เมื่อโมเดล AI ใหญ่ขึ้น การชี้ว่า “ภาพนี้มาจากใคร” อาจทำได้ยากกว่าเดิม

งานวิจัยของ Zheng Dai และ David Gifford จาก MIT Computer Science and Artificial Intelligence Laboratory (MIT CSAIL) พบปัญหาที่ชัดเจนขึ้นเมื่อโมเดลสร้างภาพแบบ diffusion ขยายขนาด: การพิสูจน์ว่าภาพฝึกภาพใดภาพหนึ่งเป็นสาเหตุของภาพที่สร้างขึ้นภาพใดภาพหนึ่งอาจทำได้ยากมากขึ้น นักวิจัยเรียกปรากฏการณ์นี้ว่า การเสื่อมของการระบุแหล่งที่มา (attribution decay)

ผลการค้นพบนี้มีความสำคัญต่อการถกเถียงเรื่องงานศิลปะที่สร้างโดย AI และลิขสิทธิ์ แต่ควรอ่านอย่างระมัดระวัง เพราะงานวิจัยพูดถึง “การระบุเหตุเชิงสาเหตุ” ระหว่างข้อมูลฝึกกับผลลัพธ์ของโมเดล diffusion เป็นหลัก ไม่ได้ตัดสินว่าบริษัทมีสิทธิ์รวบรวมงานลิขสิทธิ์มาฝึกโมเดลหรือไม่ ภาพที่สร้างขึ้นเหมือนงานที่ได้รับความคุ้มครองอย่างมีนัยสำคัญหรือไม่ หรือโมเดลสามารถจดจำและสร้างงานต้นฉบับซ้ำได้หรือไม่

“การเสื่อมของการระบุแหล่งที่มา” คืออะไร

หลักการสำคัญเข้าใจได้ไม่ยาก: เมื่อโมเดล diffusion เรียนรู้จากชุดข้อมูลภาพที่ใหญ่ขึ้น อิทธิพลที่วัดได้ของภาพฝึกแต่ละภาพต่อผลลัพธ์ภาพใดภาพหนึ่งมักลดลง เมื่อถึงระดับหนึ่ง การนำภาพนั้นออกจากชุดข้อมูลอาจแทบไม่ทำให้ผลลัพธ์เปลี่ยนแปลงเลย

ทีมวิจัยยังทดสอบการนำข้อมูลออกในระดับที่กว้างขึ้น ได้แก่ ผลงานทั้งหมดของศิลปินหนึ่งคน และภาพถ่ายทั้งหมดของบุคคลหนึ่งคน ผลการทดลองชี้ว่า เมื่อโมเดลและชุดข้อมูลมีขนาดใหญ่พอ การนำข้อมูลเหล่านี้ออกก็อาจทำให้ผลลัพธ์เปลี่ยนแปลงเพียงเล็กน้อยหรือไม่เปลี่ยนอย่างวัดได้ การทดลองครอบคลุม diffusion ensemble 24 ชุด และชุดข้อมูลที่มีขนาดตั้งแต่ 256 ภาพไปจนถึงมากกว่า 160,000 ภาพ

อย่างไรก็ตาม นี่ไม่ได้หมายความว่าภาพดังกล่าวไม่มีบทบาทต่อการฝึกโมเดลโดยรวม แต่หมายความว่า สำหรับผลลัพธ์เฉพาะภาพหนึ่งและภายใต้การทดสอบการนำข้อมูลออกของงานวิจัย อิทธิพลเชิงสาเหตุของภาพนั้นเพียงภาพเดียวอาจเล็กเกินกว่าจะตรวจจับได้

วิธีทดสอบด้วย “diffusion ensemble”

การตรวจสอบคำถามนี้โดยตรงไม่ใช่เรื่องง่าย วิธีทั่วไปคือต้องฝึกโมเดลใหม่หลังนำภาพต้นทางออก แล้วเปรียบเทียบผลลัพธ์กับโมเดลเดิม หากต้องทำซ้ำกับภาพแต่ละภาพ ผลงานของศิลปินแต่ละคน หรือภาพของบุคคลแต่ละราย กระบวนการจะใช้ทรัพยากรสูงมาก อีกทั้งวิธีประมาณค่าอาจไม่สามารถลบผลกระทบที่ข้อมูลนั้นส่งต่อไปยังส่วนอื่นของโมเดลได้ครบถ้วน

Dai และ Gifford จึงออกแบบ diffusion ensemble ซึ่งประกอบด้วยส่วนย่อยของโมเดล diffusion หลายชุด แต่ละส่วนฝึกด้วยชุดข้อมูลที่แตกต่างกันและมีบางส่วนซ้อนทับกัน เมื่อต้องการทดสอบอิทธิพลของภาพต้นทาง นักวิจัยสามารถปิดการทำงานของส่วนย่อยทั้งหมดที่เคยเห็นภาพนั้น แล้วสร้างผลลัพธ์สมมติว่าไม่มีภาพดังกล่าวอยู่ในชุดฝึก โดยไม่ต้องฝึกระบบทั้งหมดใหม่

ทีมวิจัยเปรียบเทียบวิธี ensemble กับโมเดล diffusion แบบทั่วไป 24 โมเดลที่ฝึกด้วยข้อมูลชุดเดียวกัน และรายงานว่าคุณภาพผลลัพธ์โดยรวมใกล้เคียงกันเมื่อวัดด้วยมาตรฐานทั่วไป

วิธีนี้ทำให้เกิดการทดสอบการนำข้อมูลออกที่แม่นยำภายในสถาปัตยกรรมที่ออกแบบขึ้น หากผลลัพธ์ยังคงเดิมหลังปิดทุกส่วนของโมเดลที่เคยเรียนรู้จากแหล่งข้อมูลนั้น การทดลองก็ไม่พบหลักฐานเชิงวัดได้ว่าแหล่งข้อมูลดังกล่าวเป็นสาเหตุของผลลัพธ์นั้น

ผลต่อคดีลิขสิทธิ์เกี่ยวกับภาพ AI

การเสื่อมของการระบุแหล่งที่มาอาจทำให้ข้อกล่าวหาบางประเภทพิสูจน์ได้ยากขึ้น โดยเฉพาะข้อกล่าวหาว่าภาพที่สร้างขึ้นภาพหนึ่งเกิดจากภาพของโจทก์โดยตรง หรือเกิดจากผลงานทั้งหมดของศิลปินรายใดรายหนึ่ง หากการนำแหล่งข้อมูลนั้นออกในการทดสอบแบบสมมติเหตุการณ์ตรงข้ามไม่ทำให้ผลลัพธ์เปลี่ยน การทดสอบดังกล่าวก็จะให้หลักฐานเพียงเล็กน้อยในการชี้ว่าผลลัพธ์มาจากแหล่งข้อมูลนั้น

ประเด็นนี้อาจเกี่ยวข้องกับข้อพิพาทที่มีผู้ให้บริการสร้างภาพหรือผู้พัฒนาโมเดล เช่น Midjourney, OpenAI และ Microsoft แต่ตัวงานวิจัยไม่ได้ตัดสินว่าบริษัทใดมีความรับผิดทางกฎหมาย งานนี้ให้หลักฐานเกี่ยวกับความยากในการพิสูจน์ความเชื่อมโยงเชิงสาเหตุระหว่างข้อมูลฝึกแต่ละรายการกับผลลัพธ์แต่ละภาพเท่านั้น

คำถามทางกฎหมายอีกหลายข้อยังคงต้องพิจารณาแยกกัน ได้แก่

• ข้อมูลฝึกได้มาอย่างไร งานวิจัยไม่ได้ตัดสินว่าการรวบรวมหรือใช้ผลงานที่มีลิขสิทธิ์เพื่อฝึกโมเดลชอบด้วยกฎหมายหรือไม่
• ผลลัพธ์เหมือนงานที่ได้รับความคุ้มครองอย่างมีนัยสำคัญหรือไม่ ความเหมือนทางภาพอาจมีความสำคัญ แม้จะพิสูจน์ไม่ได้ว่าผลลัพธ์เกิดจากไฟล์ฝึกไฟล์ใดไฟล์หนึ่ง
• ระบบจดจำหรือสร้างตัวอย่างเดิมซ้ำหรือไม่ โมเดลอาจสร้างเนื้อหาจากข้อมูลฝึกซ้ำได้ในบางสถานการณ์ ซึ่งแตกต่างจากการพิสูจน์ว่าผลลัพธ์ทุกภาพมีสาเหตุมาจากแหล่งข้อมูลเพียงแหล่งเดียว
• ระบบถูกตั้งค่าหรือสั่งให้เลียนแบบศิลปินหรือไม่ พรอมต์ที่เจาะจง การปรับแต่งโมเดล หรือพฤติกรรมอื่นของระบบอาจเป็นหลักฐานที่การทดสอบนำภาพเดียวออกไม่ครอบคลุม

ในทางปฏิบัติ ศาลและผู้ตรวจสอบอาจต้องพิจารณาหลักฐานที่กว้างขึ้น เช่น บันทึกการได้มาซึ่งข้อมูล ข้อมูลแหล่งที่มา การวิเคราะห์ความเหมือนโดยตรง การทดสอบด้วยพรอมต์เฉพาะ พฤติกรรมของโมเดล และความเห็นจากผู้เชี่ยวชาญ ข้อสรุปนี้เป็นผลต่อเนื่องจากการค้นพบว่าการระบุเหตุจากภาพหนึ่งไปยังผลลัพธ์หนึ่งทำได้ไม่น่าเชื่อถือขึ้นเมื่อระบบมีขนาดใหญ่ ไม่ใช่กฎทางกฎหมายที่งานวิจัยสร้างขึ้น

เหตุใดผลการศึกษานี้จึงไม่ใช่ใบอนุญาตให้บริษัท AI ทำอะไรก็ได้

ไม่ควรตีความว่าการเสื่อมของการระบุแหล่งที่มาเป็นหลักฐานว่าโมเดล diffusion ไม่เคยลอกผลงาน ผลการศึกษาระบุเพียงว่า เมื่อชุดข้อมูลฝึกมีขนาดใหญ่ขึ้น อิทธิพลที่วัดได้ของแหล่งข้อมูลรายบุคคลอาจลดลงจนแทบเป็นศูนย์ โมเดลยังสามารถจดจำหรือสร้างตัวอย่างจากข้อมูลฝึกซ้ำได้ในบางเงื่อนไข

ขอบเขตของงานก็มีความสำคัญเช่นกัน เพราะการทดลองมุ่งศึกษาระบบสร้างภาพที่ใช้ diffusion ผลลัพธ์จึงไม่ควรถูกนำไปสรุปกับโมเดลภาษา หรือสถาปัตยกรรมสร้างเนื้อหาประเภทอื่นโดยอัตโนมัติ

การอ่านงานวิจัยที่แม่นยำที่สุดจึงควรเป็นแบบระมัดระวัง: ระบบสร้างภาพ diffusion ขนาดใหญ่อาจทำให้การระบุว่าผลลัพธ์ภาพหนึ่งเกิดจากภาพฝึกหรือผลงานของศิลปินรายใดรายหนึ่งทำได้ยากขึ้น ซึ่งอาจลดน้ำหนักของแนวทางการพิสูจน์ความรับผิดแบบ “ภาพต้นทางหนึ่งภาพต่อผลลัพธ์หนึ่งภาพ” แต่ไม่ได้ทำให้คำถามที่กว้างกว่านั้นเกี่ยวกับการฝึกโมเดล การทำซ้ำ การเลียนแบบ และสิทธิในทรัพย์สินทางปัญญาหายไป