Nedavni rad istraživača sa Univerziteta Carnegie Mellon bavi se teškim pitanjima autorskih prava i kompenzacija za generativne AI modele koji stvaraju nove slike.
Tim u Laboratoriji za generativnu inteligenciju Škole računarskih nauka sarađivao je sa Adobe Research-om i Univerzitetom u Kaliforniji, Berkli, kako bi razvio dva algoritma koji će pomoći generativnim AI modelima da preduzmu važne korake po ovim pitanjima. Prvi algoritam sprečava ove modele da generišu materijale zaštićene autorskim pravima, dok drugi razvija način da se nadoknadi ljudskim kreatorima kada modeli koriste svoj rad za generisanje slike.
Modeli za generisanje slika kao što su DALL-E 2, Midjourney i Stable Diffusion su moćni alati za kreiranje realističnog vizuelnog sadržaja iz jednostavnog tekstualnog opisa. Iza kulisa, ovi modeli su obučeni za milione do milijarde internet slika, od kojih su neke mogle biti zaštićene autorskim pravima, licencirane slike i lične fotografije.
„Kao istraživači u ovoj oblasti, odgovorni smo za rešavanje društvenih pitanja koja dolaze sa tim“, rekao je Jun-Ian Zhu, docent na Institutu za robotiku i šef Laboratorije za generativnu inteligenciju, koja radi na rešavanju etičkih i društvena pitanja vezana za generativnu AI. „Stvaranje tehnologija za rešavanje ovih pitanja je samo jedan aspekt. Takođe nam je potrebno više rada iu zakonodavstvu i kako da regulišemo veštačku inteligenciju.“
Istraživački timovi će ovog oktobra predstaviti dva rada na Međunarodnoj konferenciji o kompjuterskom vidu 2023.
Prvi rad, „Koncepti ablacije u modelima difuzije teksta u sliku“, pomaže generativnim modelima veštačke inteligencije da izbegnu kreiranje specifičnih slika ili stilova zaštićenih autorskim pravima.
Na primer, ako zatražite AI program za sliku živog umetnika, on će generisati sliku koja veoma podseća na stil tog umetnika. Algoritam koji istraživači CMU predlažu ima za cilj da spreči ovo i umesto toga čini da AI model generiše generičku sliku.
„Ovo možemo koristiti kao opciju kada umetnik želi da se odustane od AI modela u bilo kom trenutku“, rekao je Nupur Kumari, dr. student robotike i glavni autor rada. „To stvara više kontrole i slobode za ljude i kompanije koji ne žele da se njihove slike koriste.
Drugi rad, „Evaluating Data Attribution for Tekt-to-Image Models“, razvija metod za kompenzaciju ljudi i kompanija čiji se podaci koriste za obuku AI. Algoritam pokušava da odredi koliko svaka slika treninga doprinosi generisanoj slici. Može se koristiti za pravednu distribuciju plaćanja vlasnicima slika zaštićenih autorskim pravima u bazama podataka AI.
Ako tražite od AI modela da generiše sliku akvarela, na primer, na rezultujuću sliku će uticati neki umetnici koji rade u akvarelu. Ovaj novi algoritam ima za cilj da kvantifikuje koliko je svaki umetnik doprineo ovom novom delu sintetičkog umetničkog dela.
„Radimo na tome da odgovorimo na pitanje „Koji je skup slika uticao na sintetizovanu sliku?“, rekao je Sheng-Iu Vang, dr. student robotike i glavni autor rada. „Potencijalno možemo da koristimo ovaj algoritam da dodelimo kredite davaocima podataka. Na kraju, cilj je pravično nadoknaditi vlasnike podataka koji doprinose stvaranju generativnih AI-a.“
Novi algoritmi su još uvek u ranim fazama razvoja, a autori priznaju da mnoga pitanja ostaju bez odgovora. Nejasno je da li je sadržaj zaštićen autorskim pravima potpuno uklonjen ili je samo negde sakriven, na primer, i potrebno je više studija da bi se objasnilo kako algoritam pripisivanja procenjuje uticaj svake slike za obuku.
Uprkos neodgovorenim pitanjima, novi algoritmi utiru put za rešavanje problema autorskih prava na generativnim AI platformama i preduzimaju prve korake ka kompenzaciji ljudi i kompanija čiji rad doprinosi AI slikama.
