截至2023年，市面上有许多供公众使用的（生成式）AI；通常，它们会根据给定的上下文重构最可能的符号序列。

有哪些技术手段可以防止行为良好的（生成式）AI使用我的开源代码？

对于网页内容，可以设置robots.txt / robots META标签，这些标签通常会被行为良好的爬虫遵守。

AI爬虫会遵守哪些有效手段呢？

（我已经重新表述了这个问题，因为我之前的措辞经常不被理解。我接受任何有效的技术手段——无论是元数据、关键词、许可文件还是头文件，任何都可以。不要法律建议！）

回答：

实际上，你无法有效地保护你的代码（或其他任何东西）不被AI系统使用和消耗。（这就是简短且悲观的答案。）

我仍然想尝试一下：

在技术方面：

大多数AI系统通过爬网获取数据，解析现有库（例如语言文件、源代码仓库、数据集等）、数据库等。当然，如果你是谷歌或微软，并且在地下室有一个带有完整互联网缓存的搜索引擎，这一切就变得更加容易了。

据我所知，没有特定的标记或类似的东西（如你提到的robots.txt或其他），可以告诉AI退后并离开。这是一个不错的想法，未来几年可能会流行起来。然而，这需要一种标准化的方式来存储这些元数据，并将其与许多不同类型的数据在许多不同的平台和环境中结合使用。

目前，我认为限制使用的唯一方法是将你的代码（或其他信息/文本/数据）锁定在一个“仅成员”访问的封闭仓库中。仔细阅读Github和其他服务的许可条款可能会很有趣。 —— 仅仅因为某些东西是封闭的，并不一定意味着所有者不会将其内容用于AI目的。（Github可能没问题，但我没有检查，所以我真的不知道。）

你可能会找到一些特别关注这些问题的优秀服务。这可能是我的最佳建议。

在法律方面（已经提到）：

即使你选择了一个特定的许可，并添加了一个附录，规定对AI使用的具体限制，这也无法保证任何事情。

当然，AI系统的所有者在违反你的许可条款时可能会做错事，但你需要证明你的案子。在国际世界中，这变得更加困难。

总结：

你需要结合这两个维度，因此你有一个技术维度来防止AI系统获取你的东西，并通过添加一个合适的许可作为法律维度，以备灾难发生时使用。

这只是我的两分钱。希望这能为你提供一些解决问题的思路。

祝好！:-)