Проприетарные и open-source лицензии на ИИ: что это такое, виды, разница между Apache 2.0, MIT и Proprietary

В мире искусственного интеллекта лицензии стали не просто юридическими формальностями, а стратегическими инструментами, определяющими развитие целых экосистем. ИИ-лицензия — это юридическое соглашение, которое устанавливает правила использования не только кода нейронной сети, но и ее весов, датасета, а также контента, который эта нейросеть генерирует. И из-за этого возникает путаница: Open Source (открытый исходный код), Open Weights (открытые веса модели) и Open Science (открытые исследовательские статьи и данные) — это совершенно разные понятия, которые могут похоронить проект еще в зачаточной стадии, если основатели не ознакомились со значением той или иной системы лицензирования. Это принципиально важное отличие от классического программного обеспечения, где лицензия обычно регулирует только использование кода. В этой статье специалисты компании ServerFlow расскажут вам об отличиях проприетарных и open-source лицензий на ИИ, какие ограничения к использованию нейросетей они предъявляют и какую модель лицензирования выбрать для разных бизнес-проектов. 

Лицензии Apache 2.0 и MIT стали фундаментом всего движения открытого исходного кода задолго до бума глубокого обучения. Они создавались для библиотек, фреймворков и приложений, где объектом регулирования традиционный, написанный человеком код. Но с приходом эпохи ИИ парадигма кардинально сместилась: теперь объектом лицензирования часто становятся веса модели — огромные массивы чисел, полученные в результате автоматизированного процесса обучения на данных. Несмотря на это, Apache 2.0 и MIT остаются чрезвычайно популярными, особенно для базовых инфраструктурных проектов и моделей, которые их создатели хотят распространять максимально широко и свободно.

Лицензия Apache 2.0, разработанная Apache Software Foundation и принятая в 2004 году, является де-факто основным стандартом для серьезных open-source проектов, включая ключевые ИИ-фреймворки, такие как TensorFlow и PyTorch.  Ее популярность обусловлена продуманным балансом между свободой использования и юридической защитой. Основные условия сводятся к обязательному сохранению уведомлений об авторских правах и лицензии во всех копиях программного обеспечения, а также к предоставлению информации обо всех существенных изменениях, внесенных в исходный код. Однако главным преимуществом Apache 2.0, особенно для коммерческих компаний, является так называемая патентная оговорка.

Это означает, что каждый, кто вносит свой код в проект под этой лицензией, автоматически предоставляет пользователю безвозмездную лицензию на любые свои патенты, которые используются в этом коде. Это защищает пользователей от ситуации, когда они внедряют модель, а потом получают патентный иск от одного из ее соавторов. Модель, распространяемая под Apache 2.0, может быть свободно использована, модифицирована, распространена и встроена даже в полностью проприетарное коммерческое программное обеспечение без необходимости создавать собственный код.

Лицензия MIT, также известная как Expat, представляет собой, пожалуй, самый либеральный и простой для понимания вариант. Эта модель лицензирования появилась еще в 1998 году, а ее суть можно свести к принципу: "Делайте что хотите, только не снимайте копирайт и не судите нас, если что-то пойдет не так". Минимализм до мозга костей и отсутствие сложных условий делают MIT фаворитом среди индивидуальных разработчиков и стартапов, которые хотят максимально быстро распространить свою модель или библиотеку без каких-либо юридических барьеров.

Однако эта простота имеет и обратную сторону. В отличие от Apache 2.0, в лицензии MIT отсутствует явная патентная оговорка. Из-за этого могут возникнуть некоторые риски: если при разработке модели с MIT лицензией использовались какие-то запатентованные технологии, разработчиков коммерческих продуктов на ее основе могут засудить правообладатели патента. Для большинства проектов этот риск невелик, но крупные корпорации часто предпочитают перестраховаться и выбирают Apache 2.0. Другой риск — для самого автора модели: выложив ее под MIT, он практически не имеет юридических рычагов, чтобы помешать конкурентам "форкнуть" проект, создать на его основе проприетарный продукт и не делиться улучшениями.

Осознав, что классические лицензии не всегда подходят для регулирования коммерческих, этических и социальных рисков при разработке ИИ-моделей, сообщество начало создание специализированных решений. Так в 2019 году появилось семейство лицензий RAIL (Responsible AI Licenses). Оно делится на две ветви: просто RAIL (проприетарные, с ограничениями) и Open RAIL (открытые, но с ограничениями ответственности). Их ключевая инновация — модульность. Лицензии используют маркировки для обозначения области действия ограничений:

• M (Model): Ограничения касаются весов, чекпоинтов и самой модели;
• S (Software): Ограничения применяются к исходному коду и скриптам обучения;
• D (Data): Ограничения налагаются на наборы данных;
• A (Application): Ограничения относятся к приложениям, использующим модель.

Комбинируя эти маркировки, создатели модели могут точно указать, на что именно распространяются правила ответственного использования.

Эта лицензия стала знаковой, так как впервые была применена на релизе Stable Diffusion — модели, породившей революцию в генерации изображений. Она разрешает практически любое использование, включая коммерческое, но налагает четкий список запретов. Пользователю запрещено применять модель для создания контента, который является незаконным, вредоносным, дискриминационным или нарушает права человека. Важнейшее условие — наследование ограничений: если вы дообучаете модель (например, создаете LoRA-адаптацию или новый чекпоинт), вы обязаны распространять свою производную работу под той же лицензией Open RAIL-M с сохранением исходного списка запретов. Это создает вирусный эффект для этических норм, а не для кода.

Разработанная в рамках проекта BLOOM, эта лицензия идет дальше. Она включает более детализированные и строгие ограничения, особенно в чувствительных областях, таких как предоставление медицинских или финансовых рекомендаций, создание юридических документов и вмешательство в государственное управление. Цель — предотвратить использование мощных языковых моделей в сферах, где ошибки могут привести к серьезному ущербу, без должного контроля и ответственности со стороны разработчика конечного продукта.

Эта модификация стала популярной среди таких моделей, как Llama* и Mistral. Она сохраняет все этические ограничения Open RAIL, но добавляет коммерческий компонент. Часто в нее встраиваются условия, связанные с масштабом использования. Например, модель может быть бесплатной для исследований, стартапов и компаний с доходом ниже определенного порога (скажем, $1 миллионов в месяц). Как только вы преодолеваете этот порог, лицензия автоматически требует заключения коммерческого соглашения и выплаты роялти. Это гибридная модель, которая пытается совместить открытость для сообщества с возможностью монетизации при использовании в крупных корпоративных продуктах.

Противоположный полюс экосистемы занимают полностью закрытые лицензии, которые доминируют в мире коммерческого ИИ высшего эшелона.

Этот подход используют такие гиганты, как OpenAI (GPT), Anthropic (Claude Sonnet/Opus) и Google (Gemini). Пользователь получает доступ исключительно через API (интерфейс программирования) или веб-интерфейс. Ни код, ни архитектура, ни веса модели не раскрываются. Лицензионное соглашение строго запрещает любые попытки обратной разработки, декомпиляции или использования выходных данных модели для обучения конкурирующей системы (процесс, известный как "дистилляция"). Права на сгенерированный контент обычно остаются у пользователя, однако провайдер часто оговаривает право использовать входные данные (промпты) и ответы модели для дальнейшего улучшения своих систем, если пользователь не приобрел опцию отключения этого.

Здесь компания продает не доступ к API, а сами веса модели для установки на инфраструктуру заказчика. Это дорогое решение, ориентированное на корпорации с особыми требованиями к безопасности, конфиденциальности данных или низкой задержке. Лицензия обычно предполагает единовременный платеж или регулярные роялти. Ограничения весьма строги: модель нельзя переупаковывать и перепродавать как отдельный продукт, передавать субподрядчикам или использовать в приложениях, не оговоренных в контракте. Часто лицензия привязана к конкретной версии модели, и для получения обновлений требуется новый платеж.

Это стратегический ход для небольших компаний, которые хотят привлечь внимание сообщества и продемонстрировать качество своей модели, но не готовы открыть ее для свободной коммерциализации. Веса модели публично выкладываются, но юридически их разрешено использовать только для некоммерческих исследований, экспериментов или проведения бенчмарков. Любая интеграция в коммерческий продукт, даже если он монетизируется косвенно (через рекламу), требует покупки отдельной коммерческой лицензии. Это создает серую зону, так как контролировать соблюдение таких условий крайне сложно.

Модели, подобные Llama* от Meta, популяризировали этот гибридный подход. Он позволяет любому бесплатно скачивать, использовать и даже модифицировать модель, но с важными оговорками. Бесплатное использование разрешено только до достижения определенного масштаба — например, пока у вашего сервиса менее 700 миллионов активных пользователей или доход ниже установленного порога. Как только вы пересекаете этот рубеж, вы автоматически обязаны связаться с правообладателем для получения коммерческой лицензии. Часто также запрещается использовать имя исходной модели (например, "Llama") в названии своего продукта, чтобы избежать путаницы на рынке.

Сценарии выбора:

• Стартап, создающий проприетарный продукт: Идеально подойдет модель под Apache 2.0 для минимизации юридических рисков, особенно патентных. Если риски приемлемы, можно использовать MIT или Open RAIL-M (если сферы применения не попадают под запреты).
• Академический исследователь: MIT, Apache 2.0 или исследовательская лицензия предоставляют максимальную свободу для экспериментов. Open RAIL-M также хороша, если работа не противоречит ее этическим нормам.
• Крупная корпорация: Для пилотных проектов — Apache 2.0 или условно-бесплатные лицензии. Для масштабного производства с высокими требованиями к надежности и поддержке — проприетарные SaaS или on-premise лицензии.
• Разработчик, создающий open-source проект: Чтобы максимизировать распространение и вклад сообщества — MIT. Чтобы защитить вкладчиков и пользователей от патентных исков — Apache 2.0. Чтобы навязать этические стандарты — Open RAIL-M.

Сфера лицензирования ИИ полна неоднозначностей. Один из ключевых вопросов: распространяется ли лицензия на модель на данные, на которых она обучалась? Как правило, нет. Лицензия на модель (веса) и лицензия на тренировочный датасет — это совершенно разные документы. Модель может быть открытой, а данные — коммерческой тайной, что ставит под вопрос возможность ее полного воспроизведения.

Другой сложный момент — "наследование" лицензии при дообучении. Если вы взяли модель под Apache 2.0 и дообучили ее на своих данных, ваши новые веса являются производной работой. Apache 2.0 не требует открывать эти веса, но требует сохранить уведомления об исходной лицензии. С Open RAIL-M ситуация строже: вы обязаны распространять свою дообученную модель под той же лицензией. В целом, наблюдается явный тренд на ужесточение: от полной свободы MIT/Apache мир движется к условной открытости RAIL-лицензий и полностью контролируемым проприетарным схемам. Это создает напряженность между стремлением к открытым инновациям и необходимостью контроля рисков и монетизации.

Эволюция лицензий на ИИ повторяет путь от полной открытости к стратегически управляемой доступности. Мы прошли путь от открытости исходного кода (Apache/MIT), через открытость весов с этическими ограничениями (Open RAIL), к открытости только интерфейса доступа (проприетарные API). Выбор лицензии в текущих реалиях — это не просто техническая формальность, а стратегический и даже этический акт, который определяет, какое сообщество сформируется вокруг модели, как она будет использоваться и кто сможет на ней зарабатывать.

*LLAMA — проект Meta Platforms Inc.**, деятельность которой в России признана экстремистской и запрещена

**Деятельность Meta Platforms Inc. в России признана экстремистской и запрещена