- Nghiên cứu của MIT CSAIL cho thấy khi mô hình AI tạo sinh được huấn luyện bằng tập dữ liệu rất lớn, việc truy nguồn đầu ra tới từng tác phẩm gốc gần như không còn khả thi.
- Nhóm nghiên cứu gọi hiện tượng này là “attribution decay”, tức khả năng quy đầu ra về từng dữ liệu huấn luyện giảm dần khi quy mô dữ liệu tăng.
- Thử nghiệm cho thấy có thể xóa một hình ảnh, toàn bộ tác phẩm của một họa sĩ hoặc toàn bộ ảnh của một người khỏi dữ liệu huấn luyện mà đầu ra hầu như không thay đổi.
- Theo nhóm nghiên cứu, nếu loại bỏ một dữ liệu mà kết quả không đổi thì dữ liệu đó không thể được xem là nguyên nhân tạo ra đầu ra.
- Họ phát triển kiến trúc “diffusion ensemble”, chia mô hình thành nhiều thành phần nhỏ để loại bỏ chính xác ảnh hưởng của từng dữ liệu mà không phải huấn luyện lại toàn bộ.
- Nhóm so sánh hệ thống mới với 24 mô hình diffusion truyền thống trên cùng dữ liệu và chất lượng ảnh tạo ra tương đương.
- Thử nghiệm sử dụng hơn 160.000 hình ảnh từ 7 bộ dữ liệu công khai như CIFAR-10, CelebA, MetFaces và ArtBench.
- Kết quả cho thấy ảnh hưởng của từng dữ liệu giảm theo quy luật lũy thừa nghịch khi quy mô dữ liệu tăng.
- Nhóm còn huấn luyện 1.282 mô hình riêng để kiểm chứng và vẫn thu được kết quả tương tự.
- Giáo sư David Gifford cho rằng phát hiện này đặt lại câu hỏi liệu đầu ra AI có còn là tác phẩm phái sinh hay đủ điều kiện được bảo hộ bản quyền.
- Nghiên cứu cũng gợi ý các công ty AI có thể xây dựng mô hình bảo đảm đầu ra không thể quy về từng tác phẩm cụ thể.
- Các tác giả lưu ý nghiên cứu mới chỉ áp dụng cho mô hình diffusion tạo hình ảnh, chưa xác nhận với mô hình ngôn ngữ lớn.
📌 Công trình của MIT đặt ra góc nhìn mới về bản quyền AI tạo sinh. Khi dữ liệu huấn luyện đủ lớn, từng tác phẩm riêng lẻ gần như không còn ảnh hưởng đáng kể đến hình ảnh được tạo ra, khiến việc xác định “tác giả nguồn” trở nên rất khó. Phát hiện này có thể tác động mạnh tới các vụ kiện bản quyền AI, cách đánh giá tác phẩm phái sinh và các quy định bồi thường cho người sáng tạo, nhưng hiện vẫn chưa được chứng minh áp dụng cho mô hình ngôn ngữ lớn.
Tổng hợp.
