AI圖片「出自邊張圖」愈來愈難證明：MIT揭示歸因衰減

研究團隊再將這套方法與24個使用相同數據訓練的傳統擴散模型比較，按標準指標評估，兩者輸出質素大致相若。

在這個架構下，研究人員可以進行較精確的移除測試：如果關閉所有曾接觸某個來源的組件後，輸出仍然不變，實驗就沒有提供可測量證據，證明該來源造成了這個輸出。

對AI版權訴訟有咩影響？

「歸因衰減」可能令一類特定主張更加難證明：例如指稱某張生成圖片是由原告的一張圖片，或者由原告整套藝術作品直接造成或複製而來。如果在精確的反事實測試中移除相關資料，輸出仍然沒有改變，這項測試就很難支持將該輸出歸因於被移除的來源。

這類問題可能出現在涉及 Midjourney、OpenAI 或 Microsoft 等AI圖片服務及模型開發商的爭議中。不過，研究本身並沒有裁定任何公司的法律責任；它提供的是關於「個別訓練資料與個別輸出之間的因果關係有幾難證明」的科學證據。

以下幾個法律及技術問題，研究都沒有代替法院回答：

• 訓練數據係點樣取得？ 研究沒有判斷將版權作品收集或用作訓練是否合法。
• 生成結果是否與受保護作品實質相似？ 即使難以將結果歸因於單一訓練檔案，視覺上的相似程度仍然可能重要。
• 模型有冇記憶或重現範例？ 在某些情況下，模型仍可能重現訓練資料；而證明模型記憶某些內容，與證明每個輸出都由某一個來源造成，是兩回事。
• 系統有冇被設定去模仿某位藝術家？ 針對性提示詞、微調，或其他模型行為，可能提供單一圖片移除測試捕捉不到的證據。

因此，法院及調查人員可能要依靠更完整的證據鏈，包括數據取得紀錄、來源及沿革資料（provenance）、直接相似度分析、針對性提示詞測試、模型行為證據，以及專家分析。這是根據研究發現作出的實務推論，並不是研究本身創造出來的法律規則。

唔代表AI開發商可以「甩身」

不應該將研究解讀為「擴散模型永遠唔會抄襲」。研究指出的是：當訓練數據集變得龐大，單一來源對某個輸出的可測量影響可能變得微不足道；但在某些環境下，模型仍然可以記憶或重現訓練範例。

研究範圍亦有限。團隊檢視的是以擴散技術為基礎的圖片生成器，因此不能自動將結論套用到語言模型或其他生成式架構。

最穩妥的結論是：大型擴散式圖片生成系統，可能令「一個輸出對應一個訓練來源」的追溯更加困難，即使訓練數據確實包含某張圖片或某位藝術家的作品。這或會削弱證明某個特定輸出責任歸屬的一條路徑，但關於訓練方式、複製、模仿及知識產權的更大問題，仍然未有因此解決。