[论文解读] Towards Standardization of Data Licenses: The Montreal Data License

Misha Benjamin, Paul Gagnon+4 more|arXiv (Cornell University)|Mar 21, 2019

Scientific Computing and Data Management参考文献 7被引用 25

一句话总结

本文提出了蒙特利尔数据许可协议（MDL），一种基于开源软件许可模式的标准化、模块化数据许可框架，适用于人工智能和机器学习领域。该框架引入了数据使用权利的分类体系，并提供了一个基于网络的工具，用于生成定制化的许可条款，旨在降低法律模糊性，减少交易成本，推动更公平、更透明的人工智能/机器学习数据市场发展。

ABSTRACT

This paper provides a taxonomy for the licensing of data in the fields of artificial intelligence and machine learning. The paper's goal is to build towards a common framework for data licensing akin to the licensing of open source software. Increased transparency and resolving conceptual ambiguities in existing licensing language are two noted benefits of the approach proposed in the paper. In parallel, such benefits may help foster fairer and more efficient markets for data through bringing about clearer tools and concepts that better define how data can be used in the fields of AI and ML. The paper's approach is summarized in a new family of data license language - extit{the Montreal Data License (MDL)}. Alongside this new license, the authors and their collaborators have developed a web-based tool to generate license language espousing the taxonomies articulated in this paper.

研究动机与目标

• 解决人工智能和机器学习领域中缺乏标准化、透明的数据许可问题，效仿开源软件许可的成功经验。
• 通过使用一致的术语和结构化许可，明确权利与义务，降低数据市场中的交易成本和法律不确定性。
• 通过支持更清晰、可预测且可执行的数据使用协议，促进更公平、更高效的数据市场发展。
• 提供一种实用、模块化的数据许可框架，支持多样化使用场景，包括个人数据和复杂数据资产。
• 通过提供免费的、基于网络的许可生成工具和可重用的许可模板，推动人工智能/机器学习社区的广泛采用。

提出的方法

• 制定数据使用权利的分类体系，对人工智能/机器学习场景下的数据使用权限、限制和条件进行分类。
• 基于所提出的分类体系，设计蒙特利尔数据许可协议（MDL）作为一组模块化许可，支持自定义许可条款。
• 在 www.montrealdatalicense.com 上实现一个基于网络的工具，根据用户从定义的权利分类中选择的选项生成许可条款。
• 以可执行的“对人合同”（personam contracts）为基础构建框架，而非数据的财产权利，承认数据库权利和版权等法律差异。
• 与现有机器学习元数据标准（如 Gebru 等，2018；Mitchell 等，2019）集成，以增强透明度和互操作性。
• 提供标准化的摘要图表（如附录 2 和 3），以便快速评估授予的权利，提升可用性和可比性。

实验结果

研究问题

• RQ1 在人工智能和机器学习领域，标准化、模块化的数据许可框架在多大程度上可以降低法律模糊性和交易成本？
• RQ2 为支持人工智能/机器学习开发中的透明度、公平性和可扩展性，数据许可中应包含哪些核心权利和条件？
• RQ3 考虑到法律处理方式和使用模式的差异，受开源软件许可启发的许可模式在多大程度上可适配于数据资产？
• RQ4 基于结构化权利分类，基于网络的工具在多大程度上能有效生成合法、可定制的许可条款？
• RQ5 更清晰的许可条款是否能通过支持更具体、更知情的同意机制，提升对隐私法规（如 GDPR）的合规性？

主要发现

• 蒙特利尔数据许可协议（MDL）为人工智能和机器学习领域提供了模块化、可定制的数据许可框架，旨在降低法律模糊性并提升透明度。
• 所提出的分类体系使权限、限制和条件的分类更加一致，有助于更清晰地传达数据使用条款。
• 位于 www.montrealdatalicense.com 的基于网络的许可生成工具，允许用户根据所选权利生成定制化许可语言，提升了可及性和采纳率。
• 该框架通过支持针对个人数据的特定、知情的同意机制，促进合规性，与 GDPR 等标准保持一致。
• 标准化的摘要图表（如附录 2 和 3）使利益相关方能够快速评估授予的权利，减少审查时间，提升数据市场效率。
• 该方法承认数据库权利和版权等法律差异，同时聚焦于可执行的合同访问权，而非数据的财产权利。