في عالم الذكاء الاصطناعي (AI)، تتحرك الأدوات والرؤى عبر سلاسل توريد معقدة تشمل مجموعات البيانات (datasets) والنماذج (models) الموزعة على منصات مثل هاغينغ فيس (Hugging Face) وتطبيقات موجودة على جيثب (GitHub). كل عنصر في هذه السلاسل يأتي مع ترخيص يحدد الالتزامات المتعلقة بالاستخدام والتوزيع. لكن هل تستمر هذه الالتزامات عند انتقالها خلال السلسلة؟

في دراسة جديدة، تم تحليل 232,270 سلسلة من البيانات إلى نماذج ثم تطبيقات لتسليط الضوء على ظاهرة غسيل التراخيص (license laundering). يُشير الباحثون إلى نوعين أساسيين من غسيل التراخيص: الأول هو عندما تتلقى العناصر التي ليس لها ترخيص مُعلن ترخيصاً واضحاً أثناء انتقالها، والثاني هو استبدال ترخيص مُعلن بآخر أثناء التوزيع.

تبين نتائج الدراسة أن 62.3% من السلاسل مرت عبر عناصر ليس لها ترخيص مُعلن، وهذه الحدود تنحصر غالباً في مجموعة صغيرة من مجموعات البيانات الأساسية. كما أن معظم فئات التراخيص التي تحمل التزامات لم تتجاوز نسبة 7% من البقاء خلال السلسلة، بينما أظهر ترخيص فئة الاستخدام الحر (Permissive) نسبة بقاء تصل إلى 95.1%.

هذه البيانات تسلط الضوء على ضرورة فهم التداعيات المتصلة بغسيل التراخيص. وللحد من هذه الظاهرة، توفر الدراسة توصيات قابلة للتنفيذ للعاملين في المجال، ناشري النماذج، أصحاب الحقوق، ومالكي المنصات. فهل نحن مستعدون للمسائلة؟