Kreditas: Pixabay / CC0 viešasis domenas Naujausias Carnegie Mellon universiteto mokslininkų darbas sprendžia sudėtingas autorių teisių ir kompensacijų už generatyvius AI modelius, sukuriančius naujus vaizdus, klausimus.
Kompiuterių mokslo mokyklos generatyvinio intelekto laboratorijos komanda bendradarbiavo su „Adobe Research“ ir Kalifornijos universitetu Berklyje, kad sukurtų du algoritmus, kurie padėtų generatyviems AI modeliams imtis svarbių žingsnių šiais klausimais. Pirmasis algoritmas neleidžia šiems modeliams generuoti autorių teisių saugomos medžiagos, o antrasis sukuria būdą, kaip kompensuoti kūrėjus, kai modeliai naudoja savo darbą vaizdui sukurti.
Vaizdą generuojantys modeliai, tokie kaip DALL-E 2, Midjourney ir Stable Diffusion, yra galingi įrankiai, leidžiantys sukurti tikrovišką vaizdinį turinį iš paprasto teksto aprašymo. Užkulisiuose šie modeliai buvo mokomi naudojant milijonus ar milijardus internetinių vaizdų, kai kurie iš jų gali būti autorių teisių saugoma medžiaga, licencijuoti vaizdai ir asmeninės nuotraukos.
„Kaip šios srities mokslininkai, esame atsakingi už su tuo susijusių socialinių problemų sprendimą“, – sakė Jun-Yan Zhu, Robotikos instituto docentas ir Generatyvinio intelekto laboratorijos vadovas. socialines problemas, susijusias su generatyviniu AI. „Technologijų kūrimas šioms problemoms spręsti yra tik vienas aspektas. Mums taip pat reikia daugiau padirbėti tiek teisės aktų, tiek dirbtinio intelekto reguliavimo srityje.”
Šių metų spalį tarptautinėje konferencijoje „Computer Vision 2023“ mokslininkų grupės pristatys du pranešimus.
Pirmasis dokumentas „Teksto į vaizdą sklaidos modelių koncepcijų panaikinimas“ padeda AI generuojamiesiems modeliams nekurti konkrečių autorių teisių saugomų vaizdų ar stilių.
Pavyzdžiui, jei AI programos paprašysite gyvo menininko paveikslo, ji sukurs vaizdą, labai panašų į to menininko stilių. CMU tyrėjų siūlomu algoritmu siekiama to išvengti, o vietoj to AI modelis sukuria bendrą paveikslą.
„Galime naudoti tai kaip parinktį, kai menininkas nori bet kuriuo metu atsisakyti dirbtinio intelekto modelio“, – sakė mokslų daktaras Nupuras Kumari. robotikos studentas ir pagrindinis straipsnio autorius. „Tai sukuria daugiau kontrolės ir laisvės žmonėms ir įmonėms, kurie nenori, kad jų vaizdai būtų naudojami.”
Antrajame dokumente „Duomenų priskyrimo teksto į vaizdą modeliams įvertinimas“ sukurtas metodas, kaip atlyginti žmonėms ir įmonėms, kurių duomenys naudojami mokant dirbtinį intelektą. Algoritmas bando nustatyti, kiek kiekvienas mokymo vaizdas prisideda prie sugeneruoto vaizdo. Jis galėtų būti naudojamas sąžiningai paskirstyti mokėjimus AI duomenų bazėse esančių autorių teisių saugomų vaizdų savininkams.
Jei paprašysite dirbtinio intelekto modelio sugeneruoti, pavyzdžiui, akvarelės paveikslo vaizdą, gautą vaizdą paveiks kai kurie menininkai, dirbantys akvarele. Šiuo nauju algoritmu siekiama kiekybiškai įvertinti, kiek kiekvienas menininkas prisidėjo prie šio naujo sintetinio meno kūrinio.
„Stengiamės atsakyti į klausimą: „Koks vaizdų rinkinys paveikė susintetintą vaizdą?“ – sakė mokslų daktaras Sheng-Yu Wang. robotikos studentas ir pagrindinis straipsnio autorius. „Galime naudoti šį algoritmą, kad priskirtų kreditus duomenų teikėjams. Galiausiai tikslas yra teisingai kompensuoti duomenų savininkus, kurie prisideda prie generuojamųjų AI kūrimo.”
Naujieji algoritmai vis dar yra ankstyvose kūrimo stadijose, o autoriai pripažįsta, kad daugelis klausimų lieka neatsakyti. Pavyzdžiui, neaišku, ar autorių teisių saugomas turinys buvo visiškai pašalintas, ar tiesiog kažkur paslėptas, todėl reikia daugiau tyrimų, kad būtų paaiškinta, kaip priskyrimo algoritmas įvertina kiekvieno mokymo vaizdo įtaką.
Nepaisant neatsakytų klausimų, naujieji algoritmai atveria kelią sprendžiant autorių teisių problemas generuojančiose AI platformose ir žengia pirmuosius žingsnius siekiant atlyginti žmonėms ir įmonėms, kurių darbas prisideda prie AI vaizdų.
Daugiau informacijos: Sąvokų pašalinimas teksto į vaizdą sklaidos modeliuose. www.cs.cmu.edu/~concept-ablation/
Teksto į vaizdą modelių duomenų priskyrimo įvertinimas. peterwang512.github.io/GenDataAttribution/
Citata: autorių teisių, kompensavimo problemų sprendimas generatyviniame AI (2023 m. rugsėjo 29 d.), gautas 2023 m. rugsėjo 30 d. iš https://techxplore.com/news/2023-09-copyright-compensation-issues-generative-ai.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
