मंगळवारी नेचर कम्युनिकेशन्समध्ये प्रकाशित झालेल्या MIT संगणक शास्त्रज्ञांच्या एका नवीन अभ्यासात AI कॉपीराइटवरील वादाला पुन्हा आकार मिळू शकेल असा निष्कर्ष वितरीत केला आहे: प्रसार मॉडेल अधिक डेटावर प्रशिक्षित असल्याने, त्यांचे आउटपुट प्रशिक्षण सामग्रीच्या कोणत्याही विशिष्ट भागावर परत येणे अशक्य होते. संशोधक या घटनेला "विशेषता क्षय" म्हणतात. जनरेटिव्ह AI च्या वेगाने पुढे जाणाऱ्या जगाचा मागोवा घेणाऱ्या वाचकांसाठी, हा पेपर या आठवड्यात AI Buzz Wire द्वारे कव्हर केलेल्या अधिक परिणामकारक संशोधन परिणामांपैकी एक आहे.
"आऊटपुट ऑफ जनरेटिव्ह डिफ्यूजन मॉडेल्स आर ऑफन ॲट्रिब्युटेबल" या शीर्षकाचा पेपर झेंग दाई आणि डेव्हिड के. गिफर्ड यांनी लिहिला होता, हे दोघे एमआयटीच्या संगणक विज्ञान आणि कृत्रिम बुद्धिमत्ता प्रयोगशाळेशी (सीएसएआयएल) संलग्न आहेत. त्यांचा मध्यवर्ती प्रश्न भ्रामकपणे सोपा होता: जेव्हा जनरेटिव्ह मॉडेल प्रतिमा तयार करते, तेव्हा तुम्ही त्या आउटपुटसाठी जबाबदार असलेल्या प्रशिक्षण डेटामध्ये विशिष्ट आयटम शोधू शकता?
संशोधकांना काय आढळले
उत्तर, वाढत्या, नाही आहे. संशोधक दर्शवितात की विशेषता - प्रशिक्षण डेटाचा भाग शोधण्याचे कार्य म्हणून परिभाषित केले जाते जे व्युत्पन्न केलेल्या नमुन्यासाठी जबाबदार धरले जाऊ शकते - "एखादे मॉडेल पुरेसे मोठ्या प्रमाणात डेटावर प्रशिक्षित असल्यास अशक्य होऊ शकते."
लेखक लिहितात, "आम्हाला असे आढळून आले आहे की मॉडेल जितके जास्त डेटावर प्रशिक्षित केले जाईल, तितके कमी गुणवत्तेचे व्युत्पन्न केलेले नमुने बनतील, ही एक घटना आहे ज्याला आपण यापुढे विशेषता क्षय म्हणून संबोधतो," लेखक लिहितात.
याची चाचणी करण्यासाठी, संघाने एक "ॲब्लेशन" पद्धत विकसित केली आहे जी विशिष्ट प्रशिक्षण उदाहरणे आधीच प्रशिक्षित मॉडेलमधून महागडे पुनर्प्रशिक्षण न घेता काढून टाकण्याची परवानगी देते. त्यानंतर त्यांनी मोठ्या प्रमाणावर काय-जर प्रयोग केले: जर एखादी विशिष्ट प्रतिमा किंवा संपूर्ण निर्मात्याचे कार्य प्रशिक्षण सेटमध्ये कधीच नसले तर मॉडेल काय निर्माण करेल?
अभ्यासाच्या काही सर्वात उल्लेखनीय परिणामांमध्ये, संशोधकांना असे आढळले की पुरेशा मोठ्या डेटासेटवर प्रशिक्षित मॉडेलसाठी, ते मोना लिसा — किंवा अगदी लिओनार्डो दा विंचीचे सर्व कार्य काढून टाकू शकतात — आणि मॉडेल तरीही प्रतिमा किंवा कलात्मक शैलीचे पुनरुत्पादन करू शकते. आउटपुटसाठी कोणतेही एक प्रशिक्षण आयटम कारणीभूत नव्हते.
कॉपीराइट खटल्यासाठी हे महत्त्वाचे का आहे
निष्कर्ष सक्रिय कायदेशीर रणांगणाच्या मध्यभागी आहेत. मिडजॉर्नी आणि स्टेबल डिफ्यूजन सारख्या डिफ्यूजन मॉडेलने कलाकारांकडून खटले आकर्षित केले आहेत जे तर्क करतात की प्रशिक्षण डेटामधील त्यांच्या कामाच्या प्रती AI सिस्टमला त्यांचे आउटपुट आणि शैली पुनरुत्पादित करू देतात.
2023 पासून सुरू असलेल्या एका कॉपीराइट प्रकरणात, अँडरसन आणि इतर. v. स्टेबिलिटी एआय लि., फिर्यादी मिडजर्नीला त्याचे मॉडेल प्रशिक्षित करण्यासाठी वापरलेले डेटासेट उघड करण्यास भाग पाडण्याचा प्रयत्न करत आहेत. त्यांचा असा आरोप आहे की मिडजर्नीने "त्या कलाकारांच्या अभिव्यक्त सामग्रीची नक्कल करण्यासाठी त्याचे मॉडेल सक्षम करण्याच्या स्पष्ट हेतूने विशिष्ट कलाकारांच्या नावांशी संबंधित प्रतिमा स्क्रॅप करून" प्रशिक्षण संच तयार केले.
एमआयटी अभ्यासाने असे सूचित केले आहे की अशा कारणात्मक दुवे स्थापित करणे मोठ्या प्रमाणावर तांत्रिकदृष्ट्या अशक्य असू शकते. द रजिस्टर, ज्याने प्रथम अभ्यासाच्या तपशीलांची नोंद केली, असे नमूद केले आहे की, संशोधन एआय नियमन सोपे होण्याऐवजी अधिक कठीण बनवण्याची शक्यता आहे - जेव्हा त्यांनी काम सुरू केले तेव्हा लेखकांच्या अपेक्षांच्या उलट.
योग्य वापर प्रश्न
MIT च्या प्रेस रीलिझमध्ये, Gifford तर्क करतो की निष्कर्ष दोन्ही मार्गांनी कट करतात. व्युत्पन्न केलेल्या आउटपुटचा प्रशिक्षण डेटाच्या कोणत्याही वैयक्तिक तुकड्याशी काहीही संबंध नसल्यास, मॉडेल्स केवळ कॉपी मशीनऐवजी खरोखर सर्जनशील असू शकतात.
"यामुळे वाजवी वापराविषयी प्रश्न निर्माण होतात, कादंबरीप्रमाणे आउटपुट स्वतःच कॉपीराइट करण्यायोग्य आहेत की नाही, आणि जेव्हा मॉडेलमधून जे काही बाहेर येते ते इंटरनेटवरील कोणत्याही गोष्टीला कारणीभूत नसते तेव्हा लेखकांना कशी भरपाई मिळते याबद्दल," गिफर्ड म्हणाले.
परिणाम प्रतिमा जनरेटरच्या पलीकडे विस्तारित आहेत. डिफ्यूजन मॉडेल्स ऑडिओव्हिज्युअल मीडिया तयार करण्यासाठी प्रबळ आर्किटेक्चर बनले आहेत आणि प्रथिने संरचना मॉडेलिंग आणि उपचारात्मक शोध यासह वैज्ञानिक अनुप्रयोगांमध्ये वाढत्या प्रमाणात वापरले जात आहेत. मशीन अनलर्निंग, डेटा पॉइझनिंग डिटेक्शन, मॉडेल इंटरप्रिटेबिलिटी, फेअरनेस ऑडिट आणि प्रायव्हसी कंप्लायन्ससाठी ॲट्रिब्युशन टूल्स देखील प्रस्तावित आहेत.
विशेषता स्टार्टअपसाठी एक चेतावणी
अभ्यासात एआय प्रोव्हेन्स आणि कंटेंट-व्हेरिफिकेशन टूल्सच्या वाढत्या उद्योगासाठी सावधगिरी देखील आहे. संशोधकांना आढळले की समानता-आधारित विशेषता — व्युत्पन्न केलेल्या आउटपुटला दृष्यदृष्ट्या समान प्रशिक्षण प्रतिमांशी जुळवून — मोठ्या प्रशिक्षण डेटा नियमांमध्ये खोटी विशेषता निर्माण करते.
दुसऱ्या शब्दांत, "ही AI प्रतिमा त्या कलाकाराच्या पोर्टफोलिओमधून आली आहे" असा दावा करणारे साधन जेव्हा मॉडेल्सना अब्जावधी प्रतिमांवर प्रशिक्षण दिले जाते तेव्हा ते चुकीचे असू शकते. प्लॅटफॉर्म, न्यायालये आणि नियामकांसाठी, मूळ विवादांचे निराकरण करण्यासाठी तांत्रिक गुणधर्मांवर मोजणी केली जात आहे, एमआयटी परिणाम सूचित करतात की अशी निश्चितता सीमा-प्रमाण मॉडेल्सच्या आवाक्याबाहेर असू शकते.
पुढे काय येईल
EU AI कायद्याच्या पारदर्शकता आवश्यकता आणि कलाकार नुकसान भरपाई प्रणालीच्या प्रस्तावांबद्दलच्या चर्चेसह, चालू असलेल्या खटल्यांमध्ये आणि धोरणात्मक वादविवादांमध्ये पेपरचा उल्लेख केला जाण्याची अपेक्षा आहे. सर्वात मोठ्या उत्पादन मॉडेल्ससाठी एट्रिब्युशन क्षय होत असल्यास, विशिष्ट कामांसाठी आउटपुट ट्रेसिंगवर आधारित भरपाई योजना आयटम-स्तरीय ट्रॅकिंगऐवजी सामूहिक परवानाभोवती पुन्हा डिझाइन करणे आवश्यक असू शकते.
अभ्यासात एआय डेव्हलपर्ससाठी एक सूक्ष्म मुद्दा देखील मांडला आहे: अनुपलब्धता कॉपीराइट केलेल्या डेटावर प्रशिक्षणासाठी वाजवी वापराच्या युक्तिवादांना बळकट करू शकते, त्याचवेळी वैयक्तिक आउटपुटमधून विशिष्ट हानी सिद्ध करण्याची कलाकारांची क्षमता कमी करते. कॉपीराइट लढ्याच्या दोन्ही बाजूंना डेटामध्ये वापरण्यासाठी काहीतरी सापडेल.
AI च्या पुढे रहा
अधिक ब्रेकिंग AI संशोधन आणि विश्लेषणासाठी, AI उद्योगाच्या दैनंदिन कव्हरेजसाठी AI Buzz Wire ला भेट द्या.
अधिक एआय बातम्या वाचा →
