دراسة من MIT تكشف لماذا يصعب ربط الصور المولَّدة بمصدر واحد

ومع زيادة حجم البيانات، لم تُحدث إزالة أحد هذه المصادر في كثير من الحالات تغييراً ملحوظاً في المخرَج المولَّد. ومن هنا جاء وصف «اضمحلال الإسناد»: انخفاض التأثير القابل للقياس لكل مصدر منفرد مع اتساع مجموعة التدريب.

ماذا يعني ذلك لقضايا حقوق النشر؟

قد تصعّب النتيجة إثبات أن مخرَجاً محدداً من نظام مرتبط بشركات مثل Midjourney أو OpenAI أو Microsoft نتج عن صورة بعينها يملكها المدّعي، أو عن كامل أعماله الفنية. فإذا لم يتغير المخرَج بعد إزالة تلك المادة في اختبار مضاد دقيق، فلن يقدم هذا الاختبار وحده أساساً قوياً لإسناد المخرَج إليها.

لكن الدراسة لا تفصل في الأسئلة القانونية الأوسع، ومنها:

• هل نُسخت الأعمال أصلاً عند جمع بيانات التدريب؟
• هل يُعد تدريب النموذج على تلك الأعمال انتهاكاً لحقوق النشر أم استخداماً عادلاً، وفق القانون المعمول به؟
• هل يشكل المخرَج تشابهاً جوهرياً مع عمل محمي؟
• هل جرى توجيه النموذج أو ضبطه عمداً لمحاكاة أسلوب فنان؟

بعبارة أخرى، تقدم الدراسة دليلاً على صعوبة إسناد مخرَج معين إلى مصدر فردي، لكنها ليست حكماً قضائياً بشأن الملكية الفكرية أو مشروعية التدريب.

لماذا لا تمثل النتيجة «ضوءاً أخضر»؟

لا تقول الدراسة إن نماذج الانتشار عاجزة عن حفظ الصور أو إعادة إنتاجها. فقد تتمكن النماذج، في ظروف معينة، من تذكّر أمثلة تدريبية أو توليد نسخ منها؛ أما «اضمحلال الإسناد» فيشير إلى أن أثر المصدر الفردي يصبح غالباً غير قابل للقياس عندما تتضخم مجموعات البيانات، لا إلى استحالة النسخ.

كما أن البحث ركّز على مولدات الصور المعتمدة على الانتشار، ولذلك لا يصح تعميم نتائجه تلقائياً على النماذج اللغوية أو البنى التوليدية الأخرى.

لذلك قد تحتاج المحاكم والجهات المعنية إلى جمع أنواع متعددة من الأدلة: سجلات الحصول على بيانات التدريب، وأدلة التشابه المباشر، واختبارات سلوك النموذج عند استخدام مطالبات موجهة، ومعلومات مصدر الأعمال، وتحليلات خبراء. وهذا استنتاج يرتبط بالصعوبة التي أظهرها البحث في إثبات علاقة سببية بين مصدر فردي ومخرَج بعينه عندما تعمل النماذج على نطاق واسع.