如果要測試某個來源被移除後會點，團隊就會關閉所有曾經睇過該來源嘅組件。咁樣可以直接建立一個「冇咗該素材」嘅反事實模型，唔需要重新訓練整個模型，亦唔使靠近似方法推算。

團隊亦將呢種集成方法，同24個以相同數據訓練嘅傳統擴散模型比較。按標準評估指標計算，兩種方法嘅輸出質素大致相若。

測試涵蓋由256張至超過16萬張圖片嘅數據集，研究人員分別移除：

• 一張單獨嘅圖片；
• 某一位藝術家嘅全部作品；
• 某一個人嘅全部相片。

當訓練數據規模變大，移除上述來源往往唔會令生成結果出現可觀察嘅變化，亦即係話，個別來源嘅影響逐漸變得難以量度。

對AI版權訴訟有咩影響？

呢項發現可能令一類常見嘅版權主張更加複雜：如果有人指控某個與Midjourney、OpenAI或Microsoft相關嘅系統，所生成嘅特定圖片係由其某一張圖片，或者其完整作品集造成，原告可能需要證明更具體嘅因果關係。

如果將相關素材精確移除後，輸出仍然冇明顯改變，單靠呢種反事實測試，就未必足以支持「呢張輸出係由該素材造成」嘅說法。

不過，研究並冇處理以下獨立嘅法律問題：

• 公司蒐集及複製作品建立訓練數據時，有冇侵犯版權；
• AI訓練本身屬於侵權，定係可能受合理使用等法律原則保障；
• 生成輸出有冇同受保護作品構成實質相似；
• 模型有冇被刻意提示、設定或調校成模仿某位藝術家。

所以，呢項研究係關於「特定輸出可唔可以歸因於特定訓練來源」嘅實證證據，並唔係法院判決，亦唔係版權責任嘅最終答案。

點解唔可以當成AI公司嘅「免死金牌」？

第一，擴散模型仍然可能記憶，甚至喺某些情況下重現訓練樣本。「歸因衰減」只係表示，當數據集變大，單一來源對個別輸出嘅效果往往變到無法量度，唔代表複製現象永遠唔會發生。

第二，研究集中於擴散式圖像生成器，唔可以自動套用到語言模型，或者其他生成式架構。

因此，日後要判斷有冇複製及應由邊一方承擔知識產權責任，法院可能需要參考更多證據，包括數據取得紀錄、作品之間嘅直接相似程度、模型面對針對性提示時嘅行為、內容來源及溯源資料，以及專家分析。

研究真正帶出嘅重點係：當模型訓練規模去到一定程度，要用「一張訓練圖片對應一張生成圖片」嘅方式，證明單一來源造成某個輸出，可能會越來越困難；但呢個技術限制，唔等於相關版權爭議就此消失。

如果要測試某個來源被移除後會點，團隊就會關閉所有曾經睇過該來源嘅組件。咁樣可以直接建立一個「冇咗該素材」嘅反事實模型，唔需要重新訓練整個模型，亦唔使靠近似方法推算。

團隊亦將呢種集成方法，同24個以相同數據訓練嘅傳統擴散模型比較。按標準評估指標計算，兩種方法嘅輸出質素大致相若。

測試涵蓋由256張至超過16萬張圖片嘅數據集，研究人員分別移除：

• 一張單獨嘅圖片；
• 某一位藝術家嘅全部作品；
• 某一個人嘅全部相片。

當訓練數據規模變大，移除上述來源往往唔會令生成結果出現可觀察嘅變化，亦即係話，個別來源嘅影響逐漸變得難以量度。

對AI版權訴訟有咩影響？

呢項發現可能令一類常見嘅版權主張更加複雜：如果有人指控某個與Midjourney、OpenAI或Microsoft相關嘅系統，所生成嘅特定圖片係由其某一張圖片，或者其完整作品集造成，原告可能需要證明更具體嘅因果關係。

如果將相關素材精確移除後，輸出仍然冇明顯改變，單靠呢種反事實測試，就未必足以支持「呢張輸出係由該素材造成」嘅說法。

不過，研究並冇處理以下獨立嘅法律問題：

• 公司蒐集及複製作品建立訓練數據時，有冇侵犯版權；
• AI訓練本身屬於侵權，定係可能受合理使用等法律原則保障；
• 生成輸出有冇同受保護作品構成實質相似；
• 模型有冇被刻意提示、設定或調校成模仿某位藝術家。

所以，呢項研究係關於「特定輸出可唔可以歸因於特定訓練來源」嘅實證證據，並唔係法院判決，亦唔係版權責任嘅最終答案。

點解唔可以當成AI公司嘅「免死金牌」？

第一，擴散模型仍然可能記憶，甚至喺某些情況下重現訓練樣本。「歸因衰減」只係表示，當數據集變大，單一來源對個別輸出嘅效果往往變到無法量度，唔代表複製現象永遠唔會發生。

第二，研究集中於擴散式圖像生成器，唔可以自動套用到語言模型，或者其他生成式架構。

因此，日後要判斷有冇複製及應由邊一方承擔知識產權責任，法院可能需要參考更多證據，包括數據取得紀錄、作品之間嘅直接相似程度、模型面對針對性提示時嘅行為、內容來源及溯源資料，以及專家分析。

研究真正帶出嘅重點係：當模型訓練規模去到一定程度，要用「一張訓練圖片對應一張生成圖片」嘅方式，證明單一來源造成某個輸出，可能會越來越困難；但呢個技術限制，唔等於相關版權爭議就此消失。