भविष्य को आकार देने वाली तकनीक पर गहन लेख।

AI-जनित कोड और कॉपीराइट: 5 मिथक, परखे गए

क्या AI-जनित कोड पब्लिक डोमेन है? क्या उसे ओपन सोर्स लाइसेंस विरासत में मिलता है? 5 कॉपीराइट मिथकों की जाँच और टीमों के लिए एक काम का provenance प्लेबुक।

चमकती कोड की धाराओं को फाउंटेन पेन के सामने तौलता एक तराजू, जो घुलते हुए अभिलेखागार में रखा है।
कॉपीराइट कानून कलम और लेखकों के लिए बना था; अब वह ऐसे कोड के बोझ तले है जिसे किसी ने पूरी तरह लिखा ही नहीं।

मेरी पुरानी टीम के एक डेवलपर ने आधे मज़ाक में पूछा था कि क्या Copilot ने उसके लिए अभी लिखी 400 लाइनें कंपनी की भी हैं। किसी के पास अच्छा जवाब नहीं था, और जिस लीगल काउंसल से आखिरकार पूछा गया उसने सबसे बुरा जवाब दिया: “यह अस्पष्ट है।” यही सवाल अब Hacker News के फ्रंट पेज पर एक उकसावे के रूप में है — कि सभी AI-जनित कोड ओपन सोर्स होना चाहिए — और उसके नीचे की चर्चा दिखाती है कि कॉपीराइट, ट्रेनिंग डेटा और लेखकत्व के बारे में हमारी सामूहिक समझ कानून असल में क्या कहता है, उससे कितनी दूर है। मैंने सालों तक मॉडल ट्रेन किए हैं और उनसे लिखा कोड शिप किया है, इसलिए मैं पाँच ऐसी मान्यताएँ लेता हूँ जो मुझे सबसे ज़्यादा आत्मविश्वास से दोहराई जाती दिखती हैं, और हर एक को उस चीज़ से परखता हूँ जो हम वास्तव में जानते हैं।

मान्यता 1: “AI-जनित कोड पूरी तरह पब्लिक डोमेन में है”

यह मान्यता सबसे ज़्यादा कानूनी आधार पर टिकी है, फिर भी यह केवल आधा सच है। US Copyright Office लगातार यह कहता आया है कि कॉपीराइट मानवीय लेखकत्व की रक्षा करता है, और पूरी तरह मशीन-जनित सामग्री रजिस्टर नहीं की जा सकती। यह रुख़ बंदर की सेल्फ़ी वाले मामले (Naruto v. Slater) से आता है, जिसमें Ninth Circuit ने माना था कि एक मकाक बंदर उस फ़ोटो का मालिक नहीं हो सकता जो उसने खींची। और यह Thaler v. Perlmutter में सीधी चुनौती के बावजूद टिका रहा, जहाँ अदालतों ने ऐसी कलाकृति रजिस्टर करने से इनकार किया जिसमें AI को एकमात्र लेखक बताया गया था। अब तक बात साफ़ है।

लेकिन लगभग कोई भी पूरी तरह AI-जनित सॉफ़्टवेयर शिप नहीं करता। Copyright Office का अपना मार्गदर्शन वह रेखा खींचता है जो व्यवहार में मायने रखती है: AI को सहायक उपकरण की तरह इस्तेमाल करने से पूरे काम पर कॉपीराइट खत्म नहीं होता, और AI आउटपुट का चयन, व्यवस्था और संशोधन करने वाले इंसान का योगदान भी अपने आप में संरक्षित अभिव्यक्ति हो सकता है। आपका 50,000-लाइन वाला एप्लिकेशन जिसमें ज़्यादातर फ़ंक्शन एजेंट ने लिखे, लेकिन सिस्टम का आर्किटेक्चर इंसान ने बनाया, सीमाएँ इंसान ने तय कीं, और आउटपुट इंसान ने रिव्यू और एडिट किया? वह कोडबेस लगभग निश्चित रूप से पूरे तौर पर कॉपीराइट योग्य है, भले ही अलग से देखा गया कोई एक जनित फ़ंक्शन शायद न हो। “सब कुछ पब्लिक डोमेन में है” वाला दावा तभी ढह जाता है जब इंसान प्रॉम्प्ट चिपकाकर नतीजा कमिट करने से ज़्यादा कुछ करता है।

और अमेरिका ही दुनिया नहीं है। UK का Copyright, Designs and Patents Act कंप्यूटर-जनित कृतियों को स्पष्ट रूप से संरक्षण देता है — लेखकत्व उस व्यक्ति को सौंपते हुए जिसने सृजन के लिए आवश्यक व्यवस्थाएँ कीं — और यह पचास साल तक लागू रहता है। कुछ और न्यायक्षेत्रों में भी ऐसे प्रावधान हैं। यानी वही फ़ाइल सैन फ़्रांसिस्को में असंरक्षित हो सकती है और लंदन में कॉपीराइटेड। “पूरी तरह पब्लिक डोमेन” कोई कानूनी स्थिति नहीं है; यह एक नारा है जो किसी एक देश के एक संकीर्ण मामले के सिद्धांत की ओर लगभग इशारा करता है।

मान्यता 2: “ओपन सोर्स पर ट्रेन किया गया मतलब आउटपुट को लाइसेंस विरासत में मिलता है”

“सब कुछ ओपन सोर्स बनाओ” वाली दलील का नैतिक इंजन यही है: मॉडलों ने दशकों के GPL, MIT और Creative Commons वाले काम को खाया है — Stack Overflow के उत्तर CC BY-SA के अंतर्गत आते हैं, जिसके लिए कानूनन एट्रिब्यूशन और साझा करने की शर्त ज़रूरी है — तो उसे मालिकाना कोड में बदलना लाइसेंस की चोरी है। इस तर्क के प्रति मेरी वास्तविक सहानुभूति है। मेरा अपना AGPL कोड भी उन ट्रेनिंग सेट्स में है। लेकिन एक कानूनी दावे के रूप में इसे पहले ही परखा जा चुका है, और यह ज़्यादातर हार गया है।

Doe v. GitHub, Copilot वाले क्लास एक्शन में, अदालत ने उस मूल सिद्धांत को खोखला कर दिया कि मॉडल का आउटपुट अपने आप ट्रेनिंग डेटा की बाध्यताएँ लेकर चलता है। DMCA के copyright-management-information दावे ज़्यादातर खारिज हो गए, और ओपन सोर्स लाइसेंस के दावे ज़्यादातर standing पर विफल रहे — वादी यह नहीं दिखा सके कि उनका कोड आउटपुट में दोहराया गया। अदालत का तर्क आपके रिस्क मॉडल के लिए मायने रखता है: लाइसेंस एक कॉपी से जुड़ता है। अगर मॉडल आपका कोड कभी उत्सर्जित ही नहीं करता, तो कोई कॉपी नहीं, कोई व्युत्पत्ति नहीं, और लाइसेंस के जुड़ने के लिए कुछ नहीं। सांख्यिकीय प्रभाव कॉपी करना नहीं है, ठीक वैसे ही जैसे Linux का सोर्स पढ़कर सीखने वाला प्रोग्रामर उसके बाद लिखे हर चीज़ पर कर्नेल का लाइसेंस नहीं देता।

जो बात लोग छोड़ देते हैं: अपवाद असली है, और यही आपकी रातों की नींद उड़ाना चाहिए। जब मॉडल ट्रेनिंग डेटा को लगभग शब्दशः दोहरा देता है — और पुराने मॉडलों ने पहचाने जा सकने वाली ओपन सोर्स फ़ाइलों के साथ ऐसा किया है, कभी-कभी कॉपीराइट हेडर हटाकर — तो आप बिना जाने किसी का GPL या AGPL कोड का व्युत्पन्न शिप कर सकते हैं। चर्चा के एक टिप्पणीकार ने, जो व्यापक रूप से इस्तेमाल होने वाले AGPL सिस्टम के लेखक हैं, ठीक यही बताया: एक कंपनी ने उनकी नोटिस हटा दीं, पकड़ी गई, फिर एक LLM ने उनके सिस्टम का “क्लोन” बना दिया — घटिया, पर उनका डिज़ाइन साफ़ पहचाना जा सकता था। वह क्लोन व्युत्पन्न कृति है या नहीं, यह सचमुच अनसुलझा है, और यह ऐसा सवाल है जिसका जवाब महँगे तरीके से, अदालत में, मामले-दर-मामले मिलता है। “आउटपुट ट्रेनिंग लाइसेंस विरासत में लेता है” वाला सामान्य नियम गलत है। “लगभग शब्दशः दोहराव एक जीवित देनदारी है” वाला संकीर्ण नियम सही है। समझदार टीमें दूसरे के लिए योजना बनाती हैं।

काँच की कीप में डाली गई ओरिगामी क्रेनें, जो एक अस्पष्ट धूसर आकार बनकर बाहर निकलती हैं।
लाखों लाइसेंसयुक्त कृतियाँ अंदर जाती हैं; जो बाहर आता है वह किसी एक से मेल नहीं खाता — जब तक, कभी-कभार, खाता भी है।

मान्यता 3: “मैंने प्रॉम्प्ट लिखा, इसलिए कोड मेरा है”

पहली मान्यता को उलट दो और यह मिल जाती है, जिसे बहस के दूसरे पक्ष के लोग भी उतने ही आत्मविश्वास से मानते हैं। Copyright Office ने अपनी copyrightability रिपोर्ट में इस पर सीधे बात की है: प्रॉम्प्ट अपने आप में आउटपुट के अभिव्यक्तिपरक तत्वों पर इतना मानवीय नियंत्रण आम तौर पर नहीं देते कि प्रॉम्प्ट देने वाला लेखक बन जाए। प्रॉम्प्ट एक निर्देश है; अभिव्यक्ति के चुनाव मॉडल करता है। अदालतें काफ़ी समय से इमेज जनरेशन पर यही तर्क लागू कर रही हैं, और कोड इसमें प्रकृति से अलग नहीं है।

जहाँ यह सचमुच दिलचस्प हो जाता है वह है बार-बार दोहराया जाने वाला, एजेंटिक काम। चर्चा में कई प्रैक्टिशनरों ने ऐसे लूप बताए जिनमें एजेंट बीस मिनट कोड लिखता है, और उसके सामने घंटों या दिनों की इंसानी टेस्टिंग, वास्तविक दुनिया का फ़ीडबैक, री-डिज़ाइन और री-प्रॉम्प्टिंग होती है। यह पैटर्न कानूनी रूप से मायने रखता है, क्योंकि AI-सहायता वाले काम के लिए सबसे मज़बूत कॉपीराइट सिद्धांत व्यक्तिगत पंक्तियों का लेखकत्व नहीं, बल्कि पूरे काम में इंसान का रचनात्मक योगदान है: चयन, समन्वय, व्यवस्था और संशोधन। सैकड़ों निर्देशित संशोधन चक्रों से गढ़ी गई प्रणाली किसी इंसान द्वारा रचे गए संकलन जैसी दिखती है, न कि बंदर की सेल्फ़ी जैसी। पर ध्यान दें कि इसका मतलब क्या है: आपका स्वामित्व का दावा प्रक्रिया पर टिका है, और जिस प्रक्रिया का दस्तावेज़ीकरण नहीं हो सकता, उसे आप दावे में नहीं रख सकते। अगर आपकी कंपनी को उस कोडबेस पर अपना कॉपीराइट लागू करना पड़े — किसी पूर्व कर्मचारी, किसी अधिग्रहण की ड्यू डिलिजेंस टीम, या किसी प्रतिस्पर्धी के खिलाफ़ — तो “भरोसा करो, इंसान शामिल था” सबूत नहीं है। इसीलिए नीचे व्यावहारिक हिस्सा मौजूद है।

एक और पेच जो शायद ही उठता है: रोज़गार और कॉन्ट्रैक्टर समझौते वैसे भी ज़्यादातर असली काम कर रहे होते हैं। Work-for-hire सिद्धांत कॉपीराइट — जो भी कॉपीराइट मौजूद है — नियोक्ता को सौंप देता है। तो कंपनी के भीतर स्वामित्व का व्यावहारिक सवाल आम तौर पर लेखकत्व की दार्शनिक बहस से पहले अनुबंध से तय हो जाता है। असहज सवाल यह है कि अगर डिलिवरेबल के कुछ हिस्से किसी के भी स्वामित्व में न आ सकें, तो वह अनुबंध वास्तव में क्या दावा कर रहा है?

मान्यता 4: “AI कोड को ओपन सोर्स बनाने से निष्पक्षता की समस्या हल हो जाएगी”

इस प्रस्ताव को एक पल गंभीरता से लें तो यह हकीकत से टकराते ही तीन स्वतंत्र कारणों से बिखर जाता है। पहला, यह कानूनी तंत्र के रूप में आत्म-विरोधी है: ओपन सोर्स लाइसेंस कॉपीराइट लाइसेंस हैं। वे इसलिए मौजूद हैं ताकि अधिकार-धारक अपनी मालिकी की चीज़ पर अनुमति दे सकें। अगर AI-जनित कोड कॉपीराइट योग्य नहीं है, तो लाइसेंस करने के लिए कुछ है ही नहीं — MIT, GPL, सब विषय-वस्तु के अभाव में शून्य हैं। प्रस्ताव का केवल एक सुसंगत रूप CC0 जैसा पब्लिक डोमेन समर्पण हो सकता है, और जो समर्पण लागू न किया जा सके, वह आदेश नहीं, इच्छा भर है।

दूसरा, दायरा अव्यावहारिक है। कोड को ओपन सोर्स करना कोई अवस्था नहीं, एक कार्य है — किसी को सीक्रेट्स हटाने पड़ेंगे, बिज़नेस लॉजिक छाँटना पड़ेगा, README लिखना पड़ेगा, रिपो चुनना पड़ेगा। दुनिया का अधिकांश कोड मालिकाना है, किसी एक कंपनी की आंतरिक प्रक्रिया के लिए बेहद विशिष्ट है, और अब भारी मात्रा में AI-सहायता से लिखा गया है। सारा कोड अनिच्छा से प्रकाशित करने का मतलब क्या होगा? वह सफ़ाई वाला चरण कौन चुकाएगा जो आपका ग्राहक डेटा डंप से बाहर रखे? इस प्रस्ताव को रखने वाले किसी के पास इसका जवाब नहीं है, क्योंकि जवाब है ही नहीं। हमने इससे जुड़ी एक विफलता पर लिखा था: AI-जनित ऐप्स जो row-level security के बिना शिप होते हैं — टूलिंग खुशी-खुशी ऐसा कोड बनाती है जो डेटा लीक करता है, जब वह काम करता भी है; अब कल्पना कीजिए कि ऐसे कोड को प्रकाशित करना अनिवार्य हो।

तीसरा, इससे वह लक्ष्य भी हासिल नहीं होगा जो बताया गया है। शिकायत यह है कि मॉडल विक्रेताओं ने साझा संपदा पर कब्ज़ा कर लिया। मॉडल के उपयोगकर्ताओं को अपना आउटपुट प्रकाशित करने पर मजबूर करने से विक्रेता कुछ वापस नहीं देते — यह बस श्रृंखला के उस पक्ष से सुरक्षा छीन लेता है जिसके पास सबसे कम ताकत है। अगर आपको लगता है कि ट्रेनिंग डेटा का सौदा अनुचित था, तो जिन लोगों का कोड स्क्रैप हुआ उन्हीं को निशाना बनाने वाला उपाय गलत निशाने पर है। वह सबसे मज़बूत तर्क जिससे मैं वास्तव में सहमत हूँ, कानूनी नहीं बल्कि नैतिक है: जो हम साझा संपदा पर प्रशिक्षित टूल से भारी लाभ उठाते हैं, उनकी ज़िम्मेदारी है कि मूल्य वापस साझा संपदा में लौटाएँ। लाइब्रेरी जारी करें। मेंटेनर्स को फंड करें। अपने फ़िक्स अपस्ट्रीम भेजें। पर यह अपनाने लायक एक नैतिकता है, कोई ऐसा कानून नहीं जो विधानमंडल के सामने पहली बार टिक पाए।

मान्यता 5: “हमारा लाइसेंस स्कैनर यह पहले से संभाल लेता है”

काश। लाइसेंस अनुपालन टूलिंग — FOSSA और Black Duck जैसे — एक प्रोवेनेंस धारणा पर बनी है जिसे AI चुपचाप तोड़ देता है। ये टूल इस सवाल का जवाब देते हैं कि आपने क्या शामिल किया है, और इसके लिए आपकी डिपेंडेंसी और वेंडर की गई फ़ाइलों को ज्ञात पैकेजों से मिलाते हैं। ये इसलिए काम करते हैं क्योंकि इंसान का लिखा कोड मेटाडेटा वाले रास्तों से आता है: पैकेज रजिस्ट्री, कॉपी-पेस्ट की गई फ़ाइलें जिनके हेडर बचे रहते हैं, और वेंडर डायरेक्टरी जिनमें LICENSE टेक्स्ट सुरक्षित रहते हैं। AI-जनित कोड ऐसे रास्ते से आता है जिसमें कोई मेटाडेटा नहीं होता। मॉडल तीस लाइनें उत्सर्जित कर सकता है जो किसी AGPL यूटिलिटी फ़ंक्शन का लगभग शब्दशः पैराफ़्रेज़ हों, बिना हेडर, बिना एट्रिब्यूशन, और बिना किसी पैकेज के जिससे मिलान हो सके — और आपका स्कैनर उसे मौलिक कोड समझता है। जोखिम आपकी डिपेंडेंसी ट्री में नहीं है; वह आपकी सोर्स फ़ाइलों में है, जहाँ टूलिंग मुश्किल से देखती है।

यह वही अंधा धब्बा है जो हमने और जगह भी देखा है: LiteLLM सप्लाई-चेन घटना की तरह, विफलता उस कोड में नहीं थी जिसकी लोगों ने समीक्षा की, बल्कि उस रास्ते में थी जिस पर वे आँख मूँदकर भरोसा करते थे। दोनों मामलों में समाधान है रास्ते पर भरोसा करना बंद करना और उससे होकर क्या गुज़र रहा है, उसे दर्ज करना शुरू करना। यही प्रोवेनेंस ट्रैकिंग है, और यह वह चीज़ है जो आपकी टीम को इस तिमाही में करनी चाहिए, चाहे अदालतें कुछ भी तय करें — क्योंकि भविष्य के हर संभावित कानूनी परिदृश्य (AI कोड असंरक्षित है, मानव-निर्देशित होने पर संरक्षित है, शब्दशः दोहराव उल्लंघन है) उस टीम को पुरस्कृत करता है जो अपना काम दिखा सके, और उसे दंडित करता है जो न दिखा सके।

एक मज़दूर लकड़ी के तख़्तों पर टैग लगा रहा है, जो एक चिह्नित और एक बिना चिह्न वाली ढलान से आ रहे हैं।
प्रोवेनेंस एक आदत है: हर चीज़ पर दरवाज़े पर ही टैग लगाइए, खासकर उस पर जो बिना निशान वाली ढलान से आती है।

असल में क्या करें: प्रोवेनेंस और स्वच्छता का प्लेबुक

इसके लिए कोई नया कानून या नए विक्रेता नहीं चाहिए। यह चार आदतें हैं, सब सस्ती हैं, और मेज़ पर रखे किसी भी कानूनी भविष्य में बचाव योग्य हैं।

  1. कमिट मेटाडेटा में AI सहायता चिह्नित करें। इसके लिए Git trailers बने हैं। एक Assisted-By: trailer कुछ खर्च नहीं करता और यह ऐसा ऑडिट योग्य रिकॉर्ड बनाता है कि किस कोड में मशीन की भागीदारी थी — ड्यू डिलिजेंस, लाइसेंस समीक्षा और उस मानवीय रचनात्मक प्रक्रिया को दिखाने के लिए उपयोगी, जिस पर आपका कॉपीराइट दावा टिका है।
  2. इंसानी लूप को दिखाई देने वाला रखें। PR विवरण जो कहता है “एजेंट ने जनरेट किया, मैंने retry logic और boundary conditions दोबारा लिखीं” वह अच्छी स्वच्छता के भेस में कानूनी सबूत है। रिव्यू का चरण वह जगह भी है जहाँ शब्दशः दोहराव की समस्या शिप होने से पहले पकड़ी जा सकती है — इसी तरह का तर्क हमने AI कोड की समझ जाँच बनाम टेस्ट में रखा था: इंसान को आउटपुट से वास्तव में जुड़ना होगा, उस पर बिना देखे मुहर नहीं लगानी होगी।
  3. सिर्फ़ डिपेंडेंसी नहीं, कोड भी स्कैन करें। ऐसे टूल जो ओपन सोर्स कॉर्पस के विरुद्ध स्निपेट-स्तर पर मिलान करते हैं (यह SCA डिपेंडेंसी स्कैनिंग से अलग है) उन लगभग-शब्दशः मामलों को पकड़ेंगे जो असली copyleft जोखिम पैदा करते हैं। उन्हें AI-भारी कमिट पर चलाएँ, और अपने AI टूल्स के अंतर्निहित डुप्लिकेशन फ़िल्टर — जैसे Copilot की “सार्वजनिक कोड से मेल खाने वाले सुझाव ब्लॉक करें” सेटिंग — सख़्त स्तर पर रखें।
  4. Copyleft को सीमा मानें। Permissive लाइसेंस (MIT, BSD, Apache) शब्दशः दोहराव के सबसे बुरे परिदृश्य में भी न्यूनतम जोखिम रखते हैं। GPL और खासकर AGPL वह जगह है जहाँ अनजाने में बना व्युत्पन्न महँगा पड़ता है। अगर आपका स्कैन copyleft कोड से मेल पाता है, तो स्निपेट से नहीं, स्पेसिफ़िकेशन से दोबारा लिखें।

कमिट-trailer की परंपरा सबसे ज़्यादा प्रभाव वाली चीज़ है और इसे पाँच मिनट में सेट किया जा सकता है। एक prepare-commit-msg hook इसके लिए पूछ सकता है, और जब PR को AI-सहायता वाला लेबल मिले तो CI यह सुनिश्चित कर सकती है कि trailer मौजूद हो:

#!/bin/bash
# scripts/check-provenance.sh — run in CI on pull requests
# Fails if a PR labeled "ai-assisted" has commits without an Assisted-By trailer.
set -euo pipefail
BASE="${1:-origin/main}"
missing=$(git log --format='%H %(trailers:key=Assisted-By,valueonly)' "${BASE}..HEAD" \
| awk '{ if ($2 == "") print $1 }')
if [ -n "$missing" ]; then
echo "These commits lack an 'Assisted-By:' trailer:" >&2
echo "$missing" >&2
echo "Add e.g.:  git commit --trailer 'Assisted-By: claude-code (reviewed)'" >&2
exit 1
fi
echo "Provenance trailers present on all commits."

Trailer में टूल दर्ज होना चाहिए और, सबसे अहम, यह भी कि एक इंसान ने आउटपुट की समीक्षा की। Assisted-By: copilot (reviewed) भविष्य के ऑडिटर को Assisted-By: copilot अकेले से बिल्कुल अलग कहानी बताता है। इसके साथ अपनी इंजीनियरिंग हैंडबुक में एक छोटा हिस्सा जोड़ें जो परिभाषित करे कि आपकी टीम में “सार्थक मानवीय योगदान” किसे माना जाता है: आर्किटेक्चर के फ़ैसले, टेस्ट डिज़ाइन, गैर-तुच्छ संपादन। आप यह इसलिए नहीं कर रहे कि कोई अदालत माँग रही है। आप यह इसलिए कर रहे हैं क्योंकि कानून जिस भी दिशा में जाए, “हमने ट्रैक किया” हमेशा “हमें पता ही नहीं था” से बेहतर है।

निष्कर्ष

कानून को AI कोड के स्वामित्व योग्य होने का फ़ैसला करने की ज़रूरत नहीं है, इससे पहले कि आप कदम उठाएँ: हर संभावित परिणाम उस टीम को पुरस्कृत करता है जिसने अपनी प्रक्रिया दर्ज की, और उसे दंडित करता है जिसने नहीं की।

तो सबूतों के आधार पर परखें: AI-जनित कोड कोई पूर्ण पब्लिक डोमेन नहीं है, क्योंकि पूरे काम पर मानवीय लेखकत्व अब भी मायने रखता है और न्यायक्षेत्र अलग-अलग राय रखते हैं। ओपन सोर्स पर ट्रेनिंग से आउटपुट ओपन सोर्स नहीं बन जाता — अदालतों ने ज़्यादातर इस सिद्धांत को खारिज किया है — पर शब्दशः दोहराव एक असली और कम आँका गया जोखिम है। प्रॉम्प्ट आपको लेखक नहीं बनाता, हालाँकि लगातार, दस्तावेज़ित मानवीय निर्देशन शायद बना देता है। अनिवार्य ओपन सोर्स व्यवस्था कानून के रूप में असंगत है और नीति के रूप में बेकार। और आपका लाइसेंस स्कैनर ठीक उसी रास्ते के प्रति अंधा है जो अब आपका ज़्यादातर कोड पैदा करता है। क्या AI कोड होना चाहिए मुफ़्त, इस पर बहस बियर पर बैठकर करने लायक अच्छी चर्चा है। इंजीनियरिंग का जवाब उसका इंतज़ार नहीं करता: प्रोवेनेंस ट्रैक करें, इंसानों को दिखाई देते हुए लूप में रखें, स्निपेट स्तर पर स्कैन करें, और copyleft को ट्रिपवायर मानें। यह आज सच है, और अदालतें जो भी अंततः तय करें, यह सच बना रहेगा।