AI的归属问题比模型规模更严重

AI的归属问题比模型规模更严重。

传播模式已变得十分复杂,即使无法接触原作,也能复制出一幅图像。 与麻省理工学院计算机科学与人工智能实验室(CSAIL)相关的研究人员在一系列 " 如果 " 情景中互换出不同的培训数据集,以测试原始图像数据被完全删除时对图像输出的影响。 结果发现,在足够的规模上,没有什么变化。 研究者将现象称为“归属衰减”:一个传播模型得到培训的数据越多,得到的数据越多,个人投入就越少。 「如果你拿走一个数据, 模型的输出不会改变, 那这个数据也不会影响输出, 在解决对知识产权和版权被侵犯的日益严重的关切时,这些结论可能产生重大影响。 现代基因传播模型基本上复制了大型训练数据集中的统计模式, 研究人员指出,这些强有力的工具在广泛的应用中取得了“显著成果”,特别是图像、视频和音频生成。 但是,它们越来越受到创造者、公司和决策者的监督,他们都想用某种方式来分配产生产出的责任。 模特儿是世界各地诉讼、许可证交易和拟议条例的中心。 例如,稳定AI(稳定扩散的制造者)和Midjourney被卷入了几个艺术家在加利福尼亚州联邦法院提出的持续的集体诉讼。 索赔人辩称,流行的图像、录像和音频制作模型未经其同意就正在刮去数十亿的版权图像。 Getty Images也向稳定AI提出了索赔,但被高等法院驳回。

（编译自 Computerworld；原文 https://www.computerworld.com/article/4211283/ais-attribution-problem-gets-worse-as-models-scale.html，编译转述，非原文转载）