『不是说照搬的问题，而是作为 AI 公司，训练的数据最终做出的服务是付费的服务，那么这些训练数据是不是也需要给数据的作者一定的报酬，相当于稿费。』

=> 直接回答，不是。先把 copilot 放一边。一般很多 AI task 都有公开的数据集，但从没听说过啥收费之类的限制。（ kaggle 上一些比赛可能会限制数据集的使用，但这在我这就不算公开数据集了）。有些数据集是作者原创的（比如自己拍的视频），那版权界定应该没有争议。那如果是收集现有资料呢？我第一个想到的是 NLP 里各种爬维基去生成的数据集。至少到目前为止，实践上也并没有听说过相关的侵权纠纷。

回归到 copilot ，目前明确是基于开源的代码去进行的训练，主流的开源协议据我所知没有一个禁止了自己成为数据集的一部分（倒不如说，如果真这么限定，那就违背了开源时自由的本意）。基于这个去训练模型乃至商业化我不认为有任何问题。潜在的风险是如果模型（在你不知情的情况下）给了一些比如 GPL 的代码，是否会传染到你自己的整个代码库，这个我认为是有争议的。（ copilot 目前是把这个责任全部推给了用户——我能理解但持保留态度）


『这就像你在视觉中国买了一张图片，然后发现视觉中国对这张图片没有任何权利。』
『然后 Copilot 就可以免费白嫖这些代码，不需要给代码作者费用。这就像你写了一本小说，然后被人拿去改拍电影，不需要给你费用一样。』
再具体反驳一下这些例子。1. 当你写完代码的时候，的确如小说那样，你是有版权的。但当你选择开源协议进行了授权，你就放弃了部分权益。至少，别人去使用你的代码不需要给你钱这一点，无论是否提供商业化服务，主流的开源协议都是如此规定的。2. 如果视觉中国在卖你这个照片的时候已经明确告诉你了，这张照片来自于共有领域，但你从我这买依然是要付钱的，那我不认为这个行为有任何问题。

『这些代码被作为 AI 的数据的时候，这些数据本身就是价值，是需要给与原数据作者费用的。』
最后再强调一次，当你选择了开源协议的时候，你就放弃了部分权利！！！ V2EX 上已经不是第一次出现开源者看到别人拿自己的代码去做商业化就出来发帖开喷了。如果不想这种情况发生，请不要开源。