Egyre nehezebb az AI kép visszafejtése

Az MIT CSAIL friss kutatása szerint minél nagyobb adathalmazon tanul egy képgeneráló AI, annál nehezebb megmondani, mely konkrét kép, alkotó vagy személy hatott egy elkészült vizuálra. A jelenséget „attribution decaynek”, vagyis az egyedi forrásokhoz köthetőség fokozatos eltűnésének nevezik.

A kutatók egy új, „diffusion ensemble” nevű módszerrel valódi ellenpéldányokat vizsgáltak: az AI-ból egyesével kivették a tanítóképeket, majd megnézték, változik-e a generált eredmény. Nagy adatkészleteknél sokszor sem egyetlen kép, sem egy teljes művész életművének, sem egy személy összes fotójának eltávolítása nem okozott érzékelhető változást.

Ez új megvilágításba helyezheti az AI-művészet szerzői jogi vitáit. Ha egy generált kép nem vezethető vissza megbízhatóan egy konkrét tanítóanyagra, nehezebb eldönteni, hogy másolatról, származékos műről, vagy új alkotásról van-e szó. A kutatás ugyanakkor csak diffúziós képmodelleket vizsgált; az eredmény nagy nyelvi modellekre való érvényessége még nyitott kérdés.

Q&A:

• Mi az attribution decay?
  Az a jelenség, amikor a nagy tanítóadatbázis miatt egy-egy konkrét kép hatása már nem kimutatható a generált AI-képen.
• Megoldja ez a szerzői jogi problémákat?
  Nem. Inkább azt jelzi, hogy a képek eredetének utólagos hozzárendelése önmagában nem lesz elég a másolás vagy a jogsértés megítéléséhez.

_{MIT news}