IP-pesujen menetelmät tekoälyssä

Jos tekoälyssä käytetyn älyomaisuuden laillinen selvittely on edessä, on olemassa useita keinoja, joilla voidaan peittää tällaisen käytön.

Mielipide Tekoälyssä tapahtuva nopea kehitys on tapahtumassa olosuhteissa, jotka ovat oikeudellisesti epävakaita verrattuna mihin tahansa aiempaan teknologiseen kehitykseen 1800-luvun jälkeen.

Kolme-neljä vuotta sitten koneoppimisen tutkimusyhteisöllä oli täsmälleen (usein eksplisiittinen) lupa hyödyntää älyomaisuuden suojattua materiaalia uusien järjestelmien kehittämisessä; koska nämä järjestelmät eivät olleet vielä onnistuneita, eivätkä kaupallisesti kannattavia, tulokset olivat jokaisessa suhteessa akateemisia.

Tänä aikana uuden sukupolven difuusiopohjaisen Large Language Modelin (LLM) ja Vision-Language Modelin (VLM) yllättävä menestys, kuten ChatGPT ja Claude, sekä Sora, merkitsi, että nämä abstraktit ja aiemmin “harmittomat” tutkimuksen suunnat olivat kehittyneet kaupallisesti kannattaviksi ja kasvaneet “ilmaisen pääsylipun” yli, mitä siihen asti oli ollut älyomaisuuden hyödyntämisen suhteen.

Tästä lähtien oikeudenomistajat tavoittelivat osuutta tekoälyjärjestelmien hedelmistä, jotka oli koulutettu pääasiassa tai osittain heidän tekijänoikeuden suojattuun dataansa perustuen, mikä johti jatkuvaan lakiin perustuvaan tulvaan, joka vaatii jonkin verran ponnistelua vain voidakseen pitää kirjaa.

Tässä rajoitettu ainoastaan Yhdysvalloissa aloitetuille tapauksille, uudet tapaukset nousevat frenetiikkaa Yhdysvalloissa ja muualla. Lähde

Ilmainen lounas vaaditaan

Tehty rahoituspanostus tekoälypalveluinfrastruktuuriin on jotkut äänet esittänyt pyrkimyksenä juurtaa “tekijänoikeudellisesti vaarallista” tekoälyä taloudelliseen yhteiskuntaan niin syvälle, että se tulee olemaan ei ainoastaan “liian suuri epäonnistuakseen”, vaan myös “liian voimakas oikeudenkäynneistä” – tai ainakin niin voimakas, että onnistuneet oikeudenkäynnit eivät voi kaataa vallankumousta.

Kohti tätä yleistä mielialaa, Yhdysvaltain nykyinen presidentti on sitoutunut politiikkaan hänen näkemyksensä mukaan, että ‘Et voi odottaa menestyvää tekoälyohjelmaa, kun jokaisen artikkelin, kirjan tai mitä tahansa muuta, jonka olet lukenut tai opiskellut, on maksettava’.

Todella? Mitään vastaavaa tai vertailukelpoista ei ole tapahtunut länsimaisessa teollisessa aikakaudesta, ja tämä edustaa liikettä, joka kulkee voimakkaasti vastakkaiseen suuntaan kuin perinteinen Yhdysvaltain kulttuuri oikeudenkäynneistä ja korvauksista; ehkä lähimmät vastaavat kantoja ovat pakollinen lääkepatenttien vanheneminen 20 vuoden kuluttua (jota usein hyökätään), ja rajoitus odotuksille yksityisyydestä julkisilla paikoilla.

Kuitenkin ajat muuttuvat; puuttuessa takeita siitä, että nykyinen suunta “julkisen hyväksynnän” älyomaisuussuojauksia vastaan ei epäonnistuisi tai kääntyisi myöhemmin, on useita toissijaisia lähestymistapoja, jotka ovat muodostumassa standardiksi tekoälyjärjestelmien kehittämisessä ja kiistanalaisen koulutusdatan käsittelyssä, joka voimistaa niitä.

Tietokannat välittäjän kautta

Yksi näistä lähestymistavoista muistuttaa huomattavasti puolustusta, jota torrent-listaus sivustot käyttävät (ei aina onnistuneesti), että he eivät itse isännöi mitään kiistanalaista materiaalia – tai mitään materiaalia lainkaan.

Poistamalla tarpeen tallentaa ja tarjoilla suuria määrin vähän pakattavia kuva- tai videodataa, tällaiset kokoelmat mahdollistavat nopean päivittämisen – kuten materiaalin poistamisen tekijänoikeudenhaltijoiden pyynnöstä – ja versionoinnin.

Samoin kuin torrentit ovat vain opasteita siihen, missä kiistanalainen materiaali voidaan löytää, useat vaikutusvaltaiset tietokannat ovat itsessään vain “osoitin”-tyylisiä luetteloita olemassa olevasta datasta; jos loppukäyttäjä haluaa käyttää näitä luetteloita latausluettelona omalle tietokannalleen, se on heidän vastuullaan, mitä tulee kuraattorin vastuuta.

Yksi tällainen on Google Researchin Conceptual 12M -tietokanta, joka tarjoaa kuvien kuvauksia, mutta osoittaa vain verkkosivustojen sijainteja, joissa nämä kuvat ovat (tai olivat kuraation aikana):

Kaksi esimerkkiä Google Researchin Conceptual 12M -kuraatiosta. Lähde

Toinen merkittävä esimerkki, ja yksi, jolla on nyt oikeutettu vaatimus kunnioitukseen tekoälyn historian kannalta, on LAION-tietokanta, joka mahdollisti Stable Diffusion -generatiivisen järjestelmän syntymän vuonna 2022 – ensimmäinen tällainen kehys, joka tarjosi voimakkaan avoimen lähdekoodin generatiiviset kuvat loppukäyttäjille, kun omistajat näyttivät vakiinnuttavan tällaiset palvelut yksinomaan kaupallisiksi.

Yksi monista LAION-projektin variantteja, joka esittää modernia ja tekijänoikeuden suojattua taidetta. Lähde

Monissa tapauksissa näiden “osoitin”-kokoelmien suuret tiedostokoot osoittavat kuvamateriaalin sisällyttämisen latauskelpoiseen ja isännöityyn tiedostoon; kuitenkin ei-triviaalit latauskoot johtuvat usein tekstisisällön suuresta määrästä ja joskus irrotettujen upotusten tai ominaisuuksien sisällyttämisestä – johdannaisia tiivistelmiä tai solmuja muuten soveltuvasta sisällöstä, jotka on poistettu lähdeaineistosta koulutusprosessin aikana.

Videon etuoikeus

Videotietokannat esittävät vielä vahvemman tapauksen “tietokannan välittäjän” tai osoittimen lähestymistavalle, koska suuren ja hyödyllisen videomäärän varastointiin tarvittava tallennustilaa on esteettä, ja “jakautunut” menetelmä on toivottavaa.

Kuitenkin sekä kuvissa että videoissa latauskelpoisten lähde-URL-osoitteiden edellytetään merkittävää huomiota ennen niiden käyttämistä koulutusprosesseissa. Sekä kuvat että videot tarvitsevat kokoonpanoa tai leikkauspäätöksiä näytteiden luomiseksi, jotka mahtuvat käytettävissä olevaan GPU-tilaan. Jopa vakavasti alennettuja videoita vaaditaan leikkaamista hyvin lyhyiksi kestoihin, kuten 3-5 sekuntiin, tyypillisesti.

Merkittäviä videotietokantoja, jotka käyttävät viittauksia verkkovideoihin (sen sijaan, että kuraatio ja suora pakkaus videoita), ovat Google Kinetics Human Action Video Dataset ja Google YouTube-8M -kokoelma, joka käyttää segmentointia osoittamaan, miten kohdella videoita, kun ne on ladattu – mutta jättää loppukäyttäjän hankkimaan videot toimittamista URL-osoitteista.

Sulje ja Avaa

Lopuksi, tässä luokassa, “avoin” VFX-data voidaan generoida suljetuilla alustoilla, jotka julkaisevat ja tarjoavat tuloksena olevan tietokannan. On luonnollista pohtia, miksi tämä tapahtuu, ja miettiä, voitaisiinko sitä tehdä, koska alkuperäinen yritys haluaa puhdistaa IP-vastaisen ylävirran mallin omiin tarkoituksiinsa; tai ehkä “pesytty” joukko pyydettiin ulkoapäin.

Yksi tällainen “sukupolvien pesu” on Omni-VFX-tietokanta, joka sisältää monia tietokohtia Open-VFX-tietokannasta (joka itsessään viittaa moniin suljettuihin ja osittain suljettuihin alustoihin, kuten Pika ja PixVerse).

Rehellisesti sanottuna, Omni-VFX ei edes yritä kovin paljon:

Avoin Omni-VFX-tietokanta, jossa tuttu kasvo. Lähde

Esivanhempi vastuu

Toinen tärkeä lähestymistapa IP-pesuun on tekijänoikeuden suojatun materiaalin käyttäminen yhden tai useamman askeleen kautta. Yksi menetelmistä tässä luokassa on synteettisen datan käyttäminen, joka on koulutettu jossakin vaiheessa ylöspäin tekijänoikeuden suojatulla datalla. Näissä tapauksissa, erityisesti silloin, kun synteettinen data pystyy saavuttamaan aidon näköisiä tuloksia, tekijänoikeuden suojattu työ tarjoaa muodonmuutoksia, joita ei voi järkevästi arvata tai approksimoida yleisillä maailmanmalleilla tai erikoistumattomilla malleilla.

Tämä on erityisesti tapauksessa silloin, kun generatiiviset videosysteemit vaaditaan tuottamaan “mahdottomia” tapahtumia, ja tapahtumia, jotka kuuluvat yleisesti “visuaalisten efektiiden” (VFX) kategoriaan.

Todellisuudessa, se, mikä toi tämän aiheen mieleeni, oli viimeisin tutkimusraportti, joka tarjosi mahdollisuuden “abstrahoida” erilaisia visuaalisia efektejä, kuten tuottaa laserpimiä epätodennäköisistä kehon osista, joko kouluttamalla custom-tilattuja tai “avointa lähdekoodia” VFX-klippejä (eikä niinkään ilmeistä lähdettä, kuten Marvelin elokuvamaailman erittäin kalliit VFX-otokset):

Esimerkkejä EffectMakerin verkkosivuilta, joissa “toiminta” lähdeklipissä (kaukana vasemmalla) sovelletaan lähdekuvaan (keskellä). Lähde

Yllä olevat esimerkit ovat EffectMaker -projektin sivuilta. EffectMaker ei ole ensimmäinen tarjous tänä vuonna, joka pyrkii erottamaan VFX-dynaamikan yhdestä videoklipistä ja siirtämään sen toiseen uuteen klippiin, ja se on muodostumassa erilliseksi tehtäväksi tekoälyssä VFX-tutkimuksessa*.

Tietoisina siitä, että mediajätit kuten Marvelilla on korkeampi todennäköisyys voittaa oikeudenkäynnit tekijänoikeuksista (jopa mainitussa “pakkovallan” ilmapiirissä), visuaalisten efektiiden yritykset ja startupit tekevät parhaansa varmistaakseen, että heidän generatiiviset VFX-kehyksensä ovat vapaita muiden yritysten korporatiivisesta IP:stä.

Ennen kaikkea Meta on old.reddit.com/r/vfx -alustalla kerrottu menneen hyvin palkatun talven palkkaamisella vuonna 2026, tarjoten VFX-taiteilijoille työtä kouluttamassa tekoälymalleja tuottamaan Hollywood-tason visuaalisia efektejä. Vaikka palkkaa ei mainittu eri postauksissa, yksi kuvasi sitä “eläkerahastona”.

Seuraa rahaa

Kuitenkin on syytä pohtia, kuinka paljon rahaa edes Meta on valmis maksamaan visuaalisten efektiiden todelliselle monimuotoisuudelle ja runsaalle määrälle – ottaen huomioon, että keskivertoinen yksittäinen VFX-otoksa elokuvassa on noin 42 000 dollaria – ja monet ovat paljon kalliimpia.

Lisäksi on järkevää olettaa, että mukautettavat VFX-generoivat tekoälymallit tulevat vastaamaan suosittuja vaatimuksia, mukaan lukien erilaisia standardiefektejä suosituimmista ja kalleimmista elokuvista.

Asian kannalta, jossa “jäännös”-VFX-ammattilaiset voivat lopulta lopettaa uudelleen luomalla otoksia, joissa he työskentelivät aiemmin olemassa olevan elokuvakirjastoon – mikä kontekstualisoi “mukautetun” tietokannan työn jäljitelmäksi – on kuitenkin epävarmaa, voivatko nämä kalliit uudet näytteet lopulta kouluttaa “nollasta” uuden arkkitehtuurin.

Todellisuudessa, jos nämä uudelleenluodut näytteet ohjataan liitännäismoduuleihin, kuten LoRAs, jotka riippuvat perusmallista, prosessi on vain niin puolustettavissa kuin perusmalli on “IP-puhdas” – ja monet eivät ole.

Samoin, jos “uusi” prosessi käyttää muita “hybridi”-tekniikoita, kuten hienosäätöä, jossa visuaalisen efektiivisuuden arvo riippuu malleista, apuprioriteeteista tai upotuksista vanhemmista kokoelmista tai malleista, joiden eheys on kyseenalainen, alkuperäisyys on kiistanalainen ja altis haasteelle.

Mahdottomat tehtävät

Visuaalisten efektiiden tuottamisen alue on erityisen mielenkiintoinen tapaustutkimus mahdollisesta IP-pesusta tekoälydatassa, koska visuaaliset efektiotokset usein esittävät “mahdottomia” asioita, joista ei ole avoimia vaihtoehtoja.

Esimerkiksi, vaikka rakennuksen purkaminen voisi kouluttaa generatiiviseen malliin julkisista tai muista edullisista stock-klipeistä, jos haluat kouluttaa mallin tuottamaan ihmisten laserpimiä, sinun on koulutettava VFX-klippejä; sellaisia asioita ei tapahdu missään muualla.

Myöskään muissa luonnonkatastrofien tapauksissa, kuten dramaattisessa tulvassa, saatavilla oleva todellinen lähde-aineisto ei todennäköisesti pysty tuottamaan dramaattisia näkymiä katastrofaalisista tapahtumista, koska (joillakin poikkeuksilla) ihmiset eivät yleensä lähettä suoraa lähetystä katastrofaalisista paikoista. Siksi “cool views” katastrofeista ovat harvinaisia todellisissa tietokannoissa, ja mikä tahansa tekoälymalli, joka voi generoida niitä, on luonnollisesti saanut tiedon jostakin muualta.

Useimmat toivottavat tekoälytehtävät eivät ole yhtä spesifejä, ja tällaisissa tapauksissa IP-suojatun datan hyödyntämisen peittäminen ei välttämättä vaadi yhtä paljon vaivaa.

Johtopäätös: Sekaannus

Ainoastaan ne, jotka ovat käyttäneet generatiivista tekoälyä laajasti ja pitkään, ymmärtävät vaistomaisesti, että tällaiset järjestelmät kamppailevat yhdistämällä useita käsitteitä, kun vertailukelpoisia esimerkkejä ei ole koulutusdatassa.

Tämä rajoitus tunnetaan sekamuksena, jossa koulutettujen käsitteiden eri puolet taipuvat ryhmittyväksi yhteen liittyvien elementtien kanssa, eikä hajoa mukavasti Lego-palikkoihin, joita voidaan järjestellä mihin tahansa uuteen konfiguraatioon, jonka käyttäjä haluaa.

Sekamuksella on arkkitehtoninen painovoimainen “kuilu”, josta on lähes mahdotonta paeta, ainakin difuusiopohjaisille lähestymistavoille, jotka ovat kaikkien nykyisten päävirran tekoälykehysten ominaisuuksia. Kuitenkin on mahdollista, että uudet lähestymistavat tulevat kehittymään seuraavien vuosien aikana, jotka ovat parempia eriyttämään koulutettuja käsitteitä, jotta ne voidaan liittää yhteen taitavammin ja tarjoavat vähemmän viitteitä niiden alkuperästä.

* En esitä syytöksiä EffectMakeria vastaan, vaan kommentoin tässä yleisyyttä nousevassa tekoälyvideotutkimuksessa.

^† Siksi, että nämä otokset, näissä elokuvissa, ovat tuottaneet ja jatkavat tuottamaan rahaa.

Julkaistu ensimmäisen kerran maanantaina 16. maaliskuuta 2026