L'open toolkit ScanCode Toolkit, progettato per scansionare il codice per rilevare conflitti con i diritti d'autore, identificare le licenze utilizzate e scoprire vulnerabilità non corrette, ha criticato il progetto che ha creato un clone del prodotto ScanCode riscritto da Python a Rust (il nome del clone non viene menzionato, ma sembra essere il progetto Provenant). Si sostiene che nel progetto riscritto sia stata violata la trademark di ScanCode e siano state rimosse le menzioni riguardanti i diritti d'autore e le licenze. Le accuse sono spiegate dal fatto che nel clone riscritto sono continuati a utilizzare gli algoritmi chiave di ScanCode, mantenuta l'architettura del progetto e la struttura del codice.
Secondo quanto riportato dal supervisore di ScanCode, la creazione riuscita del clone è stata facilitata dalla presenza di un set di test automatizzati completo, composto da oltre 90.000 test, di cui 40.000 dedicati alla rilevazione dell’uso di determinate licenze nel codice. Gli autori della versione riscritta hanno dichiarato un notevole aumento delle prestazioni (di 10-100 volte), ma, secondo il supervisore di ScanCode, il prezzo dell’accelerazione è stato il non completo superamento del set di test e la riduzione della correttezza del funzionamento e della completezza delle informazioni fornite (il clone restituiva risultati non corretti e non trovava tutte le informazioni durante l’analisi).
Se durante i test di prestazione speciali il porting in Rust ha superato notevolmente ScanCode, nella fase di esecuzione del set di test standard il clone si è rivelato più lento, nonostante saltasse alcune verifiche. Dopo l'introduzione di ottimizzazioni in ScanCode, come la memorizzazione nella cache, le prestazioni di ScanCode durante la scansione del codice sono diventate paragonabili a quelle del clone in Rust, mantenendo integralmente la correttezza del funzionamento.
Agli autori del clone si imputa anche una violazione del diritto d'autore e della licenza Apache 2.0, sotto cui è distribuito il codice di ScanCode. Si segnala che nel processo di riscrittura sono state violate 4 principali requisiti della licenza: mantenere il file originale con la nota (NOTICE), preservare i riferimenti ai diritti d'autore, evidenziare le modifiche apportate e cambiare il nome nel lavoro derivato. Dopo le osservazioni, gli autori del clone hanno pubblicato il file NOTICE e rinominato il loro progetto, ma le altre due violazioni rimangono ancora irrisolte.
ScanCode sostiene che la comunità debba sviluppare dei criteri per distinguere ciò che, nell'uso dell'AI, può essere considerato un'opera derivata da un'implementazione indipendente. Secondo lui, dopo aver riscritto il codice in un'altra lingua mantenendo algoritmi e struttura, il risultato resta un'opera derivata, anche se durante il processo sono stati rinominati variabili e ristrutturati o rimossi commenti. Le affermazioni degli autori del porting Rust riguardo a una rielaborazione indipendente, ispirata al progetto ScanCode, non sono corrette in questo caso, poiché il lavoro mira a creare l'apparenza di uno sviluppo originale, il che è peggio del semplice plagio, poiché tali manovre sono più difficili da individuare.
Un problema significativo nella generazione di codice tramite AI è l'assenza di tracciamento dell'origine del codice utilizzato per ottenere il risultato. Per impostazione predefinita, gli agenti AI che utilizzano codice da progetti open source ignorano le informazioni sugli autori, a meno che non siano implementati specifici strumenti per identificare e preservare i metadati su licenze e paternità. Il problema dell'attribuzione non riguarda solo il lavoro di riscrittura del codice da un linguaggio all'altro, ma anche la generazione di codice in senso generale: il risultato, in questo caso, può riprodurre con sufficiente accuratezza i modelli di codice open source esistente utilizzato durante l'addestramento del modello.
Fonte: opennet.ru
