Nelson Chu, Ιδρυτής και Διευθύνων Σύμβουλος της ARCOS Labs – Σειρά Συνεντεύξεων

Nelson Chu, Ιδρυτής και Διευθύνων Σύμβουλος της ARCOS Labs, είναι ένας επαναλαμβανόμενος επιχειρηματίας και τεχνολογικός εκτελεστικός με υπόβαθρο που καλύπτει χρηματοοικονομική υποδομή, επενδύσεις και ψηφιακές πλατφόρμες. Πριν ιδρύσει την ARCOS Labs, πέρασε οκτώ χρόνια ως Ιδρυτής και Διευθύνων Σύμβουλος της Percent, όπου δημιούργησε μια τεχνολογική πλατφόρμα σχεδιασμένη να εκσυγχρονίσει τις αγορές ιδιωτικού πιστωτικού κεφαλαίου, και τώρα υπηρετεί ως Πρόεδρος του Διοικητικού Συμβουλίου. Στο αρχικό του στάδιο, ο Chu συνέστησε τη MySupport, μια διαδικτυακή πλατφόρμα που συνδέει ηλικιωμένους και άτομα με αναπηρίες με εργαζόμενους υποστήριξης, η οποία αργότερα εξαγοράστηκε από την RISE Services, και ίδρυσε την εταιρεία στρατηγικής συμβουλευτικής Lumenary. Έχει επίσης υπηρετήσει ως σύμβουλος και επενδυτής σε εταιρείες όπως η BlockFi και η Recharge Capital, ενώ ξεκίνησε την καριέρα του στις χρηματοοικονομικές υπηρεσίες με θέσεις στη BlackRock, Bank of America και Merrill Lynch.

ARCOS Labs, συντομογραφία του Applied Research in Creative Output Synthesis, αναπτύσσει υποδομές σχεδιασμένες να βοηθήσουν την AI να λειτουργεί υπεύθυνα καθώς τα γενετικά μοντέλα αλληλεπιδρούν ολοένα και περισσότερο με έργα που προστατεύονται από πνευματικά δικαιώματα, χαρακτήρες και ανθρώπινες ομοιότητες. Η εταιρεία εστιάζει στην εγκληματολογική νοημοσύνη Πνευματικής Ιδιοκτησίας και στη διαχείριση δικαιωμάτων, με τεχνολογία που στοχεύει στην ταυτοποίηση και μέτρηση του πώς τα δημιουργικά περιουσιακά στοιχεία αναπαράγονται από την AI, στην παρακολούθηση της χρήσης τους και στην υποστήριξη πλαισίων αδειοδότησης και επιβολής. Η κορυφαία πλατφόρμα της, VN, έχει σχεδιαστεί για να παρέχει σε δημιουργούς, στούντιο, πρακτορεία ταλέντων και κατόχους δικαιωμάτων μεγαλύτερη ορατότητα και έλεγχο πάνω στο πώς τα συστήματα AI χρησιμοποιούν την πνευματική τους ιδιοκτησία, ενώ η ARCOS βρίσκεται επίσης πίσω από το Lightbar, μια πρωτοβουλία crowdsourced για την έρευνα μοντέλων εκπαίδευσης AI. Η εταιρεία εμφανίστηκε δημόσια από το stealth τον Αύγουστο του 2026 με έναν ευρύτερο στόχο την οικοδόμηση της εμπιστοσύνης και των υποδομών δικαιωμάτων που χρειάζονται για να συνυπάρχουν δημιουργοί και συστήματα AI σε μεγάλη κλίμακα.

Πέρασες οκτώ χρόνια χτίζοντας τη Percent γύρω από την υποδομή που απαιτείται για να φέρει αποδοτικότητα και διαφάνεια σε μια κατακερματισμένη αγορά ιδιωτικού πιστωτικού κεφαλαίου. Ποιες διδαχές από την κατασκευή αυτού του τύπου χρηματοοικονομικής υποδομής εφαρμόζεις τώρα στην ARCOS Labs καθώς αντιμετωπίζετε το πολύ διαφορετικό πρόβλημα της πνευματικής ιδιοκτησίας και της διαχείρισης δικαιωμάτων στην εποχή της γενετικής AI;

Πολλά από αυτά μεταφέρονται. Όταν ξεκινήσαμε τη Percent, η ιδιωτική πίστωση ήταν κατακερματισμένη και αδιαφανής. Κάθε συμφωνία περιγράφεται διαφορετικά, οπότε δεν μπορούσε να συγκριθεί ή να τιμολογηθεί με σιγουριά. Η πρώτη διδαχή είναι ότι η τυποποίηση πρέπει να έρθει πριν από την αγορά. Πέραμε χρόνια στην λιγότερο εντυπωσιακή υποδομή που επέτρεψε μια συμφωνία να περιγράφεται και να επαληθεύεται με τον ίδιο τρόπο κάθε φορά, και οι αποδοτικές συναλλαγές ήρθαν μόνο μετά. Η Πνευματική Ιδιοκτησία στην εποχή της γενετικής AI έχει το ίδιο πρόβλημα. Δεν υπάρχει τυπικό αρχείο για το τι είναι ένα περιουσιακό στοιχείο και ποιος το κατέχει, πόσο μάλλον πώς αυτά τα μοντέλα το χρησιμοποιούν. Μέχρι να υπάρξει αυτό το αρχείο, όλα τα επόμενα παραμένουν αυθαίρετα, είτε πρόκειται για επιβολή είτε για αδειοδότηση.

Η δεύτερη διδαχή είναι ότι η εμπιστοσύνη χτίζεται πάνω στην επαλήθευση. Οι επενδυτές στην ιδιωτική πίστωση ποτέ δεν αποδέχονταν το λόγο του εκδότη για την απόδοση μιας συμφωνίας. Ήθελαν δεδομένα που θα μπορούσαν να ελέγξουν μόνοι τους. Οι κάτοχοι δικαιωμάτων βρίσκονται στην ίδια θέση με τις εταιρείες AI σήμερα. Οι εγγυήσεις για τα guardrails έχουν πολύ μικρή βαρύτητα. Τα αποδεικτικά στοιχεία που μπορούν να αναπαραχθούν ανεξάρτητα είναι αυτά που αλλάζουν τη συζήτηση.

Η τρίτη διδαχή αφορά τα κίνητρα. Οποιαδήποτε κατακερματισμένη αγορά «κοτόπουλο και αυγό» λειτουργεί μόνο όταν κάθε πλευρά είναι πεπεισμένη ότι η λύση τους ωφελεί. Με τη Percent, παρακολουθήσαμε προσπάθειες επίλυσης του προβλήματος για τη μία ή την άλλη πλευρά, και ποτέ δεν κράτησαν. Στην Πνευματική Ιδιοκτησία και τη διαχείριση δικαιωμάτων, τα κίνητρα είναι αυτή τη στιγμή σοβαρά ασυμφωνημένα. Οι εταιρείες μοντέλων θέλουν να μεγαλώσουν, να παρέχουν πολύτιμα εργαλεία στους πελάτες τους, και μερικές φορές να δημιουργούν παραβιαστικό περιεχόμενο ως τακτική μάρκετινγκ, με τη Sora και τη ByteDance ως πρόσφατα παραδείγματα. Οι κάτοχοι δικαιωμάτων, εν τω μεταξύ, προσπαθούν να συμβαδίσουν με αλλαγές που δεν μπορούν καν να προβλέψουν, παραμένοντας σχετικοί σε μια εποχή όπου η παραγωγή περιεχομένου έγινε δραματικά πιο εύκολη. Η υποδομή που κερδίζει σε μια τέτοια αγορά είναι αυτή που και οι δύο πλευρές μπορούν να εμπιστευτούν, κάτι που συνήθως σημαίνει ότι δεν είναι συμμετέχων στη συναλλαγή.

Το ευρύτερο σχήμα είναι επίσης οικείο. Η ιδιωτική πίστωση έγινε μια κυρίαρχη κατηγορία περιουσιακών στοιχείων μόλις υπήρξε η υποδομή για τη μέτρησή της, και πιστεύω ότι η Πνευματική Ιδιοκτησία βρίσκεται στην αρχή της ίδιας μετάβασης.

Τι σε έπεισε ότι η προστασία δημιουργικού έργου από τη γενετική AI απαιτεί ένα νέο τεχνικό στρώμα υποδομής, αντί κυρίως καλύτερου νόμου περί πνευματικών δικαιωμάτων, πολιτικών διαχείρισης περιεχομένου ή υδατογράφησης;

Βασικά, τα μοντέλα είναι μια τεχνολογική λύση και επομένως αν θέλεις να προστατεύσεις τη δημιουργικότητα από τα μοντέλα, απαιτείται τεχνική λύση. Ο νόμος περί πνευματικών δικαιωμάτων παραμένει ασαφής, γεγονός που φαίνεται σε υποθέσεις όπως η Cox, η Anthropic, καθώς και σε ό,τι συμβαίνει στη Γερμανία με τη GEMA. Η έννοια του «δίκαιου χρήσης» εξακολουθεί να είναι ανοιχτό ερώτημα και δεν έχει ακόμη αποφασιστεί, και τα δικαστήρια, όπως πρέπει, θα χρειαστούν πολύ χρόνο για να αποφασίσουν. Η διαχείριση περιεχομένου βασίζεται στα μοντέλα να αυτορυθμίζουν, κάτι που απαιτεί πολλά από αυτά και είναι σχεδόν αδύνατο σύμφωνα με τις παρατηρήσεις μας. Η υδατογράφηση είναι μια υποσχόμενη ιδέα, αλλά εξαρτάται επίσης από το αν οι άνθρωποι θα την επιβλέπουν και μπορεί να αφαιρεθεί εύκολα. Με όλα αυτά στο μυαλό, ξέραμε ότι ο μόνος πραγματικός τρόπος να το αντιμετωπίσουμε ήταν να το κάνουμε εμείς οι ίδιοι και να προσφέρουμε μια λύση με τεχνολογία σε αυτό το πολύ πραγματικό και σημαντικό πρόβλημα.

Η VN έχει σχεδιαστεί για να μετρά πόσο κοντά το περιεχόμενο που δημιουργείται από AI μοιάζει με προστατευμένους χαρακτήρες, δημιουργικά έργα και ανθρώπινες ομοιότητες. Σε τεχνικό επίπεδο, πώς το σύστημα καθορίζει πότε μια έξοδος πέρασε από το να είναι απλώς παρόμοια σε κάτι που πρέπει να ανησυχεί έναν κάτοχο δικαιωμάτων;

Τελικά αφήνουμε την απόφαση στον χρήστη. Ο ρόλος μας είναι να προσδιορίσουμε πόσο στατιστικά παρόμοια είναι η έξοδος, διασφαλίζοντας ότι καταγράφουμε κάθε στάση και δυνατότητα, και στη συνέχεια να τη συγκρίνουμε με τον προστατευμένο χαρακτήρα, το δημιουργικό έργο ή την ανθρώπινη ομοιότητα. Ορισμένοι χρήστες έχουν ένα όριο κάτω από το οποίο δεν μπορούν να δημοσιεύσουν το έργο. Οι μεγαλύτερες εταιρείες τείνουν να είναι πιο αυστηρές επειδή όλο το παραγόμενο περιεχόμενο πρέπει να είναι δικό τους. Οι χρήστες-προπαραγωγείς, που πειραματίζονται για διασκέδαση, μπορεί να αποδεχτούν υψηλότερο όριο και να επιτρέπουν περισσότερες παραλλαγές.

Κατά τη διεξαγωγή εγκληματολογικών δοκιμών για ένα στούντιο, πρακτορείο ταλέντων ή παρόμοιο πελάτη, παρέχουμε ανάλυση έκθεσης:

• Ποια μοντέλα παράγουν το περιεχόμενο με τη μεγαλύτερη ακρίβεια
• Ποια μοντέλα μπορούν να το παράγουν καθόλου
• Ποια μοντέλα θα μπορούσαν να το τοποθετήσουν σε προβληματικές καταστάσεις

Τελικά, η δουλειά μας είναι να κάνουμε την ανάλυση και να παρέχουμε τα αποτελέσματα, αλλά το πώς ο πελάτης τα χρησιμοποιεί είναι απολύτως δική του απόφαση.

Οι δοκιμές σας στο Seedance 2.5 βρήκαν πολύ ισχυρότερα μέτρα ασφαλείας γύρω από αναγνωρίσιμους χαρακτήρες σε σύγκριση με λιγότερο προεξέχουσα πνευματική ιδιοκτησία. Τι μας λέει αυτή η διαφορά για το πώς οι εταιρείες AI χτίζουν επί του παρόντος τα μέτρα προστασίας πνευματικών δικαιωμάτων, και γιατί η «μακριά ουρά» της ΠΙ είναι ιδιαίτερα δύσκολο να προστατευτεί;

Κάθε εταιρεία AI είναι διαφορετική, και η κάθε μία νοιάζεται για αυτό το ζήτημα σε διαφορετικό βαθμό. Όταν το Seedance 2.0 κυκλοφόρησε νωρίτερα φέτος, η ByteDance αναγνώρισε γρήγορα το πρόβλημα που είχε δημιουργήσει για τον εαυτό της λόγω της αντιδράσεως και άρχισε να βελτιώνει τα μέτρα ασφαλείας της. Μερικά γνωστά, δημοφιλή μοντέλα φαίνονται αδιάφορα, είτε από επιλογή είτε από αμέλεια, αλλά ο σεβασμός στην πνευματική ιδιοκτησία δεν θα θεωρηθεί ποτέ λάθος· απλώς δεν έχουν φτάσει ακόμη σε αυτό το συμπέρασμα.

Η προστασία της μακριάς ουράς είναι δύσκολη λόγω του τρόπου λειτουργίας της τεχνολογίας:

Έλεγχοι σε επίπεδο προτροπής: Εξέταση της εισαγόμενης προτροπής για παραβιαστικό περιεχόμενο, επιτρέποντας στο μοντέλο να αποφασίσει αν θα προχωρήσει. Δυστυχώς, ακόμη και κατά την εξέταση της προτροπής, υπάρχουν πολλοί τρόποι παράκαμψής της. Μπορούν να την διατυπώσουν ελαφρώς διαφορετικά, να περιγράψουν τον χαρακτήρα χωρίς να τον ονομάσουν, να χρησιμοποιήσουν τυπογραφικά λάθη. Οι προτροπές μπορούν εύκολα να παρακάμψουν τους ανιχνευτές, και τα μοντέλα μπορεί επίσης να «παραπλανηθούν» παράγοντας έξοδους που διαφέρουν από την προτροπή του χρήστη και μπορεί να περιλαμβάνουν έναν παραβιαστικό χαρακτήρα.

Έλεγχοι ανάλυσης εξόδου: Σάρωση κάθε εξόδου έναντι μιας βάσης δεδομένων γνωστών χαρακτήρων. Οι αναγνωρίσιμοι χαρακτήρες ενεργοποιούν υψηλότερη ευαισθησία, ενώ οι χαρακτήρες της μακριάς ουράς μπορεί να περάσουν απαρατήρητοι επειδή δεν υπάρχουν στη βάση δεδομένων, και έτσι η ολοκληρωμένη επιτήρηση είναι αναπόφευκτα δύσκολη.

Η ταχύτητα επίσης μετράει. Για μοντέλα δημιουργίας εικόνας, ο έλεγχος μιας μόνο εικόνας είναι σχετικά γρήγορος. Η δημιουργία βίντεο, ωστόσο, απαιτεί σάρωση πολλών καρέ, κάτι που μπορεί να επιβραδύνει σημαντικά την έξοδο και να επηρεάσει την εμπειρία του χρήστη.

Η εξισορρόπηση αυτών των ανησυχιών είναι ευαίσθητη, αλλά κάποια μοντέλα έχουν καταβάλει προσπάθεια για να το αντιμετωπίσουν. Τελικά, εξαρτάται από το αν ένα μοντέλο είναι πρόθυμο και ενδιαφερόμενο να σεβαστεί την πνευματική ιδιοκτησία.

Ένα μοντέλο μπορεί να αρνηθεί ένα άμεσο αίτημα για δημιουργία ενός χαρακτήρα που προστατεύεται από πνευματικά δικαιώματα, αλλά να αναπαράγει αυτόν τον χαρακτήρα όταν του δοθεί μια επαρκώς λεπτομερής περιγραφή. Πώς θα πρέπει η δοκιμή ασφαλείας AI να εξελιχθεί πέρα από τα απλά ποσοστά άρνησης προτροπής για να εντοπίσει αυτό το είδος έμμεσης αναπαραγωγής;

Αυτό είναι ένα σαφές πρόβλημα. Όταν ένα μοντέλο μπορεί να αναπαράγει έναν χαρακτήρα από μια λεπτομερή ή ακόμη και πολύ απλή περιγραφή, υποδηλώνει ότι ο χαρακτήρας είναι βαθιά ενσωματωμένος στα δεδομένα εκπαίδευσης. Αυτό εγείρει ένα εντελώς διαφορετικό ερώτημα σχετικά με το πώς συλλέχθηκαν τα δεδομένα, και αυτή η υπόθεση βρίσκεται αυτή τη στιγμή στα δικαστήρια.

Οι δοκιμές ασφαλείας πρέπει να ξεπεράσουν την εξέταση των προτροπών και να εξελιχθούν στην ανάλυση των πραγματικών εξόδων. Τα μοντέλα δημιουργούν εικόνες μέσω διάχυσης, κατασκευάζοντας σταδιακά μια εικόνα του αποτελέσματος. Λόγω αυτής της διαδικασίας και του τρόπου εκπαίδευσής τους, μπορούν ακούσια να αναπαράγουν χαρακτήρες που προστατεύονται από πνευματικά δικαιώματα, είτε στο προσκήνιο είτε στο παρασκήνιο, και μερικές φορές χωρίς προτροπή. Ο μόνος αξιόπιστος τρόπος για να το εντοπίσουμε είναι να δοκιμάσουμε το μοντέλο άμεσα και να μετρήσουμε τι παράγει πραγματικά.

Η ανίχνευση ομοιότητας αναπόφευκτα εγείρει ερωτήματα σχετικά με ψευδώς θετικά αποτελέσματα. Πώς διακρίνετε μεταξύ νόμιμης δημιουργικής επιρροής, τυχαίας ομοιότητας και μιας αναπαραγωγής που είναι στατιστικά σημαντική ώστε ένα στούντιο ή κάτοχος δικαιωμάτων να την διερευνήσει;

Αυτή η εργασία θα χρειαστεί συνεχή βελτίωση. Η πιο ακριβής οπτική ομοιότητα που ένας άνθρωπος μπορεί να αναγνωρίσει άμεσα πρέπει να αποτελεί το σημείο εκκίνησης, και αυτό είναι κάτι που μπορεί να γίνει καλά σήμερα. Μόλις προχωρήσετε σε συνθετικές δημιουργίες ή ερωτήματα γύρω από το στυλ, γίνεται πολύ πιο δύσκολο να αποδειχθεί και πολύ πιο δύσκολο να επιβληθεί.

Πάρτε για παράδειγμα τον Σούπερμαν. Αν ένα μοντέλο δημιουργούσε έναν γενικό Σούπερμαν με τα μάτια του Christopher Reeve, το πηγούνι του Henry Cavill, τα ζυγωματικά ενός άλλου ηθοποιού κ.λπ., αυτά τα χαρακτηριστικά δημιουργούν έναν Σούπερμαν που είναι εξαιρετικά δύσκολο να ανασυγκροτηθεί και να εντοπιστεί από πού προέρχονται.

Δύο πράγματα διατηρούν τα ψευδώς θετικά υπό έλεγχο. Το πρώτο είναι ότι ποτέ δεν βασιζόμαστε σε έναν μόνο αριθμό ομοιότητας μεμονωμένα. Τα αποτελέσματα συγκρίνονται με πρότυπα ώστε η γενική ομοιότητα να μπορεί να διαχωριστεί από την πραγματική αναπαραγωγή, και κάθε δοκιμή είναι αναπαραγώγιμη: οι ίδιες εισροές υπό τις ίδιες συνθήκες παράγουν τους ίδιους αριθμούς. Το δεύτερο είναι ότι η ανάλυση αντιστοιχεί στις νομικές ερωτήσεις που ένας κάτοχος δικαιωμάτων θα έπρεπε πραγματικά να απαντήσει. Για χαρακτήρες και δημιουργικά έργα, η ερώτηση είναι η ουσιαστική ομοιότητα. Για μάρκες και ομοιότητες, είναι η πιθανότητα σύγχυσης, δηλαδή αν ένας απλός θεατής θα παραπλανηθεί και θα πιστέψει ότι η έξοδος είναι το πραγματικό αντικείμενο. Η δουλειά μας είναι να θέσουμε έναν αμυντικό, επαναλήψιμο αριθμό πίσω από αυτές τις ερωτήσεις. Το αν κάτι ανεβαίνει στο επίπεδο μιας διερεύνησης είναι πάντα απόφαση του κατόχου δικαιωμάτων.

Τα γενετικά μοντέλα αλλάζουν γρήγορα και μπορούν να συμπεριφέρονται πολύ διαφορετικά μετά από μια ενημέρωση. Πώς μπορούν οι κάτοχοι δικαιωμάτων να αξιολογούν συνεχώς εκατοντάδες μοντέλα και ενδεχομένως χιλιάδες προστατευμένα περιουσιακά στοιχεία χωρίς η διαδικασία παρακολούθησης να γίνει απαγορευτικά ακριβή ή τεχνικά αδύνατη;

Είναι σχεδόν αδύνατο, γι’ αυτό οι κάτοχοι ΠΙ μένουν πίσω και δυσκολεύονται να συμβαδίσουν με τα τελευταία μοντέλα από τις Η.Π.Α. και την Ασία.

Ρεαλιστικά, χρειάζονται κάποιον στην ομάδα τους που να μπορεί να κρατήσει τον ρυθμό και να αγωνιστεί για λογαριασμό τους. Γι’ αυτό ξεκινήσαμε. Διαπιστώσαμε ότι αυτά τα στούντιο χρειάζονται μια τεχνολογική εταιρεία που να μπορεί να ταιριάζει με την ταχύτητα αυτών των μοντέλων δημιουργίας, και κανένας άλλος δεν ανέλαβε αυτό το έργο.

Το άλλο μισό της απάντησης είναι η τήρηση αρχείων. Ένα μοντέλο μπορεί να συμπεριφέρεται πολύ διαφορετικά μετά από μια ενημέρωση, οπότε ένα σκορ που δεν είναι δεσμευμένο σε χρονική στιγμή είναι άχρηστο. Κάθε αποτέλεσμα που παράγουμε καταγράφει ποιο μοντέλο δοκιμάστηκε, πότε δοκιμάστηκε, σε ποιο προστατευμένο περιουσιακό στοιχείο δοκιμάστηκε και ποιοι ήταν οι αριθμοί. Αυτό μετατρέπει την παρακολούθηση από ένα αδύνατο, συνεχές πρόβλημα σε ένα διαχειρίσιμο: όταν ένα μοντέλο ενημερώνεται, επαναδοκιμάζετε και συγκρίνετε με το αρχείο αντί να ξεκινάτε από την αρχή.

Η ανίχνευση λύνει μόνο μέρος του προβλήματος. Μόλις ένα σύστημα εντοπίσει ότι ένα μοντέλο AI μπορεί να αναπαράγει έναν προστατευμένο χαρακτήρα ή ομοιότητα, τι πρέπει να συμβεί στη συνέχεια, και ποιους τεχνικούς μηχανισμούς θα μπορούσαν τελικά να επιτρέψουν στους δημιουργούς να καθορίζουν αν η ΠΙ τους μπορεί να μπλοκαριστεί, αδειοδοτηθεί ή χρησιμοποιηθεί υπό συγκεκριμένες συνθήκες;

Υπάρχουν τόσο νομικές όσο και τεχνικές διαστάσεις. Νομικά, ο κάτοχος της ΠΙ αποφασίζει πώς θα προχωρήσει. Μπορεί να χρησιμοποιήσει τα αποδεικτικά στοιχεία που παρέχουμε ως βάση για αγωγή, ή να τα αξιοποιήσει σε διαπραγματεύσεις με τους δημιουργούς μοντέλων. Η επιλογή ανήκει σε αυτούς.

Τεχνικά, ένας κάτοχος δικαιωμάτων θα πρέπει να μπορεί να δώσει συγκατάθεση και να επιλέξει συγκεκριμένα μοντέλα που μπορεί να δημιουργήσουν το προϊόν ή την ΠΙ του. Θα πρέπει να ελέγχει την έξοδο, αποτρέποντας ένα σενάριο «ελεύθερης πρόσβασης». Αντί να αναγκάζεται σε περιοριστικά guardrails, θα πρέπει να μπορεί να μονοποιεί κάθε δημιουργία με προ-ορισμένους όρους. Αυτό αντικατοπτρίζει πρακτικές σε άλλες βιομηχανίες, οπότε θα έπρεπε να ισχύει και εδώ.

Μπορεί η ίδια υποδομή που χρησιμοποιείται για την ανίχνευση μη εξουσιοδοτημένης χρήσης AI τελικά να επιτρέψει μια νόμιμη αγορά αδειοδότησης, όπου τα συστήματα AI μπορούν προγραμματιστικά να καθορίσουν ποιος κατέχει ένα περιουσιακό στοιχείο, ποιες άδειες είναι διαθέσιμες και πώς η αποζημίωση πρέπει να επιστρέφει στον κάτοχο δικαιωμάτων;

Αν η υποδομή μπορεί να καταλάβει αν μια έξοδος που δημιουργήθηκε από AI μοιάζει με ΠΙ, τότε θα πρέπει επίσης να είναι αυτή που θα διευθετήσει την αδειοδότηση. Μπορεί να προσδιορίσει ποια ΠΙ υπάρχει στην παραγόμενη έξοδο, ποιος είναι ο κάτοχος δικαιωμάτων, αν πρέπει να του απονεμηθεί η αναγνώριση, και τελικά να κατευθύνει την αποζημίωση μέσω αυτής. Η τεχνολογία είναι ουσιαστικά η ίδια. Είναι μια μηχανή πιστότητας που παράγει επαληθεύσιμα, αναπαραγώγιμα στατιστικά αποδεικτικά στοιχεία με έναν ή άλλο τρόπο. Αν μια έξοδος ξεπεράσει το όριο όπου ένας θεατής θα μπορούσε λογικά να τη συγχέει με το πραγματικό αντικείμενο, ο κάτοχος δικαιωμάτων δικαιούται αποζημίωση.

Η μία προϋπόθεση είναι ότι όποιος διαχειρίζεται αυτό το στρώμα πρέπει να παραμείνει ουδέτερος. Δεν μπορεί να δημιουργεί περιεχόμενο μόνο του, και δεν μπορεί να πάρει θέση σε καμία ατομική συμφωνία. Η δουλειά του είναι να παρέχει και στις δύο πλευρές το ίδιο αξιόπιστο αρχείο και να τους επιτρέπει να συναλλάσσονται απευθείας. Αυτή η ουδετερότητα είναι ο λόγος για τον οποίο οι κάτοχοι δικαιωμάτων θα ήθελαν να καταχωρήσουν τα καταλόγους τους σε αυτόν τον φορέα από την αρχή.

Καθώς το βίντεο που δημιουργείται από AI πλησιάζει την ποιότητα και τη συνέπεια που απαιτούνται για επαγγελματική παραγωγή, πώς πιστεύετε ότι θα εξελιχθεί η σχέση μεταξύ εταιρειών AI και του Hollywood; Αναμένετε ότι η διαχείριση δικαιωμάτων θα γίνει ένα εξωτερικό στρώμα επαλήθευσης γύρω από τα μοντέλα, ή κάτι που τελικά θα πρέπει να ενσωματωθεί απευθείας στα ίδια τα μοντέλα;

Είναι ένας ενδιαφέρων κόσμος που εισερχόμαστε, καθώς οι εταιρείες AI έχουν κάνει την παραγωγή περιεχομένου πολύ φθηνότερη από ποτέ. Ως αποτέλεσμα, μπορούμε να περιμένουμε μια πληθώρα περιεχομένου, κάποιο καλό, κάποιο κακό, κάποιο με γούστο, κάποιο χωρίς. Το Hollywood παραδοσιακά θεωρείται ως κριτής του γούστου, δημιουργώντας έργα που οι άνθρωποι αγαπούν και ερωτεύονται. Η AI τώρα προσφέρει το πιο ισχυρό εργαλείο που υπήρξε ποτέ για τους αφηγητές.

Στο δεύτερο μέρος της ερώτησης, νομίζω ότι η ειλικρινής απάντηση είναι και τα δύο, διαδοχικά. Οι έλεγχοι επιβολής πιθανότατα θα μεταφερθούν μέσα στα μοντέλα με την πάροδο του χρόνου, επειδή εκεί είναι πιο φθηνοί και γρήγοροι στην εκτέλεση. Αλλά το στρώμα αναφοράς, δηλαδή το αρχείο του τι υπάρχει, ποιος το κατέχει και υπό ποιους όρους μπορεί να χρησιμοποιηθεί, πρέπει να παραμείνει ανεξάρτητο, όπως και η επαλήθευση. Μια εταιρεία μοντέλων δεν μπορεί να είναι αυτή που αξιολογεί τις δικές της εξόδους, και οι κάτοχοι δικαιωμάτων δεν θα παραδώσουν τους καταλόγους τους σε μια εταιρεία της οποίας η επιχείρηση είναι η δημιουργία παραγώγων από αυτά. Είναι παρόμοιο με τις χρηματοοικονομικές αγορές, όπου οι εταιρείες εκτελούν εσωτερική συμμόρφωση αλλά εξακολουθούν να λογοδοτούν σε εξωτερικούς ελεγκτές.

Η διαχείριση δικαιωμάτων θα συμβεί όταν το Hollywood και οι εταιρείες AI ενωθούν για να αποφασίσουν πώς θέλουν να συνυπάρξουν. Στο τέλος, ο στόχος τους είναι ο ίδιος: να δημιουργήσουν νέο περιεχόμενο που οι άνθρωποι αγαπούν. Απλώς πρέπει να γίνει με τον σωστό τρόπο.

Σας ευχαριστούμε για τη σπουδαία συνέντευξη, οι αναγνώστες που θέλουν να μάθουν περισσότερα θα πρέπει να επισκεφθούν το ARCOS Labs.