大学教授怒喷：“Copilot自动填充了我的代码”，Copilot 发明者回应：相似，但不同！

作者 | 辛晓亮

出品 | CSDN（ID：CSDNnews）

"这究竟是生产代码的人工智能，还是网上搜索可能适合的开放源代码的人工智能"

几日前，德州农工大学的一位计算机科学与工程教授 Tim Davis 在推特上发文抨击 GitHub Copilot，“基于人工智能的编程助手 GitHub Copilot 在没有署名也没有 LGPL 许可的情况下自动填入了大量我个人受版权保护的代码”。Tim Davis 还贴出了相应的代码进行对比。

Copilot 发明者回应：相似，但不同

对于 Tim Davis 教授的批评，GitHub 的首席工程师兼 Copilot 的发明者 Alex Graveley 进行了回应：“相关的代码与所提供的例子是不一样的。它们相似，但不同。如果你能找到一种方法来自动识别其中一个是另一个的衍生品，那你可以去申请专利。”

不过随后他又补充到，“这确实是一个棘手的问题，欢迎提供可扩展的解决方案”。

从 Tim Davis 公布的代码来看，Copilot 自动推荐的代码确实与他自己编写的非常接近。值得注意的是，图上相关的原始代码本身在 GitHub 上也是开源的，并且是 LGPL 2.1 许可的形式存在。但是开源并不意味着无版权，有许多不同的开源许可，每个许可代表了不同的权限。

Copilot 破坏版权同时存在安全隐患

据与 GitHub 联合推出 Copilot 的 OpenAI 介绍，Codex 接受了“数以千万计的公共存储库”的代码培训，其中也包括 GitHub 上的代码。微软则是含糊地将培训材料描述为“数十亿行公共代码”，但在最近的一期博客上，Copilot 研究员 Eddie Aftandil­ian 证实 Copilot 正在使用“GitHub 上的公共存储库进行训练”。 

按照 Copilot 的工作逻辑，如果 GitHub 上大量的开源代码被全盘引用，但是没有指定许可证，不但会破坏许可证的目的。此外，开发者也很可能在无意中把不兼容的许可证代码合并到一个项目中，同样的开源代码也可能出现在多个人的多个项目中。

Davis 表示，Copilot 某种程度上预见到了这个问题，它提供了一个公共代码过滤器，可以检测与 GitHub 上公共代码相匹配的代码建议。当过滤器启用时，GitHub Copilot 会将代码建议及其附近约 150 字符的代码与 GitHub 上的公共代码进行检查。如果有匹配或相接近的，那么该代码建议就不会显示推送。但是这个功能似乎存在问题。

Copilot 发展迅速，未来五年可替代 80% 代码

“人工智能将改变所有行业，所以每个人都必须考虑它，不仅仅是在数据科学领域”，LinkedIn 联合创始人 Reid Hoffman 这么评价 AI。

依托 AI 的 GitHub Copilot 近一年的发展似乎也在印证这个说法。据 GitHub 首席执行官 Thomas Dohmke 介绍，过去一年时间，使用人工智能的程序员中，Copilot 处理的编码量高达 40%。换句话说，每 100 行代码里，有 40 行就是由人工智能编写的，项目总时间最多可减少 55%。

Dohmke 表示，从另一个角度看开发者做了很多高价值的任务，而不仅仅是重写世界上已经存在的代码。他认为，未来五年内 Copilot 的代码建议会被更多地采纳，最多能达到 80%。但人工智能距离取代人类还有很大差距，“它是没有知觉的，它不能在没有用户输入的情况下自己创造。”

开发者热议

其实，自 GitHub Copilot 发布以来就一直存在不少的争议，不少人质疑 Copilot 在 GitHub 上发布公开代码进行训练的合法性。除了版权问题，也有研究发现，Copilot 输出的代码其中 40% 都存在安全漏洞。

开发者也认为，Copilot 可以免费访问 GitHub 上的所有开源数据，并且通过收费的方式从开源中赚钱，这是非常不合理的。他们还要求 GitHub 提供完整的 Copilot 数据集，以便判断其自动建议的代码是否符合版权规定。

参考链接：

https://githubcopilotinvestigation.com/

https://devclass.com/2022/10/17/github-copilot-under-fire-as-dev-claims-it-emits-large-chunks-of-my-copyrighted-code/

— 推荐阅读 —