昨天看到這么一篇新聞：

畢竟關(guān)于生成式AI，公眾最關(guān)注的問題可能就是版權(quán)問題了，不過我個人不是很懂版權(quán)法，所以一般不參與這方面的討論

不過前不久Science上一篇文章談?wù)摿?，我們就來看看這篇文章的作者是如何看到生成式AI的版權(quán)問題的，論文主要討論的是美國當(dāng)前政策下的生成式AI，主要以Stable AI及其旗下的Stable Diffusion模型為例來討論，我也不知道中美的版權(quán)法具體差別在哪里（問了下Bard和ChatGPT，應(yīng)該是有些差別的，但畢竟大模型輸出是存在幻覺的，不一定對），單純闡述作者的觀點。感興趣的可以去看原文。

1.從歷史的角度來看

實際上，新技術(shù)出現(xiàn)引發(fā)的類似的爭議和訴訟一直沒有停止過，例如有線電視、MP3都曾經(jīng)被告過侵權(quán)，雖然每次都是敗訴但最后都擴(kuò)大了版權(quán)的保護(hù)范圍，作者認(rèn)為會出現(xiàn)這種現(xiàn)象的原因是因為技術(shù)的發(fā)展與法律相對滯后之間的矛盾所導(dǎo)致的。

當(dāng)然，作者這樣舉例并不能直接類比說生成式AI一定是沒問題的，最終還是要具體問題具體分析。

2.版權(quán)法的保護(hù)范圍

這是作者的核心觀點，即大眾誤解了版權(quán)法的保護(hù)范圍是導(dǎo)致爭議的一個主要原因。

（美國的）版權(quán)法保護(hù)的僅僅是作者所貢獻(xiàn)的原創(chuàng)表達(dá)方式，而不擴(kuò)展到作品中包含的任何思想、事實、方法，或者作品中普遍存在的元素以及只能以極少方式表達(dá)的元素

簡單來說，一個攝像師拍攝了一只貓，他只能擁有這張照片的版權(quán)，但是無法獲得貓的特征的版權(quán)，其他人照樣可以用各種方式描述貓的特征。他們可以對同一只貓進(jìn)行繪畫、詩歌創(chuàng)作甚至嘗試復(fù)刻這個攝像師拍攝的照片的環(huán)境和貓的姿勢。

3.公平使用原則

這是美國對于版權(quán)保護(hù)的一個重要原則（Bard說中國的對于版權(quán)保護(hù)的主要原則是“實質(zhì)性相似”，也不知道對不對），其中一條就是“變革性的使用”，這也是美國目前對Stable Diffusion亮綠燈的主要依據(jù)。作者還據(jù)此反駁了一些反對意見，這里就不放出來了。

4.來談?wù)凷table Diffusion

這是我唯一擅長一點的東西了（所以基本只有這一塊我做了點拓展），可是神經(jīng)網(wǎng)絡(luò)本身是個黑盒，實際上要講清楚還是很麻煩的。關(guān)于Diffusion的一些知識可以見下面的鏈接，雖然和本文討論的東西關(guān)系不大。

【花師小哲】當(dāng)代煉金術(shù)（神經(jīng)網(wǎng)絡(luò)）前沿（8）——Diffusion

關(guān)于Stable Diffusion大眾最多的說法當(dāng)然是“Stable Diffusion是一個拼貼工具”，這種說法對大部分人來說可能確實是個能解釋的通的說法，畢竟對于神經(jīng)網(wǎng)絡(luò)能獲得的最基礎(chǔ)的知識就是“神經(jīng)網(wǎng)絡(luò)需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練”。

不過這個說法的問題很大，某種程度上是把AI擬人化了，甚至是對AI的高估。因為實際上，Stable Diffusion它是不知道“手”是什么東西的，也不知道手是接在胳膊上的，它的做法也不是去識別人體的各部位然后拆解合并，這對現(xiàn)在的AI來說簡直是一種奢求。

模型訓(xùn)練的本質(zhì)還是通過大量的例子獲取統(tǒng)計相關(guān)性。相關(guān)性不一定是因果性，例如我們發(fā)現(xiàn)冰淇淋銷量隨著空調(diào)銷量的增加而增加，這兩者就是有相關(guān)關(guān)系，而“空調(diào)銷量增加”不是“冰淇淋銷量增加”的原因，而是因為兩者有一個共同的原因——天氣變熱了。

關(guān)于這部分仍然是一個爭議話題，去學(xué)術(shù)引擎中搜索“隨機(jī)鸚鵡”就能找到很多這方面的討論，目前普遍是認(rèn)為，雖然現(xiàn)有的模型確實能學(xué)到很多抽象的東西，但是還達(dá)不到因果性層面。

簡單來說，用AI生成圖像和預(yù)測一個彗星每多少年會造訪地球本質(zhì)上是一樣的東西。

5.訓(xùn)練數(shù)據(jù)的問題

關(guān)于Stable Diffusion另一個問題就是訓(xùn)練數(shù)據(jù)了（這里只談Stable Diffusion，其他一些生成模型用版權(quán)數(shù)據(jù)訓(xùn)練那就是它們的事情了），作者說明Stable Diffusion所使用的數(shù)據(jù)在合法性上沒有任何問題。用戶可以自己上傳數(shù)據(jù)微調(diào)自己的模型，但那也是用戶自己的事情了，使用公眾預(yù)訓(xùn)練版本一般來說是沒有問題的。

另一方面，如果一個形象在訓(xùn)練數(shù)據(jù)中占比很高，那么生成的圖像是很有可能與訓(xùn)練數(shù)據(jù)高度相似的，但諷刺的是，隨著訓(xùn)練數(shù)據(jù)量和訓(xùn)練數(shù)據(jù)多樣性的提高，這種情況只會越來越少

6.總結(jié)

總的來說，作者認(rèn)為在現(xiàn)有情況下，對于Stable Diffusion侵犯版權(quán)的訴訟幾乎不可能成功，并用比較科普性質(zhì)的說法闡明了自己的理由。當(dāng)然這不意味著生成式AI就能一路暢通無阻了，還是有很多社會問題需要研究的。

7.個人評論

最后說些我自己的體會吧。從Stable Diffusion引發(fā)爭議開始，我看到了濫用生成式AI的人（例如毫無節(jié)制地用ChatGPT在論壇中生成低質(zhì)量回答的情況）、極端反對生成式AI的人、因為對這件事發(fā)表看法而被炎上的人、我身邊一些研究生成式AI的朋友收到這次事件的（負(fù)面）影響的人等等。

我個人是靠生成式AI（主要是ChatGPT的延伸方向）的研究吃飯的，我能做的就是把“現(xiàn)在AI的研究到底在做什么”告訴大家，然后大家可以據(jù)此來發(fā)表看法，我個人是不希望人們在對某一事情（幾乎）完全不了解的情況下盲目跟風(fēng)的，這也是做這兩個（本系列和神經(jīng)網(wǎng)絡(luò)前沿系列）系列的初衷之一