เมื่อ AI เรียนรู้จากภาพมากขึ้น การตามหาต้นทางของภาพที่สร้างอาจยิ่งทำได้ยาก

ผลต่อคดีลิขสิทธิ์ของ AI

ข้อค้นพบนี้อาจทำให้การพิสูจน์ว่า ภาพที่สร้างโดยระบบซึ่งเกี่ยวข้องกับ Midjourney, OpenAI หรือ Microsoft เกิดจาก—หรือถูกคัดลอกจาก—ภาพเฉพาะของโจทก์ทำได้ซับซ้อนขึ้น หากการนำภาพนั้นหรือผลงานทั้งหมดของศิลปินออกจากชุดฝึกไม่ทำให้ผลงานที่เกี่ยวข้องเปลี่ยนแปลง การทดสอบเชิงเหตุและผลรูปแบบนี้ก็อาจมีหลักฐานไม่เพียงพอที่จะระบุว่าผลงานดังกล่าวเกิดจากแหล่งข้อมูลนั้นโดยตรง

อย่างไรก็ตาม งานวิจัยไม่ได้ตอบคำถามทางกฎหมายแยกต่างหากว่า บริษัทคัดลอกผลงานเพื่อรวบรวมชุดข้อมูลฝึกหรือไม่ การฝึกโมเดลเข้าข่ายละเมิดลิขสิทธิ์หรือเป็นการใช้โดยชอบธรรมหรือไม่ ผลลัพธ์มีความเหมือนอย่างมีนัยสำคัญกับงานที่ได้รับความคุ้มครองหรือไม่ หรือโมเดลถูกสั่งหรือกำหนดค่าโดยเจตนาให้เลียนแบบศิลปินคนใดหรือไม่

พูดให้ชัดคือ การศึกษานี้เป็นหลักฐานเกี่ยวกับ การระบุสาเหตุของผลงานที่สร้างขึ้นเป็นรายชิ้น ไม่ใช่คำวินิจฉัยทางกฎหมาย

เหตุใดจึงไม่ใช่ “ใบผ่าน” ให้ AI

ผลการศึกษาไม่ได้บอกว่าโมเดล diffusion จดจำภาพไม่ได้ โมเดลยังสามารถจดจำหรือสร้างภาพฝึกซ้ำได้ในบางเงื่อนไข เพียงแต่ attribution decay หมายถึงผลกระทบของแหล่งข้อมูลรายใดรายหนึ่งมักลดลงจนวัดไม่ได้เมื่อชุดข้อมูลมีขนาดใหญ่ขึ้น ไม่ได้หมายความว่าการคัดลอกไม่เคยเกิดขึ้น

นอกจากนี้ การทดลองมุ่งศึกษาระบบสร้างภาพแบบ diffusion จึงไม่ควรนำไปสรุปโดยอัตโนมัติกับโมเดลภาษา หรือสถาปัตยกรรมสร้างสรรค์ประเภทอื่น

ดังนั้น ในการประเมินประเด็นการคัดลอกและความรับผิดชอบด้านทรัพย์สินทางปัญญา ศาลอาจต้องพิจารณาหลักฐานอื่นร่วมด้วย เช่น บันทึกการได้มาของข้อมูล หลักฐานความเหมือนโดยตรง พฤติกรรมของโมเดลเมื่อใช้พรอมต์แบบเจาะจง ข้อมูลแหล่งที่มา และความเห็นจากผู้เชี่ยวชาญ ข้อสรุปนี้เป็นการอนุมานจากความยากในการระบุสาเหตุของผลงานแต่ละชิ้นเมื่อโมเดลฝึกจากข้อมูลขนาดใหญ่