منگل کو نیچر کمیونیکیشنز میں شائع ہونے والی MIT کمپیوٹر سائنسدانوں کی ایک نئی تحقیق ایک ایسی دریافت پیش کرتی ہے جو AI کاپی رائٹ پر ہونے والی بحث کو نئی شکل دے سکتی ہے: چونکہ ڈفیوژن ماڈلز کو زیادہ ڈیٹا پر تربیت دی جاتی ہے، اس لیے ان کے نتائج کو تربیتی مواد کے کسی مخصوص حصے کا پتہ لگانا تیزی سے ناممکن ہو جاتا ہے۔ محققین اس رجحان کو "انتساب کشی" کہتے ہیں۔ قارئین کے لیے جنریٹیو AI کی تیزی سے حرکت کرنے والی دنیا کو ٹریک کرنے کے لیے، یہ مقالہ اس ہفتے AI Buzz Wire کے ذریعے احاطہ کیے گئے زیادہ نتیجہ خیز تحقیقی نتائج میں سے ایک ہے۔
یہ مقالہ، جس کا عنوان ہے "جنریٹیو ڈفیوژن ماڈلز کے آؤٹ پٹ اکثر غیر منسوب ہوتے ہیں"، زینگ ڈائی اور ڈیوڈ کے گفورڈ نے لکھا تھا، جو دونوں MIT کی کمپیوٹر سائنس اور مصنوعی ذہانت لیبارٹری (CSAIL) سے وابستہ ہیں۔ ان کا مرکزی سوال دھوکہ دہی سے آسان تھا: جب ایک تخلیقی ماڈل ایک تصویر تیار کرتا ہے، تو کیا آپ تربیتی ڈیٹا میں ایک مخصوص چیز کو تلاش کر سکتے ہیں جو اس آؤٹ پٹ کے لیے ذمہ دار ہے؟
محققین نے کیا پایا
جواب، تیزی سے، نہیں ہے. محققین ظاہر کرتے ہیں کہ انتساب — تربیتی ڈیٹا کے کچھ حصے کو تلاش کرنے کے کام کے طور پر بیان کیا گیا ہے جسے تیار کردہ نمونے کے لیے ذمہ دار ٹھہرایا جا سکتا ہے — "اگر کسی ماڈل کو ڈیٹا کے کافی بڑے کارپس پر تربیت دی جائے تو یہ ناممکن ہو سکتا ہے۔"
مصنفین لکھتے ہیں کہ "ہمیں یہ معلوم ہوتا ہے کہ ایک ماڈل کو جتنا زیادہ ڈیٹا پر تربیت دی جاتی ہے، اس کے تیار کردہ نمونے اتنے ہی کم منسوب ہوتے ہیں، ایک ایسا رجحان جسے ہم اب سے انتساب کشی کہتے ہیں۔"
اس کی جانچ کرنے کے لیے، ٹیم نے ایک "ایبلیشن" طریقہ کار تیار کیا جس کی مدد سے مخصوص تربیتی مثالوں کو پہلے سے تربیت یافتہ ماڈل سے مہنگی دوبارہ تربیت کے بغیر ہٹایا جا سکتا ہے۔ اس کے بعد انہوں نے بڑے پیمانے پر کیا-اگر تجربات کیے: ماڈل کیا پیدا کرے گا اگر کوئی خاص تصویر، یا تخلیق کار کا کام کا پورا جسم، تربیتی سیٹ میں کبھی نہ ہوتا؟
مطالعہ کے کچھ انتہائی حیران کن نتائج میں، محققین نے پایا کہ کافی بڑے ڈیٹا سیٹس پر تربیت یافتہ ماڈلز کے لیے، وہ مونا لیزا کو ہٹا سکتے ہیں — یا یہاں تک کہ لیونارڈو ڈاونچی کے تمام کام — اور ماڈل اب بھی تصویر یا فنکارانہ انداز کو دوبارہ پیش کر سکتا ہے۔ کوئی ایک تربیتی آئٹم نتیجہ خیز طور پر آؤٹ پٹ کے لیے ذمہ دار نہیں تھا۔
کاپی رائٹ کی قانونی چارہ جوئی کے لیے یہ کیوں اہمیت رکھتا ہے۔
نتائج ایک فعال قانونی میدان جنگ کے بیچ میں ہیں۔ مڈجرنی اور اسٹیبل ڈفیوژن جیسے ڈفیوژن ماڈلز نے ان فنکاروں کے قانونی چارہ جوئی کی طرف راغب کیا ہے جو یہ استدلال کرتے ہیں کہ تربیتی ڈیٹا میں ان کے کام کی کاپیاں AI سسٹم کو اپنے آؤٹ پٹ اور انداز کو دوبارہ پیش کرنے کی اجازت دیتی ہیں۔
2023 سے جاری کاپی رائٹ کیس میں، Andersen et al. v. استحکام AI لمیٹڈ، مدعی مڈجرنی کو اس کے ماڈلز کو تربیت دینے کے لیے استعمال ہونے والے ڈیٹاسیٹس کو ظاہر کرنے پر مجبور کرنے کی کوشش کر رہے ہیں۔ ان کا الزام ہے کہ مڈجرنی نے اپنے تربیتی سیٹ "مخصوص فنکاروں کے ناموں سے وابستہ تصاویر کو کھرچ کر اس کے ماڈل کو ان فنکاروں کے تاثراتی مواد کی نقل کرنے کے قابل بنانے کے واضح مقصد کے لیے بنایا تھا۔"
ایم آئی ٹی کے مطالعہ سے پتہ چلتا ہے کہ اس طرح کے کارگر روابط قائم کرنا تکنیکی طور پر بڑے پیمانے پر ناممکن ہوسکتا ہے۔ جیسا کہ The Register، جس نے سب سے پہلے مطالعہ کی تفصیلات کی اطلاع دی، نوٹ کیا، تحقیق AI ریگولیشن کو آسان کی بجائے مزید مشکل بناتی نظر آتی ہے - اس کے برعکس جو مصنفین نے کام شروع کرنے پر امید کی تھی۔
مناسب استعمال کا سوال
MIT کی پریس ریلیز میں، Gifford نے استدلال کیا کہ نتائج دونوں طریقوں سے کٹ گئے ہیں۔ اگر تیار کردہ آؤٹ پٹس کا تربیتی ڈیٹا کے کسی بھی انفرادی حصے سے کوئی تعلق نہیں ہے، تو ماڈلز محض کاپی کرنے والی مشینوں کے بجائے حقیقی طور پر تخلیقی ہو سکتے ہیں۔
"یہ منصفانہ استعمال کے بارے میں سوالات اٹھاتا ہے، اس بارے میں کہ آیا ناول کے کام کے طور پر آؤٹ پٹ خود کاپی رائٹ کے قابل ہیں، اور اس بارے میں کہ مصنفین کو کیسے معاوضہ ملتا ہے جب کسی ماڈل سے جو کچھ نکلتا ہے وہ انٹرنیٹ پر کسی بھی چیز سے منسوب نہیں ہوتا ہے،" گفورڈ نے کہا۔
مضمرات امیج جنریٹرز سے آگے بڑھتے ہیں۔ ڈفیوژن ماڈل آڈیو ویژول میڈیا بنانے کے لیے غالب فن تعمیر بن چکے ہیں اور سائنسی ایپلی کیشنز میں تیزی سے استعمال ہو رہے ہیں، بشمول پروٹین ڈھانچے کی ماڈلنگ اور علاج کی دریافت۔ مشین ان لرننگ، ڈیٹا پوائزننگ کا پتہ لگانے، ماڈل کی تشریح، منصفانہ آڈٹ، اور رازداری کی تعمیل کے لیے انتساب کے اوزار بھی تجویز کیے گئے ہیں۔
انتساب کے آغاز کے لیے ایک انتباہ
اس مطالعہ میں اے آئی پرووینس اور مواد کی تصدیق کے ٹولز کی بڑھتی ہوئی صنعت کے لیے بھی احتیاط کی گئی ہے۔ محققین نے پایا کہ مماثلت پر مبنی انتساب - تیار شدہ آؤٹ پٹ کو بصری طور پر ملتے جلتے تربیتی امیجز سے ملانا - بڑے تربیتی ڈیٹا کے نظاموں میں غلط انتسابات پیدا کرتا ہے۔
دوسرے الفاظ میں، ایک ٹول جو دعوی کرتا ہے کہ "یہ AI امیج اس آرٹسٹ کے پورٹ فولیو سے آئی ہے" اس وقت غلط ہو سکتا ہے جب ماڈلز کو اربوں امیجز پر تربیت دی جاتی ہے۔ پلیٹ فارمز، عدالتوں، اور ریگولیٹرز کے لیے جو تکنیکی انتساب کی بنیاد پر تنازعات کو حل کرنے کے لیے شمار کرتے ہیں، MIT کے نتائج بتاتے ہیں کہ اس طرح کا یقین فرنٹیئر پیمانے کے ماڈلز کی پہنچ سے باہر ہو سکتا ہے۔
آگے کیا آتا ہے۔
توقع ہے کہ جاری قانونی چارہ جوئی اور پالیسی مباحثوں میں اس مقالے کا حوالہ دیا جائے گا، بشمول EU AI ایکٹ کی شفافیت کی ضروریات اور فنکاروں کے معاوضے کے نظام کے لیے تجاویز کے بارے میں گفتگو۔ اگر سب سے بڑے پروڈکشن ماڈلز کے لیے انتساب کی تنزلی ہوتی ہے، تو مخصوص کاموں کے لیے آؤٹ پٹس کو ٹریس کرنے پر مبنی معاوضے کی اسکیموں کو آئٹم لیول ٹریکنگ کے بجائے اجتماعی لائسنسنگ کے ارد گرد دوبارہ ڈیزائن کرنے کی ضرورت پڑ سکتی ہے۔
یہ مطالعہ AI ڈویلپرز کے لیے ایک لطیف نکتہ بھی اٹھاتا ہے: غیر منسوب ہونا دراصل کاپی رائٹ شدہ ڈیٹا پر تربیت کے لیے منصفانہ استعمال کے دلائل کو مضبوط بنا سکتا ہے، جبکہ ساتھ ہی ساتھ فنکاروں کی انفرادی پیداوار سے مخصوص نقصان کو ثابت کرنے کی صلاحیت کو بھی کمزور کر سکتا ہے۔ کاپی رائٹ کی لڑائی کے دونوں فریقوں کو ڈیٹا میں استعمال کرنے کے لیے کچھ ملے گا۔
AI سے آگے رہیں
مزید بریکنگ AI تحقیق اور تجزیہ کے لیے، AI انڈسٹری کی روزانہ کوریج کے لیے AI Buzz Wire ملاحظہ کریں۔
مزید AI خبریں پڑھیں →
