Det tilhørende open source værktøj, ScanCode Toolkit, der er designet til at scanne kode for overlappende copyright-krav, identificere anvendte licenser og opdage udbedrede sårbarheder, har kritiseret et projekt, der har skabt en AI-klon af ScanCode, omskrevet fra Python til Rust (navnet på klonen nævnes ikke, men det menes at handle om projektet Provenant). Det påstås, at det omskrevne projekt har overtrådt ScanCodes varemærke og fjernet nævnelser af ophavsret og licenser. Klagerne forklares med, at de nøglealgoritmer, der blev brugt i ScanCode, er fortsat i den omskrevne klon, ligesom projektets arkitektur og kode struktur er bevaret.
Ifølge følgesvend til ScanCode har tilstedeværelsen af et omfattende automatiseret testsæt i projektet, der包含er over 90.000 test, hvoraf 40.000 er dedikeret til at opdage brugen af forskellige licenser i koden, haft en væsentlig indflydelse på den vellykkede oprettelse af klonen. Forfatterne af den omskrevne version har erklæret, at der er opnået en betydelig præstationsforøgelse (10-100 gange), men ifølge ScanCodes følger har prisen for denne acceleration været, at det ikke fuldt ud bestod testsættet, samt en reduktion i nøjagtigheden og fuldstændigheden af de leverede oplysninger (klonen gav ukorrekte resultater og fandt ikke al information ved analysen).
Selv om Rust-porten væsentligt overgik ScanCode i specialiserede ydeevnetests, viste klonen sig at være langsommere ved standard testsættet, selvom nogle kontroller blev sprunget over. Efter optimeringer i ScanCode, såsom caching, blev ScanCodes ydeevne ved kode scanning ikke dårligere end klonen i Rust, samtidig med at nøjagtigheden blev bevaret.
Forfatterne af klonen bliver også beskyldt for at krænke ophavsret og Apache 2.0 licensen, under hvilken ScanCodes kode distribueres. Det bemærkes, at fire grundlæggende krav fra licensen blev overtrådt under omskrivningen: opbevaring af den originale fil med bemærkninger (NOTICE), bevarelse af nævnelser af ophavsret, fremhævelse af foretagne ændringer og ændring af navnet i den afledte arbejde. Efter kommentarer fra observatøren har forfatterne af klonen beskåret en NOTICE-fil og omdøbt deres projekt, men to af de andre overtrædelser forbliver stadig ikke afhjulpet.
ScanCode-tilsynet mener, at fællesskabet bør udvikle kriterier for at adskille, hvad der ved brug af AI betragtes som et afledt værk, og hvad der er en uafhængig implementering. Efter deres mening forbliver resultatet et afledt værk, selv hvis koden er omskrevet til et andet sprog med bevarelse af algoritmer og struktur, selv hvis variablerne er omdøbt, og kommentarer er ændret eller fjernet. Udsagnene fra forfatterne af Rust-porten om uafhængig omskrivning, der kun er inspireret af ScanCode-projektet, er i dette tilfælde ikke korrekte, da arbejdet har til formål at skabe indtryk af en original udvikling, hvilket er værre end direkte kopiering, da sådanne manipulationer er sværere at opdage.
Et væsentligt problem ved generering af kode gennem AI er manglen på sporbarhed af oprindelsen til den kode, der blev brugt til at opnå resultatet. Som standard ignorerer AI-agenter, der bruger kode fra åbne projekter, oplysninger om forfatterne, medmindre der specifikt er implementeret midler til at identificere og bevare metadata om licenser og forfatterskab. Problemet med attribution påvirker ikke kun arbejdet med at omskrive kode fra et sprog til et andet, men også generering af kode generelt — resultatet kan i disse tilfælde ganske præcist gentage mønstre fra eksisterende åben kode, der bruges i træningen af modellen.
Kilde: opennet.ru
