توصلت دراسة جديدة أجراها علماء الكمبيوتر في معهد ماساتشوستس للتكنولوجيا ونشرت في مجلة Nature Communications يوم الثلاثاء إلى نتيجة يمكن أن تعيد تشكيل النقاش حول حقوق الطبع والنشر للذكاء الاصطناعي: مع تدريب نماذج الانتشار على المزيد من البيانات، يصبح من المستحيل على نحو متزايد إرجاع مخرجاتها إلى أي جزء محدد من المواد التدريبية. يطلق الباحثون على هذه الظاهرة اسم "اضمحلال الإسناد". بالنسبة للقراء الذين يتتبعون عالم الذكاء الاصطناعي التوليدي سريع الحركة، تعد هذه الورقة واحدة من نتائج الأبحاث الأكثر أهمية التي غطتها [AI Buzz Wire] هذا الأسبوع (https://aibuzzwire.news).
تم تأليف هذه الورقة البحثية، التي تحمل عنوان "مخرجات نماذج الانتشار التوليدي غالبًا ما تكون غير قابلة للعزو"، من قبل Zheng Dai وDavid K. Gifford، وكلاهما تابع لمختبر علوم الكمبيوتر والذكاء الاصطناعي (CSAIL) التابع لمعهد ماساتشوستس للتكنولوجيا (MIT). كان سؤالهم المركزي بسيطًا بشكل مخادع: عندما ينتج النموذج التوليدي صورة، هل يمكنك تحديد عنصر معين في بيانات التدريب يكون مسؤولاً عن هذا الناتج؟
ما وجده الباحثون
الجواب، على نحو متزايد، هو لا. يوضح الباحثون أن الإسناد - الذي يُعرف بأنه مهمة تحديد جزء من بيانات التدريب التي يمكن اعتبارها مسؤولة عن عينة تم إنشاؤها - "يمكن أن يصبح مستحيلاً إذا تم تدريب النموذج على مجموعة كبيرة بما فيه الكفاية من البيانات".
كتب المؤلفون: "لقد وجدنا أنه كلما زاد عدد البيانات التي يتم تدريب النموذج عليها، قلت إمكانية إسناد العينات التي تم إنشاؤها، وهي ظاهرة نشير إليها من الآن فصاعدا باسم اضمحلال الإسناد".
ولاختبار ذلك، قام الفريق بتطوير منهجية "الاستئصال" التي تسمح بإزالة أمثلة تدريب محددة من نموذج تم تدريبه بالفعل دون إعادة تدريب مكلفة. ثم أجروا تجارب "ماذا لو" واسعة النطاق: ما الذي سيولده النموذج إذا لم تكن صورة معينة، أو مجموعة أعمال المبدع بأكملها، موجودة في مجموعة التدريب من قبل؟
في بعض نتائج الدراسة الأكثر إثارة للدهشة، وجد الباحثون أنه بالنسبة للنماذج التي تم تدريبها على مجموعات بيانات كبيرة بما فيه الكفاية، يمكنهم إزالة لوحة الموناليزا - أو حتى جميع أعمال ليوناردو دافنشي - ولا يزال النموذج قادرًا على إعادة إنتاج الصورة أو الأسلوب الفني. لم يكن أي عنصر تدريبي مسؤولاً بشكل سببي عن المخرجات.
أهمية التقاضي بشأن حقوق الطبع والنشر
تقع النتائج في وسط ساحة معركة قانونية نشطة. اجتذبت نماذج الانتشار، مثل Midjourney وStable Diffusion، دعاوى قضائية من فنانين يجادلون بأن نسخ أعمالهم في بيانات التدريب تسمح لأنظمة الذكاء الاصطناعي بإعادة إنتاج مخرجاتهم وأسلوبهم.
في إحدى قضايا حقوق الطبع والنشر الجارية منذ عام 2023، أندرسن وآخرون. ضد Stability AI Ltd.، يحاول المدعون إجبار Midjourney على الكشف عن مجموعات البيانات المستخدمة لتدريب نماذجها. يزعمون أن Midjourney قامت ببناء مجموعات التدريب الخاصة بها "عن طريق إلغاء الصور المرتبطة بأسماء فنانين محددين لغرض صريح يتمثل في تمكين نموذجها من تقليد المحتوى التعبيري لهؤلاء الفنانين."
وتشير دراسة معهد ماساتشوستس للتكنولوجيا إلى أن إنشاء مثل هذه الروابط السببية قد يكون مستحيلا من الناحية الفنية على نطاق واسع. وكما أشارت مجلة The Register، التي كانت أول من نشر تفاصيل الدراسة، فمن المرجح أن يجعل البحث تنظيم الذكاء الاصطناعي أكثر صعوبة، وليس أسهل، وهو عكس ما كان يأمله المؤلفون عندما بدأوا العمل.
سؤال الاستخدام العادل
وفي البيان الصحفي الصادر عن معهد ماساتشوستس للتكنولوجيا، قال جيفورد إن النتائج قطعت الاتجاهين. إذا لم يكن للمخرجات التي تم إنشاؤها أي علاقة بأي جزء فردي من بيانات التدريب، فقد تكون النماذج إبداعية حقًا وليست مجرد آلات نسخ.
وقال جيفورد: "هذا يثير تساؤلات حول الاستخدام العادل، وما إذا كانت المخرجات نفسها محمية بحقوق الطبع والنشر كأعمال جديدة، وحول كيفية تعويض المؤلفين عندما لا يُعزى ما يخرج من النموذج إلى أي شيء على الإنترنت".
تمتد الآثار إلى ما هو أبعد من مولدات الصور. أصبحت نماذج الانتشار هي البنية السائدة لتوليد الوسائط السمعية والبصرية وتستخدم بشكل متزايد في التطبيقات العلمية، بما في ذلك نمذجة بنية البروتين والاكتشاف العلاجي. تم أيضًا اقتراح أدوات الإسناد لتعلم الآلة، واكتشاف تسمم البيانات، وقابلية تفسير النماذج، وعمليات تدقيق العدالة، والامتثال للخصوصية.
تحذير لشركات الإسناد الناشئة
تحمل الدراسة أيضًا تحذيرًا بشأن الصناعة المتنامية لمصادر الذكاء الاصطناعي وأدوات التحقق من المحتوى. وجد الباحثون أن الإسناد القائم على التشابه - أي مطابقة المخرجات التي تم إنشاؤها مع صور تدريب متشابهة بصريًا - ينتج إسنادًا خاطئًا في أنظمة بيانات التدريب الكبيرة.
بمعنى آخر، قد تكون الأداة التي تدعي أن "صورة الذكاء الاصطناعي هذه جاءت من محفظة ذلك الفنان" خاطئة عندما يتم تدريب النماذج على مليارات الصور. بالنسبة للمنصات والمحاكم والجهات التنظيمية التي تعتمد على الإسناد الفني لتسوية النزاعات حول المصدر، تشير نتائج معهد ماساتشوستس للتكنولوجيا إلى أن مثل هذا اليقين قد يكون بعيد المنال بالنسبة للنماذج الحدودية.
ما يأتي بعد ذلك
ومن المتوقع أن يتم الاستشهاد بهذه الورقة في الدعاوى القضائية والمناقشات السياسية الجارية، بما في ذلك المناقشات حول متطلبات الشفافية في قانون الاتحاد الأوروبي للذكاء الاصطناعي ومقترحات أنظمة تعويض الفنانين. إذا كان اضمحلال الإسناد ينطبق على نماذج الإنتاج الأكبر، فقد يلزم إعادة تصميم خطط التعويض المستندة إلى تتبع المخرجات لأعمال محددة حول الترخيص الجماعي بدلاً من التتبع على مستوى المادة.
تثير الدراسة أيضًا نقطة دقيقة لمطوري الذكاء الاصطناعي: عدم إمكانية الإسناد قد يؤدي في الواقع إلى تعزيز حجج الاستخدام العادل للتدريب على البيانات المحمية بحقوق الطبع والنشر، في حين يقوض في الوقت نفسه قدرة الفنانين على إثبات ضرر محدد من المخرجات الفردية. سيجد كلا الجانبين في معركة حقوق الطبع والنشر شيئًا لاستخدامه في البيانات.
ابق في صدارة الذكاء الاصطناعي
لمزيد من الأبحاث والتحليلات الرائدة في مجال الذكاء الاصطناعي، قم بزيارة AI Buzz Wire للحصول على تغطية يومية لصناعة الذكاء الاصطناعي.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
