促成深度偽造影像的生成。商業與政府利害關係人亦面臨相同的缺口：標準軟體授權與 DFARS 資料權利條款未能充分處理 AI 演算法在軍事目標鎖定等敏感任務中的負責任使用（Bowe & Martin，2022）。

授權範式的變革：OpenRAIL

OpenRAIL 由 RAIL Initiative 開發，並得到 Hugging Face 的支持，為 AI 授權加入了兩個核心維度：

Open – 免版稅存取、寬鬆的下游使用，以及原始模型及其衍生品的再分發。
Responsible – 明確的基於使用的限制，禁止在已識別的高風險情境中部署。這些限制以證據為基礎，源自已知的大型模型危害，且必須由所有下游再分發繼承，形成類似 copyleft 的執行機制。

行為使用條款的存在既可作為防止濫用的威懾，也是一種授權人用以執行負責任部署的法律工具。透過要求下游採用者遵守相同的限制，OpenRAIL 在模型生態系統中擴散問責機制。

範例授權及其重要性

三種具體的 OpenRAIL 授權說明了此方法：

BigScience OpenRAIL‑M – 隨 1760 億參數的 BLOOM 模型發布，將寬鬆授權與基於實證風險評估的有限禁用清單結合。
CreativeML OpenRAIL‑M – 用於 StableDiffusion，對這個流行的文字轉圖像模型套用類似的基於使用的條款。
BigScience BLOOM RAIL v1.0 – 首個針對模型的授權，明確說明程式碼與模型產物的區別，並嵌入負責任使用的規定。

這些授權回應了兩項先前未被滿足的挑戰：(i) 認識模型是與原始程式碼不同的法律產物，以及 (ii) 將負責任使用的義務直接嵌入授權條款中。

與新興 AI 法規的對齊

OpenRAIL 的框架預見了特定產業的 AI 法規，如 EU AI 法案與加拿大提案的 AI & Data 法案。透過將基於使用的限制法典化，OpenRAIL 成為可補足法規遵循的法律工具，降低公開發布的模型違反未來法律標準的風險。

對 AI 生態系統的影響

對開發者 – OpenRAIL 提供一個清晰、由社群驅動的授權替代方案，兼顧開放性與倫理防護。
對組織 – 採用 OpenRAIL 能展現前瞻治理，緩解監管機構、合作夥伴與公眾的疑慮。
對更廣大的 AI 社群 – 廣泛使用基於行為的條款可培養負責任分享的文化，使授權成為溝通工具，而非官僚障礙。

「開放且負責任的 AI 授權（'OpenRAIL'）是針對 AI 的專屬授權，允許開放存取、使用與分發 AI 產物，同時要求對後者負責任的使用。」– Carlos Muñoz Ferrandis

投資於開放且負責任的授權文化被視為可持續 AI 創新與社會影響的關鍵。