AI KÉP

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}

Hirdetés: