Open-Source; Open-Season; Open-Fire: <i>Google v. Oracle</i> and the Vulnerability of Code to Copyright Infringement by AI Harvesting
Notice bibliographique
Résumé
In Google v. Oracle, the Supreme Court was forced to decide if Google’s copying of 11,500 lines of computer code from Oracle without permission constituted copyright infringement. Much was on the line, including precedent concerning the copyright status of millions of lines of code nation-wide. In the lengthy decision, the Supreme Court avoided the central issue of holding whether the copied “declaring code” could be protected by copyright or instead was a functional tool outside of the Copyright Act. Instead, it punted the issue, assuming for the sake of argument that the declaring code that was taken was in fact copyrightable material. This forced the Supreme Court to review Google’s copying under a skewed fair use analysis and find that Google’s copying was a fair use. In the end, the Supreme Court came to a narrow decision: Google had done nothing wrong, and it did not owe Oracle anything. While its holding was intended to be narrow, the Court did not anticipate or account for the parabolic rise of generative artificial intelligence (“AI”) and the potential misuse of its dicta against computer code copyright holders. The lack of guidance on the copyrightability of code leaves intellectual property law in a period of purgatory as generative AI picks the pocket of protectable software left and right.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».