IP-Tvättmetoder i AI

Om det finns en juridisk uppgörelse som kommer att ske över användningen av immateriella rättigheter i utbildning av AI, finns det också flera metoder för att dölja en sådan användning.

Åsikt Den nuvarande, snabbt framskridande revolutionen inom generativ AI utvecklas i den mest rättsligt prekära miljön som har åtföljt någon transformerande teknisk utveckling sedan 1800-talet.

Fram till 3-4 år sedan njöt maskinläringsforskningsgemenskapen en tyst (ofta uttrycklig) tillåtelse att utnyttja IP-skyddat material i utvecklingen av nya system; eftersom dessa system inte var mogna eller kommersiellt livskraftiga, var resultaten, i alla avseenden, akademiska.

Under denna period signalerade den plötsliga framgången för en ny generation av diffusionbaserade stora språkmodeller (LLM, såsom ChatGPT och Claude) och vision-språkmodeller (VLM, såsom Sora) att dessa abstrakta och tidigare “ofarliga” forskningssträngar hade utvecklats till kommersiell livskraft och vuxit ur sin “gratispass”, så långt som utnyttjandet av andras immateriella rättigheter var bekymrat.

Från och med nu skulle rättighetshavare söka en andel i frukterna av AI-system som tränats till stor del eller delvis på deras upphovsrättsskyddade eller på annat sätt skyddade data, vilket ledde till en pågående lavin av rättsfall som kräver någon ansträngning för att ens hålla koll på.

Här begränsat endast till fall som väckts i USA, nya fall dyker upp i en febril takt i USA och utanför. Källa

Att kräva en “gratis lunch”

Den finansiella åtagandet som för närvarande sker i fråga om AI-tjänster har beskrivits av vissa röster som ett försök att etablera “upphovsrättsfarlig” AI så djupt i samhällets ekonomi att den blir inte bara “för stor för att misslyckas”, utan också “för kraftfull för att stämmas” – eller åtminstone så kraftfull att framgångsrika stämningar inte kan tillåtas att underminera revolutionen.

Mot denna allmänna inställning har den nuvarande presidenten i USA infört i politiken sin uppfattning att ‘Du kan inte förväntas ha ett framgångsrikt AI-program när varje enskild artikel, bok eller annat som du har läst eller studerat, du förväntas betala för’.

Verkligen? Ingenting liknande eller jämförbart har hänt i den västerländska industriella eran, och detta representerar en rörelse som gnider kraftigt mot den traditionella amerikanska kulturen av stämningar och skadestånd; kanske den närmaste liknande positionen är den obligatoriska utgången av medicinska patent efter 20 år (vilket i sig ofta är under attack), och begränsningen av förväntningar på integritet på offentliga platser.

Men tider förändras; i avsaknad av någon garanti för att den nuvarande trenden mot “utmätningsdomän” mot IP-skydd inte kommer att svikta eller vändas senare, finns det flera sekundära tillvägagångssätt som blir standardpraxis i utvecklingen av AI-system och behandlingen av den mycket omstridda träningsdata som driver det.

Datasets-by-Proxy

Ett av dessa tillvägagångssätt tar en remarkabelt liknande tillvägagångssätt som försvaret av torrent-listningssidor som inte alltid är framgångsrikt – de hävdar att de inte faktiskt värdar något omstritt material eller något material alls.

Förutom att undvika behovet av att lagra och leverera stora mängder minimalt komprimerbar bild- eller videodata, tillåter samlingar av detta slag snabb uppdatering – såsom borttagning av material vid upphovsrättshavares begäran – och versionering.

Liksom torrents är endast vägvisare till var IP-skyddat material kan hittas, är ett antal högt inflytelserika dataset endast “pekare”-liknande listor över befintlig data; om slutanvändaren vill använda dessa listor som en nedladdningslista för sitt eget dataset, är det deras ansvar, så långt curatorernas ansvar verkar vara berört.

Bland dessa är Google Researchs Conceptual 12M-dataset, som tillhandahåller bildtexter, men endast pekar på platser på webben där dessa bilder finns (eller fanns vid tidpunkten för kureringen):

Två exempel från Google Researchs Conceptual 12M-kurering. Källa

Ytterligare ett framträdande exempel, och ett som nu har ett giltigt anspråk på vördnad i AI-historien, är LAION-datasetet som möjliggjorde framväxten av det generativa systemet Stable Diffusion 2022 – det första sådana ramverket som erbjöd kraftfulla öppna generativa bilder till slutanvändare, precis som proprietära system tycktes etablera sådana tjänster som en renodlad, kommersiell domän:

En av de många varianterna av LAION-projektet, med moderna och upphovsrättsskyddade konstverk. Källa

I många fall indikerar de höga filstorlekarna för dessa “pekare”-samlingar att bildinnehåll ingår i en nedladdningsbar och värd fil; dock beror de icke-triviala nedladdningsstorlekarna ofta på den höga volymen textinnehåll och ibland på inkluderingen av extraherade embeddings eller funktioner – sammanfattningar eller noder av annan tillämplig innehåll som extraheras från källdata under utbildningsprocessen.

Video Premium

Videodataset presenterar ett ännu starkare fall för “dataset-by-proxy”- eller pekare-tillvägagångssättet, eftersom den höga volymen lagringsdata som krävs för att samla in ett meningsfullt och användbart antal videor i en enda nedladdningsbar samling är förbjudande, och ett “distribuerat” tillvägagångssätt är önskvärt.

Men i båda fallen – men särskilt med video – representerar de nedladdningsbara käll-URL:erna data som kommer att behöva betydande ytterligare uppmärksamhet innan de används i utbildningsprocesser. Både bilder och videor kommer att behöva ändras i storlek eller beskäras, för att skapa prover som kan passa in i tillgängligt GPU-utrymme. Även allvarligt nedsmalnade videor kommer att kräva skärpning till mycket korta längder, såsom 3-5 sekunder, vanligtvis.

Noterbara videodataset som använder referenser till online-videor (i stället för kurering och direkt paketering av video) inkluderar Googles Kinetics Human Action Video Dataset och sökjättens YouTube-8M-samling, som använder segmentannotation för att ange hur man ska behandla varje video när den har laddats ner – men som ändå lämnar slutanvändaren att hämta videorna från de tillhandahållna URL:erna.

Stäng och Öppen

Slutligen, i denna kategori, kan “öppen” VFX-data genereras med stängda plattformar som sedan publicerar och gör tillgänglig den resulterande dataseten. Det är rimligt att undra varför detta händer och att överväga om det kan bero på att det ursprungliga företaget vill sanera en IP-ovänlig uppströmsmodell för sitt eget bruk; eller att en “tvättad” uppsättning begärdes utifrån.

En sådan fall av “generations-tvätt” är, kanhända, Omni-VFX-datasetet, som inkorporerar många datapunkter från Open-VFX-datasetet (som i sig refererar till många stängda och semi-stängda plattformar, såsom Pika och PixVerse).

För att vara ärlig, försöker Omni-VFX inte ens riktigt:

I det öppna källkodsprojektet Omni-VFX, ett välbekant ansikte. Källa

Ancestral Ansvar

Det andra stora tillvägagångssättet för IP-tvätt är genom användning av upphovsrättsskyddat material på ett eller flera steg. En av metoderna i denna kategori är användning av syntetisk data som har tränats, vid någon tidpunkt uppströms, på upphovsrättsskyddad data. I sådana fall, särskilt där syntetisk data kan erhålla autentiska resultat, tillhandahåller upphovsrättsskyddat arbete transformationer som inte kan rimligtvis gissas eller approximeras av allmänna världsmodeller eller icke-specialiserade modeller.

Detta är särskilt fallet där generativa videosystem krävs för att generera “omöjliga” händelser och händelser som vanligtvis faller inom kategorin “visuella effekter” (VFX).

I själva verket var det som fick mig att tänka på detta ämne som senaste i en serie forskningsartiklar som erbjuder förmågan att “abstrahera” olika typer av visuella effekter, såsom att producera laserstrålar från osannolika delar av kroppen, antingen genom att ha tränats på beställda eller “öppna källkods”-VFX-klipp (i stället för den mer uppenbara källan, såsom de mycket dyra VFX-skotten i Marvels filmunivers):

Exempel från EffectMakers webbplats, där “aktionen” i källklippet (längst till vänster) appliceras på en källbild (i mitten). Källa

Exemplen ovan kommer från projektsidan för EffectMaker-projektet. EffectMaker är inte ens det första erbjudandet i år som syftar till att extrahera VFX-dynamik från en video och omvandla den till en ny klipp, och i själva verket är detta på väg att bli en diskret underuppgift i AI-VFX-forskning*.

Medveten om att medie-jättar som Marvel har en högre än genomsnittlig chans att vinna rättsfall om upphovsrätt (även i den nämnda klimatet av “tvingad tolerans”), går visuella effektföretag och startups just nu till betydande längder för att säkerställa att deras generativa VFX-ramverk är fria från andras företags upphovsrätt.

Främst bland dessa är Meta, som har rapporterats på r/vfx-subreddit att ha gått på en välavlönad vinterrekryteringsrunda in i 2026, och erbjuder VFX-artister arbete med att träna AI-modeller för att producera Hollywood-nivås visuella effekter. Även om lönen inte specificerades i olika inlägg, beskrevs den av en användare som “pensionspengar”.

Följ Pengarna

Men man måste undra hur mycket pengar till och med jättar som Meta är villiga att betala för en sann diversitet och överflöd av ad hoc-VFX-skott, med tanke på att den genomsnittliga enskilda VFX-skotten för en blockbuster-film är runt 42 000 USD – och många kommer in för mycket högre.

Ytterligare, är det rimligt att anta att anpassade VFX-genererande AI-modeller kommer att ge vika för populär efterfrågan, inklusive olika standard-effekter från de mest populära och dyra kategorierna av filmer.

Förutom att “resterande” VFX-proffs kan komma att återskapa skott som de arbetade med för en befintlig filmkatalog^† – vilket i sig kontextualiserar “anpassad” dataset-arbete som imitativt – finns det ingen garanti för att dessa dyra nya prover kommer att tränas “från scratch” i en helt ny arkitektur.

Verkligen, om sådana rekreationser omleds till bifogade moduler som LoRAs, som förlitar sig på en basmodell, är processen endast så försvarbar som basmodellen är “IP-ren” – och inte många är det.

Likaså, om den “nya” processen använder andra “hybrida” tekniker som finjustering, där värdet av den visuella effekten förlitar sig på modeller, prioriteter, eller embeddings från äldre samlingar eller modeller av obestyrkt integritet, är originaliteten i arbetet kosmetisk och utsatt för utmaning.

Omöjliga Uppdrag

Domänen för VFX-utdata är ett särskilt intressant fallstudie i fråga om potentiell IP-tvätt i AI-dataset, eftersom visuella effekter ofta visar “omöjliga” saker som det inte kommer att finnas inga öppna källkodsalternativ tillgängliga för.

Till exempel, medan rivningen av en byggnad kan tränas in i en generativ modell från olika offentliga eller på annat sätt tillgängliga klipp, om du vill träna en modell för att producera mänskliga laserstrålar, kommer du att behöva träna på VFX-klipp, stulna eller beställda; sådant händer inte någon annanstans.

Även i fallet med andra typer av naturkatastrofer, såsom dramatisk översvämning, är tillgängligt källmaterial i verkligheten osannolikt att kunna reproducera dramatiska perspektiv på katastrofala händelser, eftersom (med vissa undantag) människor inte vanligtvis live-streamar från katastrofala platser. Därför är “svala vyerna” på katastrofer sällsynta i verkliga dataset, och någon AI-modell som kan generera dem har troligen fått informationen någon annanstans.

De flesta önskvärda AI-uppgifter har inte denna tydliga nivå av specificitet, och i sådana fall kan döljandet av fördelarna med upphovsrättsskyddat material inte kräva nästan så mycket ansträngning.

Slutsats: En Sammanflätad Väv

Endast de som har använt generativ AI omfattande och under en längre tid kommer instinktivt att förstå att sådana system kämpar för att kombinera flera koncept när inga jämförbara exempel finns i deras träningsdata.

Denna begränsning kallas sammanflätning, där de olika aspekterna av tränade koncept tenderar att klustra ihop med relaterade element, snarare än att bryta ner i användbara, Lego-liknande byggstenar som kan arrangeras i valfri ny konfiguration som användaren kan önska.

Sammanflätning är en arkitektonisk tyngdkraft som är nästan omöjlig att undkomma, åtminstone för de diffusionbaserade tillvägagångssätten som kännetecknar alla stora nuvarande genAI-ramverk. Men det kan hända att nya tillvägagångssätt dyker upp under de kommande åren som är bättre på att diskretisera tränade koncept så att de kan klistras ihop mer elegant, och erbjuda färre indikationer på sitt ursprung.

* Jag gör inga anklagelser mot EffectMaker, men kommenterar här på den generella praxisen i AI-videoforskning.

^† Eftersom dessa skott, i dessa typer av filmer, har genererat och fortsätter att generera pengar.

Publicerad första gången måndagen den 16 mars 2026