← DSAI5T09 全部讲次
L06a · 第 7 周

L06a IP 与开放科学:拿得到不等于可以用

从零讲清知识产权(IP)是什么、一个项目文件夹里有哪几类资产、开放为什么不等于无主,以及读任何许可都能用的 Find、Check、Follow 三步。

一句话版

能下载只说明拿得到,不说明许可了什么。用别人的东西之前,先问两件事:这东西归谁,我能拿它做什么。

这一页只打地基:IP 这个词是什么意思,一个项目里有哪几类资产,开放科学的「开放」到底开放了什么,以及读许可的三步。三类常见许可的具体条款放在下一页 L06a-2。

先认识这几个词

读之前最好先懂署名与致谢的区别,见 L05b。

词 全称 / 读法 一句人话
IP Intellectual Property,知识产权 对原创成果的法律权利,加上别人怎样使用它的规则
许可 license 权利人写明别人可以怎么用、要守什么条件
版权 copyright 写下来的具体表达自动受保护
专利 patent 技术发明公开写清楚,换一段时间的排他权
开放科学 open science 让研究透明、可获取、可复现、可参与
署名 attribution 用别人的东西时写明来自谁
法域 jurisdiction 哪个国家或地区的法律管这件事

一个类比:社区工具共享柜

小区里有个工具共享柜,柜门不上锁,人人都能伸手拿。每件工具上挂着一张卡片,写着主人定的规矩。

有的卡片写「随便用,用完别撕这张卡」。有的写「借用时写上原主人的名字」。还有的写「只能自用,不能拿去卖」。柜子开放,工具仍然有主人,卡片就是主人给出的条件。

你从柜里拿走一把电钻、一盒螺丝、一张设计图纸,三样东西挂的卡片可能各不相同。所以别问「这个柜子是什么规矩」,要一件一件看。

类比在哪里失效:

  1. 现实中版权在作品写下来时就自动产生,没挂卡片的东西也有主人,不能当成「没写就随便用」。
  2. 现实规则还取决于法域,同一件东西在不同地方受保护的方式和期限可能不同。

从零讲起

1. IP 是什么:权利加规则

它解决什么问题

数据科学天天在用别人的东西:数据集、软件包、预训练权重。也天天在做自己的东西:notebook、模型、图表。这些东西归谁、能怎么用,就是 IP 要回答的问题。

这一节先把 IP 这个词拆开,让后面的版权、专利、许可都有地方挂。

从哪来(补充)

今天各国的知识产权规则,有一个共同的国际底线:世界贸易组织(WTO)的《与贸易有关的知识产权协定》,简称 TRIPS。它 1994 年 4 月 15 日在摩洛哥马拉喀什签署,1995 年 1 月 1 日生效,覆盖版权、专利、商标,也覆盖商业秘密这类未披露信息。

这一讲后面引的条约条款,基本都出自 TRIPS。课件讲的是通用概念,不针对某一法域。

出处:Wikipedia: TRIPS Agreement

直觉

课件给 IP 的定义有两半。前一半是围绕原创成果的法律权利。后一半是别人可以怎样使用它的规则。

课件把这件事画成三格流程:

IP 三格流程图:CREATE 你做出原创成果,CLAIM 法律可能承认你有权控制复制、使用、分享和商业化,SHARE 许可告诉别人可以做什么、要回报什么;CLAIM 一格的 may 用青绿标出

CREATE 是你做出了东西。CLAIM 是法律可能承认你有权控制它的复制、使用、分享和商业化。SHARE 是你用许可告诉别人,他们可以做什么、需要回报什么。

CLAIM 一格写的是 may(可能)。有没有权利、是哪种权利,要看成果是什么性质,也要看在哪个法域。

SHARE 一格说明,许可是权利人把一部分权利有条件地放出去。反过来推:看到一份许可,就说明背后站着一个权利人。

一步一步看

目标:拿同学甲放到网上的清洗小工具依次套三格,看用它之前要先弄清谁创作、有什么权利、许可给了什么。

拿一个场景,把三格依次套上去。案例:同学甲写了一个清洗天气数据的 Python 小工具,放到网上,附了一份许可文件。你想把它用进自己的作业。

  1. 先找 CREATE:东西是谁做的。
  2. 再看 CLAIM:这个人对它可能有什么权利。
  3. 最后看 SHARE:他通过许可放出了什么、要你回报什么。
步 套用的问题 这个案例里
1 CREATE:谁创作的 同学甲写的代码,创作者清楚
2 CLAIM:有什么权利 代码是写下来的表达,通常受版权保护,权利在甲手里
3 SHARE:给了什么许可 打开许可文件看条件,再决定能不能用、要不要保留声明

怎么判断

遇到任何「这个能不能用」的问题,先按课件的习惯三问走:identify the creator, the right, and the permission,谁创作的、有什么权利、给了什么许可。

三问里任何一问答不上来,就还不能下「可以用」的结论。课件给学生的另一句习惯问题是 Who owns this, and what may I do with it?,前半句问归属,后半句问许可,和三问是同一件事。

常见误解

以为没有写许可,就说明作者放弃了权利

权利和许可是两回事。版权在作品写下来时就可能产生,没写许可只说明作者没告诉你能怎么用。这时默认的做法是先别用,或者去问作者。

以为 IP 只和公司、专利律师有关

课件举的接触面全在学生身边:你写的 notebook 和图表,你借来的数据集和软件包,你发布出去的作品集。每一样都碰到归属和许可。

试一下

你在论坛上看到一张别人画的模型结构图,没有任何许可说明。按三问,你能确定什么、确定不了什么?

能确定 CREATE:作者是发帖的人。CLAIM 大概率成立:图是写下来的表达,通常受版权保护。确定不了 SHARE:没有许可,就不知道允许你做什么。所以不能直接放进报告,要么联系作者,要么自己重画并注明参考来源。

2. 资产地图:先分资产,再选许可

它解决什么问题

一个项目文件夹里装着代码、数据、标注、名字、logo,还有一个新方法。它们在法律上不是同一种东西。如果把整个文件夹当成一个对象,只问一句「它是什么许可」,就会漏掉其中某一类。

资产地图帮你在用一个项目、或者发布一个项目之前,先列清里面有几类东西。

直觉

课件的核心句是 project folder is not one legal object, it is a bundle of different assets:一个项目文件夹装着一捆法律性质不同的资产。课件分三类:

IP 资产地图三栏:EXPRESSIVE WORK 表达性成果,代码、文字、图表,often copyright;COLLECTION + IDENTITY 汇编与标识,数据集、标注、包名、logo,database 或 trademark may apply;TECHNICAL IDEA 技术构思,新方法和技术方案,may raise patent questions

第一类是表达性成果:代码、文字、图表,通常涉及版权。第二类是汇编与标识:数据集、标注、包名、logo,可能涉及数据库或商标问题。第三类是技术构思:新方法、技术方案,可能涉及专利问题。

三处措辞是 often、may apply、may raise,都没说「一定」。课件这一页的习惯句是 map the assets first; choose permissions second,先给资产分类,再选许可。

数据集为什么放在「汇编」一类?TRIPS 第 10 条第 2 款规定,汇编因内容的选择或编排构成智力创作的,受保护;这种保护不延及数据本身。受保护的可能是「怎么挑、怎么编排」,不是其中每一条事实。

一步一步看

目标:把期末项目文件夹里的四件东西逐件归类,看一个文件夹怎样分属不同的保护。

拿一个具体的文件夹来分类。案例:你的期末项目文件夹里有一个 notebook、一份清洗后的数据集、项目 logo,还有一个你自己想出来的特征选择方法。

  1. 先把文件夹里的东西逐件列出来。
  2. 再把每一件放进三类之一。
  3. 最后给每一类写上可能涉及的保护,用课件的措辞。
步 在做什么 这个案例里
1 列清单 notebook、清洗后的数据集、logo、特征选择方法,一共四件
2 归类 notebook 是表达性成果;数据集是汇编;logo 是标识;特征选择方法是技术构思
3 写保护 notebook 通常涉及版权;数据集可能涉及数据库问题;logo 可能涉及商标;方法可能涉及专利问题

怎么判断

拿到一个项目,先问「里面有哪几类东西」,再对每一类问「它可能受什么保护、带着什么许可」。

写答案时用课件的措辞:表达性成果写「通常」,另外两类写「可能」。直接写「数据集受版权保护」或「这个方法有专利」都说过了头。

常见误解

以为数据集和代码一样,都是「作品」

课件把数据集放在汇编一类,措辞是 may apply。TRIPS 第 10 条第 2 款也说汇编的保护不延及数据本身。代码和数据要分开看。

以为一个仓库只能有一份许可

同一个仓库的不同部分可以各有许可。课件开场那个仓库就同时放了三份许可文件,后面讲模型时还会看到代码和权重许可不同。

试一下

一个开源推荐系统项目里有:Python 源码、一份用户评分数据、项目名称「FastRec」、一个新的冷启动算法。按资产地图分类。

Python 源码是表达性成果,通常涉及版权。用户评分数据是汇编,可能涉及数据库问题,而且可能牵涉隐私。项目名称是标识,可能涉及商标。冷启动算法是技术构思,可能涉及专利问题。

3. 开放科学:开放不等于无主

它解决什么问题

开放科学常被误解成「把东西都传上去」,开放的数据也常被当成「谁拿到算谁的」。这一节划清两条界线:开放科学开放了什么,开放之后权利人还在不在。

直觉

课件开头先否定一种理解:开放科学 not “upload everything”。它由四个要素组成。

  • TRANSPARENCY,透明:方法和决策过程看得见。
  • ACCESS,可获取:在可行的范围内让人拿得到,原文有 where possible。
  • REPRODUCIBILITY,可复现:别人能重做出结果。
  • PARTICIPATION,可参与:别人能参与和贡献。

ACCESS 后面那个 where possible 很要紧。隐私数据、密钥、商业秘密不在开放范围内。课件底部还提醒,开放之后仍要承担四方面责任:attribution 署名、licensing 许可、privacy 隐私、safety 安全。

第二条界线是「开放不等于无主」。开放说的是能不能拿到,无主说的是有没有权利人,两个问题不在同一层面。开放是权利人做出的选择,许可就是这个选择附带的条件。课件写的是署名 almost always required,几乎总是需要。

一步一步看

目标:拿学生那句「It’s public… so it’s mine now」逐步拆开,看开放的数据为何仍有权利人和条件。

用课件的气候数据漫画,逐步拆开学生的那句话。场景:Dr. Rivera 以 CC BY 4.0 发布了 Climate Data 2010–2020,标着 Open Access。学生下载后想「It’s public… so it’s mine now」。

  1. 先问开放了什么:Open Access 让任何人都能拿到这份数据。
  2. 再问有没有权利人:发布者是 Dr. Rivera,她选了 CC BY 4.0。
  3. 最后看许可附带的条件:CC BY 要求署名。
步 问的是 这个案例里
1 开放(open)了什么 能获取,人人都能下载
2 有没有权利人(owned) 有,Dr. Rivera 是权利人,开放是她的选择
3 许可的条件 署名、附许可链接、说明有没有改动;学生一项都没做

怎么判断

听到「它是公开的,所以……」这类说法,分两层回答。第一层:公开回答的是能不能拿到。第二层:权利人还在,许可写了什么条件,就要照什么条件做。

判断一个开放科学做法合不合格,对照四个要素和四方面责任。上传了所有东西但泄露了隐私,不算合格的开放。

常见误解

以为「公开」等于「无主」

课件把 public = unowned 列为常见错误。导师那句话是 Open means access, not the right to ignore attribution,开放给的是获取,不是忽略署名的权利。

以为署名是「永远」必须的

课件用的是 almost always,不是 always。CC BY 4.0 的官方说明也提到,已属公有领域的部分或法律另有例外时,不必遵守许可。日常使用里,按署名去做几乎不会错。

试一下

同学说:「这份问卷数据我们组是开放科学做法,原始问卷连同受访者邮箱一起上传了。」这算合格的开放科学吗?

不算。ACCESS 写的是 where possible,受访者邮箱属于隐私信息,不在开放范围内。四方面责任里的 privacy 没做到。合格做法是去掉能识别个人的信息,再说明数据怎样处理过。

4. 读许可三步:Find、Check、Follow

它解决什么问题

知道要看许可,下一个问题是怎么看。许可文本长短不一、措辞各异,这一节给一个对任何许可都适用的读法。

直觉

课件给的三步:

  1. FIND IT,找到它。许可可能在 LICENSE 文件里,也可能在 README、metadata(元数据)或网站的 terms of use(使用条款)里。
  2. CHECK IT,查清它。逐项问四个问题:能不能用(use),能不能改(modify),能不能再分发(redistribute),能不能商用(commercial)。
  3. FOLLOW IT,照着做。比如保留声明、署名、公开源码。

底部那句是 “available online” ≠ “free of conditions”,放在网上不等于没有条件。Check 的四个问题还可以当成比较不同许可的模板,下一页讲三类许可时会一直用它。

一步一步看

目标:把 Find、Check、Follow 三步套到一份公开数据集上,看许可的条件怎样落成报告里的具体写法。

把三步套到一份公开数据集上,每一步推进一行判断。

  1. 先找许可写在哪里。数据页的 metadata 写着 CC BY 4.0,README 里另有一行使用条款链接。

    读许可第 1 步判断帧:案例是在课程报告里用一份公开的城市空气质量数据集,删了缺失值只留三年记录;第一行 FIND IT 用青绿框标出,判断是 metadata 写着 CC BY 4.0,README 另有 terms of use 链接;后两行只露问题

  2. 再逐项查四个问题。CC BY 4.0 允许用、改、再分发、商用,条件是署名、附许可链接、说明改动。

    读许可第 2 步判断帧:第一行已判断变灰,第二行 CHECK IT 用青绿框标出,问 use、modify、redistribute、commercial,判断是四项都允许,条件是署名、附许可链接、说明有没有改动;第三行只露问题

  3. 最后照条件去做。报告里写作者和数据名,附许可链接,注明删掉了缺失值、只用了其中三年。

    读许可第 3 步判断帧:前两行变灰,第三行 FOLLOW IT 用青绿框标出,判断是报告里写作者和数据名、附 CC BY 4.0 链接、注明已删去缺失值;底部结论写 Open Access 只说明拿得到,三步走完署名和说明改动才算做到

怎么判断

三步有先后,不能跳。没 Find 到许可,Check 就无从查起。Check 四问里任何一问的答案是「不允许」或「有条件」,Follow 就要落到具体动作上。

答题时按三步写,每一步写出找到的地方、四问的答案、对应的动作,比只写「要遵守许可」完整得多。

常见误解

以为许可只会写在 LICENSE 文件里

课件 Find 一步列了四个地方:LICENSE、README、metadata、terms of use。数据集网站尤其常把条件写在使用条款里。

以为 Check 只要看「能不能用」

四个问题要逐项看。很多许可允许用,但限制商用;或者允许用,但不许分发改编版本。只看第一问会漏掉后三问的限制。

试一下

一个图片数据集的网站写着「仅供研究使用,不得再分发」。按 Check 四问,你可以做什么、不可以做什么?

use:可以,限于研究。modify:页面没禁止,按研究用途处理图片一般可以,拿不准就问提供方。redistribute:不可以,不能把图片重新打包上传。commercial:不可以,只限研究。Follow 的动作是:在研究里用,引用来源,不把原图放进公开仓库。

把它们串起来

这一页从「能下载不等于能用」出发。

先给 IP 一个定义:对原创成果的权利,加上别人怎样使用的规则。习惯三问是谁创作的、有什么权利、给了什么许可。

再把一个项目拆成三类资产。表达性成果通常涉及版权,汇编与标识可能涉及数据库或商标,技术构思可能涉及专利。先分资产,许可才能一件一件查。

然后划清开放科学的界线。开放是权利人的选择,许可是开放的条件,开放之后署名、许可、隐私、安全四方面责任都还在。

最后给出读许可的三步:找到、查清、照做。下一页用这三步去读 MIT、GPL、CC 三类最常见的许可。

课件里的坑

  • [编号错位] 封面印 Lecture 6,进度表上同一主题是 L05 Intellectual Property。课件文件是 LT6,按 LTn→L0n 的归档规则记为 L06,是同一讲
  • [读图提醒] p.3 漫画里的仓库有三份许可文件,其中 Apache 2.0 只是画出来,本讲没有讲它的条款
  • [适用条件] p.6 三处措辞 often / may apply / may raise 都不是「一定」,答题时别写成确定的结论
  • [适用条件] p.8 写的是署名 almost always required,不是 always
  • 拼写错误不影响理解:p.8 漫画里 build 拼成 bulid

课后 10 分钟

这 10 分钟怎么用:合上页面,先默写习惯三问、资产地图三类、开放科学四要素和读许可三步。再对照课件 p.3–9 做课件例题和变式题。最后回查一个易错点:开放和无主是不是同一个问题。

必背

  1. IP 是对原创成果的法律权利,加上别人怎样使用它的规则;习惯三问是谁创作的、有什么权利、给了什么许可
  2. 一个项目文件夹是一捆不同资产:表达性成果通常涉及版权,汇编与标识可能涉及数据库或商标,技术构思可能涉及专利;先分资产再选许可
  3. 开放科学包括透明、可获取(在可行范围内)、可复现、可参与,不等于全部上传;开放之后仍有署名、许可、隐私、安全四方面责任
  4. 开放不等于无主:开放是权利人的选择,署名几乎总是需要的
  5. 读许可三步 Find、Check、Follow;Check 逐项查 use、modify、redistribute、commercial 四个问题

课件例题

例 1(课件 p.3):晚上 11 点,一个仓库三份许可

题面:学生赶在第二天交作业,一边下载数据集一边克隆代码仓库,心想 “Can I just use this code? Is ‘available’ the same as ‘legal’?” 打开仓库后看到三份许可文件:LICENSE(Apache 2.0)、LICENSE-CC-BY 和 LICENSE-MIT。他该问什么问题?

提示

想想资产地图:一个仓库里的东西是不是只有一种。

解答

「这个仓库是什么许可」这个问题本身可能不成立。同一个项目的不同部分可能适用不同许可,要问的是「我要用的那一部分适用哪一份」,再到 README 或许可文件里确认。

能下载只说明拿得到,不说明许可了什么。课件给的习惯问题是 Who owns this, and what may I do with it?

例 2(课件 p.8):开放数据,「公开了就是我的」

见下方完整例题。

完整例题

题面(课件 p.8):Dr. Rivera 以 CC BY 4.0 发布了 Climate Data 2010–2020,标注 Open Access。学生下载后想 “It’s public… so it’s mine now”,当成自己的研究成果提交。导师指着许可说 “Open means access, not the right to ignore attribution”。请分析学生错在哪,以及正确做法是什么。

约定:这门课没有计算题,答题按「拆开两层 → 找权利人 → 读许可 → 给做法」四步写。

解法:

  1. 拆开两层:Open Access 回答的是能不能拿到;「是不是我的」回答的是有没有权利人。学生把两个问题当成了一个。
  2. 找权利人:数据是 Dr. Rivera 发布的,她选择用 CC BY 4.0 开放,权利仍在她手里。开放是她的选择,不是放弃。
  3. 读许可:按 Find、Check、Follow 走。CC BY 4.0 允许复制、再分发、改编,条件是署名、附许可链接、说明是否改动。
  4. 给做法:提交时写明数据来自 Dr. Rivera 的 Climate Data 2010–2020,附 CC BY 4.0 链接,说明自己做了哪些处理;不能把数据本身写成自己的研究成果。

要点:第 1 步是这一题的关键。课件 p.27 把 public = unowned 列为常见错误,指的就是这一题的学生。

答题格式:先一句话结论(开放不等于无主),再按两层区分、权利人、许可条件、正确做法四段展开。

变式题

自编情境:你接手一个学长留下的项目文件夹,准备改进后作为自己的毕业设计。文件夹里有:学长写的 Python 代码,没有 LICENSE 文件;一份从政府开放数据平台下载的交通流量数据,平台页面写着「开放数据,使用须注明来源」;项目 logo;学长自己设计的一个拥堵预测新方法。请先画资产地图,再对每一件说出你该怎么查、怎么用。

提示

先分三类。没有 LICENSE 的代码,套用第 1 个概念里「权利和许可是两回事」。开放数据按 Find、Check、Follow 走一遍。

判分点与答案

判分点:① 四件东西分进三类;② 指出没有许可的代码不能直接用;③ 开放数据按三步给出具体动作;④ 措辞用「通常」「可能」。

资产地图:Python 代码是表达性成果,通常涉及版权;交通流量数据是汇编,可能涉及数据库问题;logo 是标识,可能涉及商标;拥堵预测方法是技术构思,可能涉及专利问题。

代码:没有 LICENSE 不等于放弃权利。先问学长要授权,或者请他补一份许可。学校对毕业设计成果也可能有规定,一并查。

数据:Find 到平台页面的条件;Check 四问里至少能用,条件是注明来源,其他三问看平台的完整条款;Follow 就是在报告里写明数据来源和下载时间。

logo 和方法:logo 换成自己的,或征得学长同意。方法是学长的构思,沿用时要在报告里写明出处,这同时是学术诚信的要求。

闪卡自测

1. 本讲的学生习惯问题是什么?

Who owns this, and what may I do with it? 前半句问归属,后半句问许可(p.4)。

2. 课件对 IP 的定义有哪两半?三格流程是什么?

围绕原创成果的法律权利,加上别人可以怎样使用的规则。三格是 CREATE → CLAIM → SHARE,CLAIM 用的是 may(p.5)。

3. IP map 的三类资产分别对应什么保护?

表达性成果通常涉及版权;汇编与标识可能涉及数据库或商标;技术构思可能涉及专利(p.6)。

4. 开放科学的四个要素和四方面责任是什么?

要素:TRANSPARENCY、ACCESS(where possible)、REPRODUCIBILITY、PARTICIPATION。责任:署名、许可、隐私、安全(p.7)。

5. 「开放」和「无主」分别回答什么问题?

开放回答能不能拿到,无主回答有没有权利人。开放是权利人的选择,两者不在同一层面(p.8)。

6. 读许可时 Check 哪四个问题?

use、modify、redistribute、commercial(p.9)。

下一讲

这一页讲了读许可的通用三步。下一页 L06a-2 用这三步去读三类最常见的许可:MIT、GPL 和 Creative Commons。

下一讲 →
L06a-2 L06a-2 三类许可:MIT、GPL、Creative Commons 各要你做什么

个人整理的学习笔记,不是官方材料;数字与结论以课件和讲师为准。