GitHub 将用你的 Copilot 数据训练 AI

又一家平台要用你的数据训练 AI 模型了，这次是 GitHub。

GitHub 首席产品官 Mario Rodriguez 在一篇博客文章中宣布，从 4 月 24 日起，GitHub 将使用 Copilot 用户的交互数据（例如输入、输出、代码片段及相关上下文）来训练和改进其 AI 模型。

这一更新适用于所有 Copilot 免费版、Pro 和 Pro+ 用户，但你可以选择退出。GitHub 在周三发送给用户的邮件中说明，退出步骤是：“进入 GitHub 账户设置；选择 Copilot；选择是否允许你的数据用于 AI 模型训练。”

如果你之前已经选择不让 GitHub 收集交互数据用于产品改进（即禁用了“启用或禁用提示和建议收集”设置），这些偏好将被沿用，你可以跳过这一步。

Copilot Business 和 Copilot Enterprise 用户无需担心，他们不受此更新影响。

你交出了什么，交给了谁

重要的是，如果你不选择退出，不仅 GitHub 会访问你的交互数据，其关联公司也会。

GitHub 指出，这包括“我们企业家族中的公司，包括微软”。根据 GitHub 更新的隐私声明和条款，这些关联公司“现在可以将共享数据用于其他目的，包括开发和改进人工智能和机器学习技术，但需遵守适用法律及其自身的隐私承诺。”

GitHub 表示，这些权限不延伸至第三方 AI 模型提供商或其他独立服务提供商，但它在 FAQ 和相关讨论中澄清：“我们也可能聘请服务提供商协助我们进行模型训练，但受合同义务约束，这些数据仅用于为 GitHub 提供服务。”

如果你不选择退出，具体会向 GitHub 及其关联公司交出什么？

GitHub 公告中列出了七类交互数据，包括：“你接受或修改的输出”；“发送给 GitHub Copilot 的输入”；“光标位置周围的代码上下文”；“你编写的注释和文档”；“文件名、仓库结构和导航模式”；以及“与 Copilot 功能的交互（聊天、内联建议等）”。

不会包含在模型训练中的是来自 Copilot Business、Copilot Enterprise 或企业拥有的仓库的交互数据，以及“你处于静止状态的问题、讨论或私有仓库的内容”。

GitHub 在公告中特别强调了“静止状态”这一说明，指出更新“确实会在你主动使用 Copilot 时处理来自私有仓库的代码”。

当被问及交互数据保留多久以及用户是否可以查看或删除时，GitHub 表示保留时间因使用情况而异，并指出它可能保留输入、输出、代码片段及相关上下文长达五年，不过这个期限通常更短。

并非所有开发者都赞同

Rodriguez 在公告博客文章中提醒读者，GitHub 最初是使用公开可用数据和代码样本来构建其模型的。过去一年，该平台表示已纳入微软员工的交互数据，带来了“有意义的改进，包括多种语言中接受率的提高”。

现在，GitHub 希望通过将用户交互数据纳入训练来获得类似的收益，旨在帮助其模型更好地理解开发工作流，提供更准确、安全的代码模式建议，并及早发现错误。

但从 Reddit 和 Hacker News 等开发者社区的初步反应来看，并非所有人都相信这次更新对所有用户同样有益。

一个常见的抱怨是用户必须选择退出，而不是选择加入；其他人说 GitHub 提供的退出说明相互矛盾，使其变得不必要地困难。

还有人批评 GitHub 使用个人用户数据却不使用企业数据，正如 Hacker News 上一位评论者写道：

“你描述的个人/企业不对称在 B2B SaaS 中是标准做法。Slack、Notion 和 Figma 都在企业 DPA 中包含了 ML 训练豁免条款，而免费用户则没有。GitHub 在这里并没有做什么不寻常的事——他们只是用代码来做，这感觉比文档或消息更敏感，因为它可能确实是你用个人账户处理的雇主的 IP。”

GitHub 在 FAQ 和相关讨论中解释这一区别时承认，它与 Business 和 Enterprise 客户有协议，禁止将 Copilot 交互数据用于模型训练，并再次强调个人用户可以随时选择退出。

其他开发者的批评声不那么强烈，认为 GitHub 在透明度方面做得比其他公司更好：“说实话，我欣赏他们为此添加了通知横幅。大多数公司会尽可能悄无声息地做这件事，”一位 Reddit 用户写道。

GitHub 为其将个人用户交互数据用于模型训练的决定辩护，称这符合既定的行业实践，并且“将改善所有用户的模型性能”。GitHub 表示，现在使用 GitHub Copilot 的开发者数量已超过 2600 万。随着如此多的开发者使用 GitHub Copilot，现在可用于 AI 模型训练的数据量之大，可能会带来更快的模型改进。

“我们相信 AI 辅助开发的未来取决于开发者的真实世界交互数据，”Rodriguez 在公司的公告文章中肯定道。