ਮੰਗਲਵਾਰ ਨੂੰ ਕੁਦਰਤ ਸੰਚਾਰ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ MIT ਕੰਪਿਊਟਰ ਵਿਗਿਆਨੀਆਂ ਦਾ ਇੱਕ ਨਵਾਂ ਅਧਿਐਨ ਇੱਕ ਖੋਜ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜੋ AI ਕਾਪੀਰਾਈਟ 'ਤੇ ਬਹਿਸ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇ ਸਕਦਾ ਹੈ: ਜਿਵੇਂ ਕਿ ਪ੍ਰਸਾਰ ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਉਨ੍ਹਾਂ ਦੇ ਆਉਟਪੁੱਟ ਨੂੰ ਸਿਖਲਾਈ ਸਮੱਗਰੀ ਦੇ ਕਿਸੇ ਖਾਸ ਹਿੱਸੇ ਨੂੰ ਵਾਪਸ ਲੱਭਣਾ ਅਸੰਭਵ ਹੋ ਜਾਂਦਾ ਹੈ। ਖੋਜਕਰਤਾ ਇਸ ਵਰਤਾਰੇ ਨੂੰ "ਵਿਸ਼ੇਸ਼ਤਾ ਸੜਨ" ਕਹਿੰਦੇ ਹਨ। ਜਨਰੇਟਿਵ AI ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੀ ਦੁਨੀਆ ਨੂੰ ਟਰੈਕ ਕਰਨ ਵਾਲੇ ਪਾਠਕਾਂ ਲਈ, ਇਹ ਪੇਪਰ AI Buzz Wire ਦੁਆਰਾ ਇਸ ਹਫਤੇ ਕਵਰ ਕੀਤੇ ਗਏ ਵਧੇਰੇ ਨਤੀਜੇ ਵਾਲੇ ਖੋਜ ਨਤੀਜਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ।
"ਆਉਟਪੁੱਟ ਆਫ ਜੈਨਰੇਟਿਵ ਡਿਫਿਊਜ਼ਨ ਮਾਡਲਸ ਆਰ ਓਨ ਅਟ੍ਰੀਬਿਊਟੇਬਲ" ਸਿਰਲੇਖ ਵਾਲਾ ਇਹ ਪੇਪਰ ਜ਼ੇਂਗ ਦਾਈ ਅਤੇ ਡੇਵਿਡ ਕੇ. ਗਿਫੋਰਡ ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ ਸੀ, ਜੋ ਦੋਵੇਂ MIT ਦੇ ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਅਤੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਲੈਬਾਰਟਰੀ (CSAIL) ਨਾਲ ਜੁੜੇ ਹੋਏ ਹਨ। ਉਹਨਾਂ ਦਾ ਕੇਂਦਰੀ ਸਵਾਲ ਧੋਖੇ ਨਾਲ ਸਧਾਰਨ ਸੀ: ਜਦੋਂ ਇੱਕ ਜਨਰੇਟਿਵ ਮਾਡਲ ਇੱਕ ਚਿੱਤਰ ਬਣਾਉਂਦਾ ਹੈ, ਤਾਂ ਕੀ ਤੁਸੀਂ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਇੱਕ ਖਾਸ ਆਈਟਮ ਲੱਭ ਸਕਦੇ ਹੋ ਜੋ ਉਸ ਆਉਟਪੁੱਟ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ?
ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਕੀ ਪਾਇਆ
ਜਵਾਬ, ਵਧਦੀ, ਨਹੀਂ ਹੈ. ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਦਿਖਾਇਆ ਹੈ ਕਿ ਵਿਸ਼ੇਸ਼ਤਾ — ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਹਿੱਸੇ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੇ ਕੰਮ ਵਜੋਂ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ ਜਿਸ ਨੂੰ ਤਿਆਰ ਕੀਤੇ ਨਮੂਨੇ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਠਹਿਰਾਇਆ ਜਾ ਸਕਦਾ ਹੈ — "ਅਸੰਭਵ ਹੋ ਸਕਦਾ ਹੈ ਜੇਕਰ ਇੱਕ ਮਾਡਲ ਨੂੰ ਡੇਟਾ ਦੇ ਕਾਫ਼ੀ ਵੱਡੇ ਕਾਰਪਸ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ।"
ਲੇਖਕ ਲਿਖਦੇ ਹਨ, "ਸਾਨੂੰ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਡੇਟਾ ਇੱਕ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਇਸਦੇ ਉਤਪੰਨ ਕੀਤੇ ਨਮੂਨੇ ਘੱਟ ਗੁਣਕਾਰੀ ਬਣ ਜਾਂਦੇ ਹਨ, ਇੱਕ ਅਜਿਹੀ ਘਟਨਾ ਜਿਸ ਨੂੰ ਅਸੀਂ ਹੁਣ ਤੋਂ ਵਿਸ਼ੇਸ਼ਤਾ ਸੜਨ ਦੇ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਂਦੇ ਹਾਂ," ਲੇਖਕ ਲਿਖਦੇ ਹਨ।
ਇਸਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਟੀਮ ਨੇ ਇੱਕ "ਐਬਲੇਸ਼ਨ" ਵਿਧੀ ਵਿਕਸਿਤ ਕੀਤੀ ਹੈ ਜੋ ਕਿ ਖਾਸ ਸਿਖਲਾਈ ਉਦਾਹਰਣਾਂ ਨੂੰ ਮਹਿੰਗੇ ਮੁੜ ਸਿਖਲਾਈ ਦੇ ਬਿਨਾਂ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਤੋਂ ਹਟਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਫਿਰ ਉਹਨਾਂ ਨੇ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਕੀ-ਜੇ ਪ੍ਰਯੋਗ ਕੀਤੇ: ਮਾਡਲ ਕੀ ਪੈਦਾ ਕਰੇਗਾ ਜੇਕਰ ਕੋਈ ਖਾਸ ਚਿੱਤਰ, ਜਾਂ ਇੱਕ ਪੂਰਾ ਸਿਰਜਣਹਾਰ ਦਾ ਕੰਮ, ਸਿਖਲਾਈ ਸੈੱਟ ਵਿੱਚ ਕਦੇ ਨਹੀਂ ਹੁੰਦਾ?
ਅਧਿਐਨ ਦੇ ਕੁਝ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਨਤੀਜਿਆਂ ਵਿੱਚ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪਾਇਆ ਕਿ ਕਾਫ਼ੀ ਵੱਡੇ ਡੇਟਾਸੈਟਾਂ 'ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲਾਂ ਲਈ, ਉਹ ਮੋਨਾ ਲੀਸਾ - ਜਾਂ ਇੱਥੋਂ ਤੱਕ ਕਿ ਲਿਓਨਾਰਡੋ ਦਾ ਵਿੰਚੀ ਦੇ ਸਾਰੇ ਕੰਮ ਨੂੰ ਵੀ ਹਟਾ ਸਕਦੇ ਹਨ - ਅਤੇ ਮਾਡਲ ਅਜੇ ਵੀ ਚਿੱਤਰ ਜਾਂ ਕਲਾਤਮਕ ਸ਼ੈਲੀ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ। ਕੋਈ ਵੀ ਸਿਖਲਾਈ ਆਈਟਮ ਆਉਟਪੁੱਟ ਲਈ ਕਾਰਣ ਤੌਰ 'ਤੇ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਸੀ।
ਕਾਪੀਰਾਈਟ ਮੁਕੱਦਮੇ ਲਈ ਇਹ ਮਾਇਨੇ ਕਿਉਂ ਰੱਖਦਾ ਹੈ
ਖੋਜਾਂ ਇੱਕ ਸਰਗਰਮ ਕਾਨੂੰਨੀ ਲੜਾਈ ਦੇ ਮੈਦਾਨ ਵਿੱਚ ਹਨ. ਡਿਫਿਊਜ਼ਨ ਮਾਡਲ ਜਿਵੇਂ ਕਿ ਮਿਡਜਰਨੀ ਅਤੇ ਸਟੇਬਲ ਡਿਫਿਊਜ਼ਨ ਨੇ ਕਲਾਕਾਰਾਂ ਦੇ ਮੁਕੱਦਮੇ ਆਕਰਸ਼ਿਤ ਕੀਤੇ ਹਨ ਜੋ ਇਹ ਦਲੀਲ ਦਿੰਦੇ ਹਨ ਕਿ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਕੰਮ ਦੀਆਂ ਕਾਪੀਆਂ AI ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਆਉਟਪੁੱਟ ਅਤੇ ਸ਼ੈਲੀ ਨੂੰ ਦੁਬਾਰਾ ਤਿਆਰ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੀਆਂ ਹਨ।
2023 ਤੋਂ ਚੱਲ ਰਹੇ ਇੱਕ ਕਾਪੀਰਾਈਟ ਕੇਸ ਵਿੱਚ, ਐਂਡਰਸਨ ਐਟ ਅਲ. v. ਸਥਿਰਤਾ AI ਲਿਮਿਟੇਡ, ਮੁਦਈ ਮਿਡਜਰਨੀ ਨੂੰ ਇਸਦੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਵਰਤੇ ਗਏ ਡੇਟਾਸੈਟਾਂ ਦਾ ਖੁਲਾਸਾ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ। ਉਹ ਦੋਸ਼ ਲਗਾਉਂਦੇ ਹਨ ਕਿ ਮਿਡਜੌਰਨੀ ਨੇ "ਵਿਸ਼ੇਸ਼ ਕਲਾਕਾਰਾਂ ਦੇ ਨਾਵਾਂ ਨਾਲ ਸੰਬੰਧਿਤ ਚਿੱਤਰਾਂ ਨੂੰ ਸਕ੍ਰੈਪ ਕਰਕੇ ਉਹਨਾਂ ਕਲਾਕਾਰਾਂ ਦੀ ਭਾਵਪੂਰਤ ਸਮੱਗਰੀ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਇਸਦੇ ਮਾਡਲ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ ਲਈ" ਆਪਣੇ ਸਿਖਲਾਈ ਸੈੱਟ ਬਣਾਏ ਹਨ।
ਐਮਆਈਟੀ ਅਧਿਐਨ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਅਜਿਹੇ ਕਾਰਕ ਲਿੰਕ ਸਥਾਪਤ ਕਰਨਾ ਪੈਮਾਨੇ 'ਤੇ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਅਸੰਭਵ ਹੋ ਸਕਦਾ ਹੈ। ਜਿਵੇਂ ਕਿ ਦ ਰਜਿਸਟਰ, ਜਿਸ ਨੇ ਪਹਿਲਾਂ ਅਧਿਐਨ ਦੇ ਵੇਰਵਿਆਂ ਦੀ ਰਿਪੋਰਟ ਕੀਤੀ, ਨੋਟ ਕੀਤਾ, ਖੋਜ AI ਨਿਯਮ ਨੂੰ ਆਸਾਨ ਬਣਾਉਣ ਦੀ ਬਜਾਏ ਵਧੇਰੇ ਮੁਸ਼ਕਲ ਬਣਾਉਣ ਦੀ ਸੰਭਾਵਨਾ ਜਾਪਦੀ ਹੈ - ਲੇਖਕਾਂ ਨੇ ਕੰਮ ਸ਼ੁਰੂ ਕਰਨ ਵੇਲੇ ਜੋ ਉਮੀਦ ਕੀਤੀ ਸੀ ਉਸਦੇ ਉਲਟ।
ਸਹੀ ਵਰਤੋਂ ਦਾ ਸਵਾਲ
ਐਮਆਈਟੀ ਦੀ ਪ੍ਰੈਸ ਰਿਲੀਜ਼ ਵਿੱਚ, ਗਿਫੋਰਡ ਦਲੀਲ ਦਿੰਦਾ ਹੈ ਕਿ ਖੋਜਾਂ ਦੋਵਾਂ ਤਰੀਕਿਆਂ ਨੂੰ ਕੱਟਦੀਆਂ ਹਨ। ਜੇ ਤਿਆਰ ਕੀਤੇ ਆਉਟਪੁੱਟ ਦਾ ਸਿਖਲਾਈ ਡੇਟਾ ਦੇ ਕਿਸੇ ਵਿਅਕਤੀਗਤ ਹਿੱਸੇ ਨਾਲ ਕੋਈ ਲੈਣਾ-ਦੇਣਾ ਨਹੀਂ ਹੈ, ਤਾਂ ਮਾਡਲ ਸਿਰਫ਼ ਕਾਪੀ ਕਰਨ ਵਾਲੀਆਂ ਮਸ਼ੀਨਾਂ ਦੀ ਬਜਾਏ ਅਸਲ ਵਿੱਚ ਰਚਨਾਤਮਕ ਹੋ ਸਕਦੇ ਹਨ।
"ਇਹ ਨਿਰਪੱਖ ਵਰਤੋਂ ਬਾਰੇ ਸਵਾਲ ਉਠਾਉਂਦਾ ਹੈ, ਇਸ ਬਾਰੇ ਕਿ ਕੀ ਆਉਟਪੁੱਟ ਆਪਣੇ ਆਪ ਵਿੱਚ ਨਾਵਲ ਦੇ ਕੰਮ ਵਜੋਂ ਕਾਪੀਰਾਈਟ ਹੋਣ ਯੋਗ ਹਨ, ਅਤੇ ਇਸ ਬਾਰੇ ਕਿ ਲੇਖਕਾਂ ਨੂੰ ਕਿਵੇਂ ਮੁਆਵਜ਼ਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਮਾਡਲ ਵਿੱਚੋਂ ਜੋ ਕੁਝ ਨਿਕਲਦਾ ਹੈ ਉਹ ਇੰਟਰਨੈਟ 'ਤੇ ਕਿਸੇ ਵੀ ਚੀਜ਼ ਦੇ ਕਾਰਨ ਨਹੀਂ ਹੁੰਦਾ," ਗਿਫੋਰਡ ਨੇ ਕਿਹਾ।
ਪ੍ਰਭਾਵ ਚਿੱਤਰ ਜਨਰੇਟਰਾਂ ਤੋਂ ਪਰੇ ਹਨ। ਡਿਫਿਊਜ਼ਨ ਮਾਡਲ ਆਡੀਓਵਿਜ਼ੁਅਲ ਮਾਧਿਅਮ ਬਣਾਉਣ ਲਈ ਪ੍ਰਮੁੱਖ ਆਰਕੀਟੈਕਚਰ ਬਣ ਗਏ ਹਨ ਅਤੇ ਪ੍ਰੋਟੀਨ ਬਣਤਰ ਮਾਡਲਿੰਗ ਅਤੇ ਉਪਚਾਰਕ ਖੋਜਾਂ ਸਮੇਤ ਵਿਗਿਆਨਕ ਕਾਰਜਾਂ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਮਸ਼ੀਨ ਅਨਲਰਨਿੰਗ, ਡੇਟਾ ਪੋਇਜ਼ਨਿੰਗ ਡਿਟੈਕਸ਼ਨ, ਮਾਡਲ ਦੀ ਵਿਆਖਿਆ, ਨਿਰਪੱਖਤਾ ਆਡਿਟ, ਅਤੇ ਗੋਪਨੀਯਤਾ ਦੀ ਪਾਲਣਾ ਲਈ ਵਿਸ਼ੇਸ਼ਤਾ ਸਾਧਨ ਵੀ ਪ੍ਰਸਤਾਵਿਤ ਕੀਤੇ ਗਏ ਹਨ।
ਐਟ੍ਰਬ੍ਯੂਸ਼ਨ ਸਟਾਰਟਅੱਪਸ ਲਈ ਇੱਕ ਚੇਤਾਵਨੀ
ਅਧਿਐਨ ਵਿੱਚ ਏਆਈ ਪ੍ਰੋਵੇਨੈਂਸ ਅਤੇ ਸਮੱਗਰੀ-ਤਸਦੀਕ ਸਾਧਨਾਂ ਦੇ ਵਧ ਰਹੇ ਉਦਯੋਗ ਲਈ ਸਾਵਧਾਨੀ ਵੀ ਰੱਖੀ ਗਈ ਹੈ। ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪਾਇਆ ਕਿ ਸਮਾਨਤਾ-ਆਧਾਰਿਤ ਵਿਸ਼ੇਸ਼ਤਾ - ਵਿਜ਼ੂਲੀ ਸਮਾਨ ਸਿਖਲਾਈ ਚਿੱਤਰਾਂ ਨਾਲ ਤਿਆਰ ਕੀਤੇ ਆਉਟਪੁੱਟਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ - ਵੱਡੇ ਸਿਖਲਾਈ ਡੇਟਾ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਗਲਤ ਵਿਸ਼ੇਸ਼ਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਇੱਕ ਸਾਧਨ ਜੋ ਦਾਅਵਾ ਕਰਦਾ ਹੈ ਕਿ "ਇਹ AI ਚਿੱਤਰ ਉਸ ਕਲਾਕਾਰ ਦੇ ਪੋਰਟਫੋਲੀਓ ਤੋਂ ਆਇਆ ਹੈ" ਬਸ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ ਜਦੋਂ ਮਾਡਲਾਂ ਨੂੰ ਅਰਬਾਂ ਚਿੱਤਰਾਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਪਲੇਟਫਾਰਮਾਂ, ਅਦਾਲਤਾਂ, ਅਤੇ ਰੈਗੂਲੇਟਰਾਂ ਲਈ ਪ੍ਰੋਵੇਨੈਂਸ ਵਿਵਾਦਾਂ ਦਾ ਨਿਪਟਾਰਾ ਕਰਨ ਲਈ ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾ 'ਤੇ ਗਿਣਨ ਲਈ, ਐਮਆਈਟੀ ਨਤੀਜੇ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਅਜਿਹੀ ਨਿਸ਼ਚਤਤਾ ਸਰਹੱਦੀ ਪੈਮਾਨੇ ਦੇ ਮਾਡਲਾਂ ਦੀ ਪਹੁੰਚ ਤੋਂ ਬਾਹਰ ਹੋ ਸਕਦੀ ਹੈ।
ਅੱਗੇ ਕੀ ਆਉਂਦਾ ਹੈ
ਪੇਪਰ ਨੂੰ ਚੱਲ ਰਹੇ ਮੁਕੱਦਮੇਬਾਜ਼ੀ ਅਤੇ ਨੀਤੀ ਬਹਿਸਾਂ ਵਿੱਚ ਹਵਾਲਾ ਦਿੱਤੇ ਜਾਣ ਦੀ ਉਮੀਦ ਹੈ, ਜਿਸ ਵਿੱਚ EU AI ਐਕਟ ਦੀਆਂ ਪਾਰਦਰਸ਼ਤਾ ਲੋੜਾਂ ਅਤੇ ਕਲਾਕਾਰਾਂ ਦੇ ਮੁਆਵਜ਼ੇ ਦੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਪ੍ਰਸਤਾਵਾਂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਚਰਚਾਵਾਂ ਸ਼ਾਮਲ ਹਨ। ਜੇਕਰ ਸਭ ਤੋਂ ਵੱਡੇ ਉਤਪਾਦਨ ਮਾਡਲਾਂ ਲਈ ਐਟ੍ਰਬ੍ਯੂਸ਼ਨ ਡਿਕੈਅ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਖਾਸ ਕੰਮਾਂ ਲਈ ਟਰੇਸਿੰਗ ਆਉਟਪੁੱਟ 'ਤੇ ਆਧਾਰਿਤ ਮੁਆਵਜ਼ਾ ਸਕੀਮਾਂ ਨੂੰ ਆਈਟਮ-ਪੱਧਰ ਦੀ ਟਰੈਕਿੰਗ ਦੀ ਬਜਾਏ ਸਮੂਹਿਕ ਲਾਇਸੰਸਿੰਗ ਦੇ ਆਲੇ-ਦੁਆਲੇ ਮੁੜ ਡਿਜ਼ਾਈਨ ਕਰਨ ਦੀ ਲੋੜ ਹੋ ਸਕਦੀ ਹੈ।
ਅਧਿਐਨ AI ਡਿਵੈਲਪਰਾਂ ਲਈ ਇੱਕ ਸੂਖਮ ਬਿੰਦੂ ਵੀ ਉਠਾਉਂਦਾ ਹੈ: ਗੈਰ-ਵਿਸ਼ੇਸ਼ਤਾ ਅਸਲ ਵਿੱਚ ਕਾਪੀਰਾਈਟ ਕੀਤੇ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਲਈ ਨਿਰਪੱਖ ਵਰਤੋਂ ਦੀਆਂ ਦਲੀਲਾਂ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰ ਸਕਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਨਾਲ ਹੀ ਕਲਾਕਾਰਾਂ ਦੀ ਵਿਅਕਤੀਗਤ ਆਉਟਪੁੱਟ ਤੋਂ ਖਾਸ ਨੁਕਸਾਨ ਸਾਬਤ ਕਰਨ ਦੀ ਯੋਗਤਾ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਸਕਦੀ ਹੈ। ਕਾਪੀਰਾਈਟ ਲੜਾਈ ਦੇ ਦੋਵੇਂ ਪੱਖ ਡੇਟਾ ਵਿੱਚ ਵਰਤਣ ਲਈ ਕੁਝ ਲੱਭਣਗੇ।
AI ਤੋਂ ਅੱਗੇ ਰਹੋ
ਹੋਰ ਬ੍ਰੇਕਿੰਗ AI ਖੋਜ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ, AI ਉਦਯੋਗ ਦੀ ਰੋਜ਼ਾਨਾ ਕਵਰੇਜ ਲਈ AI Buzz Wire 'ਤੇ ਜਾਓ।
ਹੋਰ AI ਖਬਰਾਂ ਪੜ੍ਹੋ →
