解決生成 AI 中的版權和賠償問題
介紹
最近，卡內基梅隆大學的研究人員與 Adobe Research 和加州大學伯克利分校合作，開發了兩種算法，以解決生成 AI 模型在創作新影象時涉及的版權和賠償問題。這項研究的目標是為 AI 模型提供新的工具和方法，以避免生成受版權保護的素材，同時確保人類創作者可以在 AI 使用其作品生成影象時獲得合理的賠償。
生成 AI 模型的使用和問題
生成 AI 模型如 DALL-E 2、Midjourney 和 Stable Diffusion 等是從簡單的文字描述中建立逼真視覺內容的強大工具。這些模型背後的訓練資料涵蓋了數百萬到數十億個網路影象，其中一些可能是受版權保護的素材、有許可證的影象和個人照片。然而在生成這些影象的過程中，生成 AI 模型可能會使用這些受版權保護的素材，引發版權爭議和資源濫用的問題。
研究團隊的貢獻
卡內基梅隆大學的 Generative Intelligence Lab 研究團隊瞭解到他們在這個領域的責任是解決相應的社會問題。該團隊的研究旨在解決生成 AI 中涉及的道德和社會問題。除了提供技術解決方案外，他們還呼籲在立法和 AI 監管方面進行更多的工作。
避免生成受版權保護的影象和風格
研究團隊提出的第一種算法稱為「刪除文字到影象擴散模型中的概念」。這個算法的目的是使 AI 生成的影象更加通用，避免生成受版權保護的特定影象或風格。例如，如果你要求一個 AI 程式生成一幅現今藝術家的畫作，它將生成一幅非常接近該藝術家風格的影象。這個算法的目的是防止這種情況發生，讓 AI 模型生成一幅通用的畫作。這樣一來，藝術家可以隨時選擇退出 AI 模型，為那些不希望他們的影象被使用的人和公司提供更多的控制和自由。
為資料貢獻者提供公平賠償
研究團隊提出的第二種算法稱為「為文字到影象模型評估資料歸因」。這個算法試圖確保每個訓練影象對生成影象的貢獻程度。這有助於公平分配賠償金給版權影象的所有者。例如，如果你要求一個 AI 模型生成一幅水彩畫，那麼生成的影象將受到一些水彩藝術家風格的影響。這個新的算法的目標是量化每位藝術家對這幅合成藝術品的貢獻程度。「我們正在努力回答這個問題：『哪組影象影響了合成影象？』」，這是這項研究的主要作者 Sheng-Yu Wang 博士生表示。「我們可能可以使用這個算法為資料貢獻者分配功績。最終的目標是公平地賠償為生成 AI 的創作作出貢獻的資料所有者。」
未解決的問題和前景
這兩種新的算法仍處於早期開發階段，作者們也承認還有許多問題需要回答。例如，當前尚不清楚受版權保護的內容是否完全刪除，或者是否僅僅是隱藏在某個地方，同時需要進一步研究解釋歸因算法如何評估每個訓練影象的影響程度。儘管存在這些未解決的問題，這些新算法為解決生成 AI 平臺中的版權問題開闢了道路，並為為 AI 形象作出貢獻的人和公司提供了第一步的賠償方式。
結論和展望
生成 AI 的發展和應用為我們帶來了許多新挑戰，包括版權和賠償問題。這些問題需要合理的解決方案，以保護智慧財產權所有者和確保創作獲得公平的賠償。卡內基梅隆大學的生成智慧實驗室的研究成果為解決這些問題提供了重要的貢獻。然而這項研究的結果仍處於早期階段，仍有許多細節需要進一步研究和解決。
在未來，我們需要更多的人工智慧立法和監管工作，以解決生成 AI 應用中的道德和社會問題。同時人們也應該意識到版權和賠償問題不僅僅是技術問題，而是需要考慮倫理、文化和法律等多個方面。我們可以期待未來的研究和合作，以打造更加公平和負責任的生成 AI 應用。
延伸閱讀
- 在 AI 領域的女性：Tara Chklovski 正在教導下一代的 AI 創新者
- 本週人工智慧大事記：生成式人工智慧與創作者補償的問題
- 蘋果 AI 計劃揭祕：從財報中學到的三件事
- 特斯拉 CEO 為人工智慧新創公司籌集 60 億美元，TikTok 是否在逃避蘋果的傭金？
- Allozymes 以加速酶學應用於資料和人工智慧，籌集 1500 萬美元
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- 在 TC 的 Techstars 調查內部以及人工智慧如何加速殘障科技
- Microsoft 禁止美國警察局使用企業人工智慧工具
- 你的 AI 原生新創公司並非一般的 SaaS 公司
- Airbnb 釋出團體訂房功能，並整合人工智慧以提升客戶服務
