生成AI時代のオープンソースライセンスと著作権

生成AIを使ったプロダクト開発が当たり前になった今、「このモデルは本当にオープンソースなのか」「学習データはどう扱うべきか」「生成物に著作権リスクはあるのか」といった論点は、もはや法務だけの話ではありません。エンジニア、PdM、研究開発、調達担当まで含めて理解しておくべき基礎知識になっています。

従来のソフトウェア開発では、MIT License や Apache License 2.0、GPLv2、GPLv3 といったOSSライセンスを確認すれば、かなりの部分を整理できました。対象は主に「ソースコード」だったからです。

しかし生成AIでは事情が変わります。AIシステムは、単なるコードだけでは成り立ちません。

• 学習や推論に使うコード
• 学習済みパラメータ（weights）
• 学習データ、またはその透明性を担保する情報

このため、従来の「コード中心」のオープンソース理解だけでは、AIシステムの公開性や再現性、改変可能性を十分に説明できなくなっています。そこで近年重要になっているのが、OSIによる Open Source AI Definition（OSAID） です。

従来のオープンソースライセンスは何を守ってきたのか

従来のOSSライセンスは「ソースコードの利用条件」を定めるものでした。代表例として挙げられるのが MIT License、Apache License 2.0、GPLv2、GPLv3 です。

MIT License

MIT License は非常に緩やかな permissive license です。利用、複製、改変、再配布、商用利用まで広く認められており、主な条件は著作権表示とライセンス文言を残すことです。

Apache License 2.0

Apache License 2.0 も permissive 系ですが、特に実務上重要なのは特許ライセンスが明示されている点です。企業利用や共同開発で安心材料になりやすいライセンスです。

GPL

GPLv2 および GPLv3 は copyleft 型ライセンスです。GPL のコードを組み込んだ派生物を配布する場合、派生物全体も GPL で公開することが求められます。

生成AIでは「コード公開」だけでは足りない

たとえば、あるAIモデルについて推論コードが公開されていても、学習済み重みが非公開で、どのデータで学習されたかも不明、再学習のための情報もないなら、それを本当に「オープンソースAI」と呼べるのかは別問題です。

ここで重要なのが、OSIが整理している Open Weights と Open Source AI の違いです。

モデルの重みだけが公開されていても、学習方法や学習データの透明性が欠けていれば、第三者はそのシステムを十分に調査・改変・再現できません。このギャップを埋める考え方が OSAID です。

OSAID が示した「Open Source AI」の基準

OSAID は、AIシステムを “Open Source AI” と呼ぶための共通定義です。補足は FAQ でも整理されています。

ポイントは、AIにおけるオープン性を単なる公開有無ではなく、使える・学べる・改変できる・共有できる、という自由を実質的に行使できるかで考える点です。

そのために重要なのが、コード、パラメータ、そしてデータ情報です。特にデータ情報は、データの出所、選定方法、前処理、フィルタリング、ラベリングなど、再現や監査のための透明性に関わります。

「Open Weights」と「Open Source AI」は同じではない

重みが公開されているモデルは一見オープンに見えますが、学習コードやデータ情報が欠けているなら、それは OSAID 的には “Open Source AI” とは異なる概念です。

生成AIの文脈では、次の点を分けて説明するのが安全です。

• OSSなのはソフトウェア部分だけか
• モデル重みも公開されているのか
• OSAID 準拠の “Open Source AI” と言えるのか
• 学習データまたはデータ透明性はどこまで確保されているか

独自ライセンスをどう見るべきか

Llama 系モデルを考えるときに重要なのは、「便利かどうか」と「Open Source かどうか」は別問題だということです。

OSIは Meta’s LLaMA 2 license is not Open Source および Meta’s Llama license is still not Open Source で、Llama 系ライセンスの位置づけについて見解を示しています。

日本法では AI 学習と生成物利用を分けて考える

生成AIの著作権論点で重要なのは、学習段階と生成・利用段階を分けて考えることです。日本法では、文化庁「AIと著作権に関する考え方について」 が重要な整理資料になります。

学習段階では、著作権法30条の4の議論が中心になりますが、何でも無条件に許されるわけではありません。生成・利用段階では、既存著作物との類似性と依拠性が実務上の基本軸になります。

文部科学省のガイドラインから見える実務上の注意点

学校現場向けではありますが、文部科学省「初等中等教育段階における生成AIの利活用に関するガイドライン Ver.2.0」 は、実務でも参考になる整理を示しています。

まとめ

生成AI時代において、「オープンソース」という言葉は従来よりずっと複雑になりました。コードだけでなく、モデルパラメータや学習データの透明性まで含めて初めて、再現性や改変可能性を語れます。

その意味で、OSI の Open Source AI Definition（OSAID） は重要な基準です。一方、日本法上の著作権論点では、文化庁の整理 を踏まえつつ、学習段階と生成・利用段階を分けて考える姿勢が欠かせません。