मंगलवार को नेचर कम्युनिकेशंस में प्रकाशित एमआईटी कंप्यूटर वैज्ञानिकों का एक नया अध्ययन एक निष्कर्ष देता है जो एआई कॉपीराइट पर बहस को नया रूप दे सकता है: चूंकि प्रसार मॉडल को अधिक डेटा पर प्रशिक्षित किया जाता है, इसलिए उनके आउटपुट को प्रशिक्षण सामग्री के किसी विशिष्ट टुकड़े पर वापस ट्रैक करना असंभव हो जाता है। शोधकर्ता इस घटना को "एट्रिब्यूशन क्षय" कहते हैं। जेनेरिक एआई की तेजी से बढ़ती दुनिया पर नज़र रखने वाले पाठकों के लिए, यह पेपर इस सप्ताह [एआई बज़ वायर] (https://aibuzzwire.news) द्वारा कवर किए गए अधिक परिणामी शोध परिणामों में से एक है।
"जेनरेटिव डिफ्यूजन मॉडल्स के आउटपुट अक्सर अप्राप्य होते हैं" शीर्षक वाला यह पेपर झेंग दाई और डेविड के. गिफोर्ड द्वारा लिखा गया था, दोनों एमआईटी के कंप्यूटर साइंस और आर्टिफिशियल इंटेलिजेंस लेबोरेटरी (सीएसएआईएल) से संबद्ध हैं। उनका केंद्रीय प्रश्न भ्रामक रूप से सरल था: जब एक जेनरेटिव मॉडल एक छवि बनाता है, तो क्या आप प्रशिक्षण डेटा में एक विशिष्ट आइटम का पता लगा सकते हैं जो उस आउटपुट के लिए ज़िम्मेदार है?
शोधकर्ताओं ने क्या पाया
उत्तर, उत्तरोत्तर, नहीं है। शोधकर्ता बताते हैं कि एट्रिब्यूशन - जिसे प्रशिक्षण डेटा के उस हिस्से का पता लगाने के कार्य के रूप में परिभाषित किया गया है जिसे उत्पन्न नमूने के लिए जिम्मेदार ठहराया जा सकता है - "यदि किसी मॉडल को डेटा के पर्याप्त बड़े संग्रह पर प्रशिक्षित किया जाता है तो यह असंभव हो सकता है।"
"हमने पाया है कि एक मॉडल को जितना अधिक डेटा पर प्रशिक्षित किया जाता है, उसके उत्पन्न नमूने उतने ही कम जिम्मेदार हो जाते हैं, एक ऐसी घटना जिसे हम अब से एट्रिब्यूशन क्षय के रूप में संदर्भित करते हैं," लेखक लिखते हैं।
इसका परीक्षण करने के लिए, टीम ने एक "एब्लेशन" पद्धति विकसित की जो विशिष्ट प्रशिक्षण उदाहरणों को महंगे पुनर्प्रशिक्षण के बिना पहले से ही प्रशिक्षित मॉडल से हटाने की अनुमति देती है। फिर उन्होंने बड़े पैमाने पर क्या-क्या प्रयोग किए: यदि कोई विशेष छवि, या संपूर्ण रचनाकार का कार्य, प्रशिक्षण सेट में कभी नहीं था, तो मॉडल क्या उत्पन्न करेगा?
अध्ययन के कुछ सबसे आश्चर्यजनक परिणामों में, शोधकर्ताओं ने पाया कि पर्याप्त रूप से बड़े डेटासेट पर प्रशिक्षित मॉडल के लिए, वे मोना लिसा - या यहां तक कि लियोनार्डो दा विंची के सभी कार्यों को हटा सकते हैं - और मॉडल अभी भी छवि या कलात्मक शैली को पुन: पेश कर सकता है। कोई भी एकल प्रशिक्षण आइटम आउटपुट के लिए यथोचित रूप से जिम्मेदार नहीं था।
कॉपीराइट मुकदमेबाजी के लिए यह क्यों महत्वपूर्ण है
निष्कर्ष एक सक्रिय कानूनी युद्धक्षेत्र के बीच में हैं। मिडजॉर्नी और स्टेबल डिफ्यूजन जैसे डिफ्यूजन मॉडल ने उन कलाकारों के मुकदमों को आकर्षित किया है जो तर्क देते हैं कि प्रशिक्षण डेटा में उनके काम की प्रतियां एआई सिस्टम को उनके आउटपुट और शैली को पुन: पेश करने की अनुमति देती हैं।
2023 से चल रहे एक कॉपीराइट मामले में, एंडरसन एट अल। स्टेबिलिटी एआई लिमिटेड, वादी मिडजर्नी को उसके मॉडलों को प्रशिक्षित करने के लिए उपयोग किए गए डेटासेट का खुलासा करने के लिए मजबूर करने की कोशिश कर रहे हैं। उनका आरोप है कि मिडजॉर्नी ने "अपने मॉडल को उन कलाकारों की अभिव्यंजक सामग्री की नकल करने में सक्षम बनाने के स्पष्ट उद्देश्य के लिए विशिष्ट कलाकारों के नाम से जुड़ी छवियों को स्क्रैप करके" अपना प्रशिक्षण सेट बनाया।
एमआईटी अध्ययन से पता चलता है कि ऐसे कारणात्मक संबंध स्थापित करना बड़े पैमाने पर तकनीकी रूप से असंभव हो सकता है। जैसा कि द रजिस्टर, जिसने सबसे पहले अध्ययन के विवरण की सूचना दी थी, ने कहा, शोध से एआई विनियमन को आसान के बजाय और अधिक कठिन बनाने की संभावना है - लेखकों ने जब काम शुरू किया था तब उन्होंने जो आशा की थी उसके विपरीत।
उचित उपयोग प्रश्न
एमआईटी की प्रेस विज्ञप्ति में, गिफ़ोर्ड का तर्क है कि निष्कर्ष दोनों तरीकों से कटे हैं। यदि उत्पन्न आउटपुट का प्रशिक्षण डेटा के किसी भी व्यक्तिगत टुकड़े से कोई लेना-देना नहीं है, तो मॉडल केवल नकल करने वाली मशीनों के बजाय वास्तव में रचनात्मक हो सकते हैं।
"यह उचित उपयोग के बारे में सवाल उठाता है, कि क्या आउटपुट स्वयं उपन्यास कार्यों के रूप में कॉपीराइट योग्य हैं, और लेखकों को मुआवजा कैसे मिलता है जब एक मॉडल से जो कुछ भी निकलता है वह इंटरनेट पर किसी भी चीज के लिए जिम्मेदार नहीं होता है," गिफोर्ड ने कहा।
निहितार्थ छवि जनरेटर से परे विस्तारित हैं। प्रसार मॉडल दृश्य-श्रव्य मीडिया उत्पन्न करने के लिए प्रमुख वास्तुकला बन गए हैं और प्रोटीन संरचना मॉडलिंग और चिकित्सीय खोज सहित वैज्ञानिक अनुप्रयोगों में तेजी से उपयोग किए जा रहे हैं। मशीन अनलर्निंग, डेटा पॉइज़निंग डिटेक्शन, मॉडल व्याख्या, निष्पक्षता ऑडिट और गोपनीयता अनुपालन के लिए एट्रिब्यूशन टूल भी प्रस्तावित किए गए हैं।
एट्रिब्यूशन स्टार्टअप्स के लिए एक चेतावनी
अध्ययन में एआई उद्गम और सामग्री-सत्यापन उपकरणों के बढ़ते उद्योग के लिए भी चेतावनी दी गई है। शोधकर्ताओं ने पाया कि समानता-आधारित एट्रिब्यूशन - दृश्यमान समान प्रशिक्षण छवियों के साथ उत्पन्न आउटपुट का मिलान - बड़े प्रशिक्षण डेटा शासनों में गलत एट्रिब्यूशन उत्पन्न करता है।
दूसरे शब्दों में, एक उपकरण जो दावा करता है कि "यह एआई छवि उस कलाकार के पोर्टफोलियो से आई है" तब गलत हो सकती है जब मॉडलों को अरबों छवियों पर प्रशिक्षित किया जाता है। उद्गम विवादों को निपटाने के लिए तकनीकी जिम्मेदारी पर भरोसा करने वाले प्लेटफार्मों, अदालतों और नियामकों के लिए, एमआईटी परिणाम बताते हैं कि ऐसी निश्चितता सीमांत-स्तरीय मॉडल के लिए पहुंच से बाहर हो सकती है।
आगे क्या आता है
उम्मीद है कि पेपर को चल रहे मुकदमेबाजी और नीतिगत बहसों में उद्धृत किया जाएगा, जिसमें ईयू एआई अधिनियम की पारदर्शिता आवश्यकताओं और कलाकार मुआवजा प्रणालियों के प्रस्तावों पर चर्चा शामिल है। यदि एट्रिब्यूशन क्षय सबसे बड़े उत्पादन मॉडल के लिए है, तो विशिष्ट कार्यों के लिए आउटपुट ट्रेसिंग पर आधारित मुआवजा योजनाओं को आइटम-स्तरीय ट्रैकिंग के बजाय सामूहिक लाइसेंसिंग के आसपास फिर से डिजाइन करने की आवश्यकता हो सकती है।
अध्ययन एआई डेवलपर्स के लिए एक सूक्ष्म बिंदु भी उठाता है: अप्राप्यता वास्तव में कॉपीराइट डेटा पर प्रशिक्षण के लिए उचित उपयोग के तर्क को मजबूत कर सकती है, साथ ही व्यक्तिगत आउटपुट से विशिष्ट नुकसान साबित करने की कलाकारों की क्षमता को कम कर सकती है। कॉपीराइट लड़ाई के दोनों पक्षों को डेटा में उपयोग करने के लिए कुछ न कुछ मिलेगा।
एआई से आगे रहें
अधिक ब्रेकिंग एआई अनुसंधान और विश्लेषण के लिए, एआई उद्योग के दैनिक कवरेज के लिए [एआई बज़ वायर] (https://aibuzzwire.news) पर जाएं।
अधिक AI समाचार पढ़ें →
