AI训练数据的版权保护:公地的悲剧还是合作的繁荣? siyushenqi.com • 2025 年 8 月 13 日 下午11:23 • 行业动态 • 阅读 435 就算是 OpenAI 在舆论场也无法逃过版权保护的呼声。 GPT-4o内置声音模仿「寡姐」一案闹的沸沸扬扬,虽然以OpenAI发布声明暂停使用疑似寡姐声音的「SKY」的语音、否认曾侵权声音为阶段性结束。但是,一时间「即便是AI,也得保护人类版权」这一话题甚嚣尘上,更刺激起了人们本来就对AI是否可控这一现代迷思的焦虑。 近日,普林斯顿大学、哥伦比亚大学、哈佛大学和宾夕法尼亚大学共同推出了一项关于生成式AI版权保护的新方案,题为《An Economic Solution to Copyright Challenges of Generative AI》。 论文链接:https://arxiv.org/abs/2404.13964 生成式人工智能(AI)技术的快速进展已经深刻影响了文艺产业,带来了文学、视觉艺术和音乐等领域中由AI生成的内容时代。这些AI模型如大型语言模型和扩散模型能够创作出能够与人类艺术家的作品媲美乃至可能取代的高复杂性内容。 这种能力的迅速增长引发了关于大模型训练数据作者权利的法律和道德界限的重要问题,特别是在版权侵犯方面的争议。 版权保护一直以来都是各国法律中不可或缺的一部分。保护创作者的权益,可以更有利于调动创作者的积极性,使得文化事业更加繁华。版权保护为创作者不止提供了精神支持,也同时提供了物质支持 (利益分配),这也是为创作者进一步提供了再创作的物质基础和精神动力。 另一方面,版权保护也更利于优秀作品的传播,因为版权保护也是在保护传播者的正当权益和保护公众对于分享知识文化成果的权利。诚然,一部作品的诞生,不是为了孤芳自赏,更多的是为了以某种形式分享给大众,为大众所用。而且, 版权保护也可以让创作者更加合理地使用他人的结果,避免引发剽窃等诸多麻烦。 因此,目前有几家AI公司因涉嫌生产侵犯版权的内容而卷入法律诉讼。比如说 《纽约时报》起诉 Chatgpt的开发者 OpenAI [1],控诉后者将数百万篇 《纽约时报》的文章被用于训练智能聊天机器人(例如ChatGPT )。这些机器人现在作为新闻消息源与《纽约时报》展开竞争。 《纽约时报》声称,OpenAI和微软大型语言模型 (LLM)能够模仿《纽约时报》的文字风格从而生成类似内容,有时候甚至能原封不动生成已有的内容,这种现象影响到《纽约时报》通过订阅和广告获得收入,并且有违版权许可。 起诉书中,《纽约时报》提及到一个例子 – 微软的「以必应浏览(Browse With Bing)」中的功能,能够几乎一字不差地重现《纽约时报》旗下网站「The Wirecutter」的内容,但完全没有为提供相关的链接进行引用。这个例子充分体现了AI 非法使用版权内容。 目前,针对OpenAI的类似诉讼案件正在不断增加,例如近来GPT-4o内置声音模仿「寡姐」一案 [2]。但由于对于AI 非常使用版权内容难以界定,诉讼案件尚在激烈讨论中。 图1:NY Times指控ChatGPT生成内容和NY Times文章高度一致。 为了缓解训练数据版权所有者与AI开发者之间的紧张关系,人们已经开始尝试修改生成模型的训练或推理过程,以减少生成侵权内容的可能性。然而这些改动可能会因为排除了高质量的受版权保护的训练数据或限制内容生成而损害模型性能。版权法的复杂性和模糊性增加了额外的难度,使得区分侵权和非侵权成果变得模糊不清。 这种不确定性可能导致双方在法庭争议中浪费大量资源。 本文提出一种在AI开发者和版权所有者之间建立互利的收益分享协议的方案,此提议呼应了经济学中最近提倡的观点。然而,模型训练和内容生成的「黑箱」特性使得传统的按比例直接分成方法不再适用。 因此,需要一种新的框架来公平合理地处理这些新出现的版权问题,确保在鼓励创新的同时,也保护数据提供者的合法权益。 图2:该工作被Ethan Mollick宣传。 Shapley版权分享框架 该文章的框架分为两步: 第一步是评估模型在整个数据集的每一个可能子集上训练的效用。直观上,如果在某数据子集上训练的模型能够有很大的可能性生成与部署模型相似的AI生成内容(例如艺术作品),那么该数据子集的效用就会很大。 第二步是根据第一步的效用使用合作博弈论工具(即Shapley值)来确定任何训练数据版权所有者的应得份额。简而言之,如果将其数据包括在模型训练中能够增加效用,那么版权所有者的份额就会大。 图3:基于Shapley值的版权分配框架。 不同数据源组合的效用 设有 n 个版权所有者,第 i个拥有训练数据集的版权,其中i∈N≔{1,2,…n}。部署的模型训练在整个数据集上,并生成内容。考虑一个在数据子集上训练的反事实模型,其中S⊆N表示数据所有者的一个子集。 该反事实模型生成同一内容的概率密度函数由表示。对于生成模型生成的内容,一个子集的效用最容易反映在该反事实模型生成目标内容的概率。当比较不同模型时,可以通过生成目标内容的概率比例衡量它们之间的效用差距。 因此,该文章定义此模型对内容的效用为,这样可以直接根据来比较两个数据集之间的效用。 这种效用提供了一种衡量数据源S在生成内容方面的责任程度的方式。如果反事实模型不太可能生成与部署模型相同的内容,其效用就小,反之亦然。 版权所有者间的版税分配 效用v(S)可以解释为所有S成员为训练生成式AI模型提供数据所应得的总补偿。下一步是基于所有可能的数据源组合的效用来确定每个个别版权所有者的收益。该文章提议使用Shapley值。 Shapley值是博弈论中的一个解决方案概念,它提供了一种根据每个玩家组合作为联盟的效用分配收益的原则性方法。它是由诺贝尔奖获得者Lloyd Shapley (此后简称为Shapley) 提出的。 Shapley (1923-2016)是美国籍数学家和经济学家,并且由于对稳定分配理论和市场设计的实践做出突出贡献,而获得了2012年的经济学诺贝尔奖 [3]。Shapley是博弈论领域的传奇,并且在其博士工作和博士论文中引入了Shapley值。 美国经济学会称Shapley是「博弈论和经济学理论的巨人」。 Shapley值的具体计算如下: 参与者i的Shapley值计算为其在所有可能联盟中边际贡献的加权平均: Shapley值是唯一满足几个重要经济属性的支付规则,并在机器学习模型的数据估值中获得了普及。利用Shapley值,该文章提出使用SRS(Shapley Royalty Share)来计算版权分配。 SRS定义如下: 这里,是版权所有者i的Shapley值。 SRS提供了一种经济学方法解决生成式AI环境中的版权和收益分配问题,支持公正的数据使用和创新激励。 该文章用一个简单的例子来解释Shapley值的计算过程。在这个例子中,有三个数据所有者(A, B, C),他们共同训练一个模型,使用模型对某生成内容的log-likelihood作为效用函数。假设使用不同的数据组合训练后的模型的log-likelihood如下: 可以根据以下量来计算A的Shapley值: 数据所有者A单独贡献:v({A})=5 数据所有者A和B的贡献:v({A,B})-v({B})=15-7=8 数据所有者A和C的贡献:v({A,C})-v({C})=10-3=7 数据所有者A、B和C的贡献:v({A,B,C})-v({B,C})=20-12=8 根据Shapley值公式,可以得到 计算考虑 在应用SRS框架时,主要挑战在于其相当大的计算成本。对不同数据源组合的效用函数评估需要多次重新训练模型。在版权所有者数量较少的某些应用中,计算挑战可能并不像看起来那么严重。 实际上,可以预见这种基于合约的框架在整个版权数据被少数几个版权所有者分割时效果最佳,这样每个数据源都有足够的数据影响训练结果。如果数据源的规模非常小,版权所有者的版税份额可能微不足道,且由于训练AI模型的随机性,结果可能更加噪声化。 为了减轻这种计算负担,可以采用两种方法: 第一种是使用蒙特卡洛方法来近似计算Shapley值,这种技术特别适用于版权所有者众多的情况。 第二种方法是通过从另一个在较小数据子集上训练的模型微调来训练模型。因此,可以通过对整个训练数据只训练一次,来近似在不同数据子集上训练的模型。具体来说,对于随机抽样的版权所有者排列,可以首先在第一个版权所有者上训练,然后是第二个,一直到最后一个版权所有者。这种技术可以与著名的Shapley值排列抽样估计器一起使用。 在实践中,商业AI模型可能每天进行数百万次交易。仅估计每个版权所有者应得的聚合收益,而不是按照公式为每个AI生成的内容计算收益,可以节省计算成本。理论上,可以仅评估所有交易中一小部分的SRS,然后按比例计算从所有交易中获得的收入分布。 实验结果 该文章通过实验评估了所提出框架在分配AI生成内容版税方面的有效性,重点关注创意艺术和图像领域的标志设计。 评估使用了公开可获取的数据集:WikiArt和FlickrLogo-27。 评估SRS的有效性 对于WikiArt数据集,该文章选取了四位著名艺术家的四个不相交的画作子集。一个最初在更广泛的训练图像集(不包括这四位艺术家的作品)上训练的模型,作为基础模型。通过在选定艺术家的四组画作的各种组合上进一步微调基础模型,计算SRS。 类似地,对于FlickrLogo-27数据集,该文章选取了四个品牌的四个不相交的标志设计子集,并使用在其他品牌标志图像上训练的基础模型计算SRS。该文章的目标是评估SRS是否能反映每个版权所有者对图像生成的贡献。 图4:使用SRS评估每个版权所有者对图像生成的贡献。 结果表明,当的风格与训练数据源的风格非常接近时,SRS值最高。这一关系凸显了SRS框架准确归因于AI生成图像创作贡献的能力。 评估SRS对于混合风格的生成图像的归因能力 在WikiArt数据集上,该文章探讨了针对要求从多个数据源生成内容的提示的SRS分布。显著地,提示要求生成模型融合多位艺术家的风格。SRS有效地识别并奖励了融入生成艺术作品的数据源的贡献,展示了该框架在辨识和评价多样化数据源输入以生成内容的能力。 图5:使用SRS评估每个版权所有者对混有不同艺术家风格的图像生成的贡献。 讨论与深入研究 生成式AI的快速发展对传统版权法构成了深刻挑战,这不仅是因为其强大的内容生成能力,还因为对AI生成内容版权的解释复杂以及大型AI系统的“黑箱”本质。该文章从经济学角度出发,开发了一个允许在版权数据训练中交换收入分配的版权分享模型,促进了AI开发者和版权所有者之间的互利合作。通过数值实验,该文章证明了这一框架的有效性和可行性。 该文章的研究也为未来的研究开辟了道路。例如,版权所有者可能会通过合并或分割他们的数据来最大化版权分成,SRS可能会被恶意版权所有者操纵。尽管已经探索了抗复制的解决方案,但这些主要关注于Shapley值的影响而非复制下的比率。开发一种抗操纵的机制是未来工作的一个重要方向。 另一个开放问题是处理无法或不愿意协商协议的版权所有者的版权数据,特别是当每个拥有者的数据集很小的情况。在这种情况下,该文章的方法可以与生成合法内容的方法结合使用, 增强他们的模型以确定版权所有者和AI开发者之间适当的收入分配,认识到计算资源、算法设计和工程专长在开发高性能AI模型中的关键作用,是另一个研究方向。 该文章已经通过采用合作博弈理论中的权限结构概念来初步适应这种情况。 从方法论角度看,未来研究的一个关键方面是使用Shapley值比率进行收入分配。直接使用Shapley值的主要挑战在于任何版权所有者数据联盟的总收入未知。但当考虑比率时,Shapley值的效率属性(确保所有Shapley值之和等于大联盟的效用)失去了意义。 在这种情况下,半值(一种放弃效率公理的Shapley值推广)可能提供了一个可行的替代方案。未来的工作可以旨在建立公理化的理由,以识别此背景下用于版税分配的最合适的解决方案概念。 从实用性的角度讲,Shapley值最大的不足之处在于计算开销。尽管Monte Carlo方法可以加速计算过程,但仍需要大量的模型重复训练。这种计算需求在处理大型数据集和复杂模型时变得尤其突出,可能导致计算资源的极大消耗和时间的延长。 未来的工作可以着重于解决这一问题,通过开发更高效的算法或启用新的方法来减少计算开销,从而使Shapley值在实际应用中更加可行和高效。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/33805.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 AI预测极端天气提速5000倍!微软发布Aurora,借AI之眼预测全球风暴 上一篇 2025 年 8 月 13 日 下午11:23 激增13倍,从关键数据看AI市场规模 下一篇 2025 年 8 月 13 日 下午11:23 相关推荐 一周前,一份名为“在线组队”的共享文档在独立游戏圈开始流行 去年过年那会儿,应该不少人都见过一个“上海游戏公司年会奖品”的共享在线文档,里面是各家游戏公司的小伙伴手动录入的自家过年的年终奖信息,底下还有员工的吐槽。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 527000 行业动态 突发!Shopee或将于1月13日起退出波兰市场 Shopee首席执行官冯陟旻近期表示,该公司将于1月13日关闭波兰业务 siyushenqi.com 2025 年 8 月 13 日 406000 行业动态 即刻报名丨【呈势未来】系列出海沙龙·武汉站强势来袭,游戏+泛娱乐的出海新机遇尽在其中! 前方到站,新兴出海城市·武汉。 siyushenqi.com 2025 年 9 月 22 日 461000 行业动态 推出 AI 耳机,字节真正的野心是什么? 字节跳动推出了一款名为Ola Friend的AI智能体耳机,这款开放式耳机重量轻,可接入豆包大模型,并与豆包App深度结合,售价1199元。 siyushenqi.com 2025 年 8 月 13 日 448000 行业动态 短剧批量登录电视台,短剧影视化落地生根 大屏要丰富内容,要把短剧吸进来。 siyushenqi.com 2025 年 8 月 17 日 419000 行业动态 南京道成科技 联合创始人 施超 确认担任 PAGC 2025丨第五届全球产品与增长展会 非游应用出海增长峰会演讲嘉宾! 南京道成科技 联合创始人 施超 确认担任 PAGC 2025丨第五届全球产品与增长展会 非游应用出海增长峰会演讲嘉宾! siyushenqi.com 2025 年 8 月 17 日 553000 行业动态 如何避免罚款,如期缴纳沙特增值税? 沙特税务主管部门为天课与税务总局(General Authority of Zakat & Tax,以下简称“GAZT”)。所有沙特境内购买、销售货物或服务、进口货物和服务均为增值税应税项目,另有规定除外。如果不在到期之前缴纳增值税,有可能收到严厉的罚款。 siyushenqi.com 2025 年 8 月 13 日 419000 当广告遇上兵法:见招拆招巧解投放难题,运筹帷幄决胜变现获客 当挑战与机遇同时来临,“专业性”就成为了成功的关键 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 414000 印尼“高考”也疯狂,在线教育“吸金” 2020年上半年,针对印尼科技领域的投资总额为28亿美元,比2019年同期增长了55%。 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 484000 IP授权产业发展增速,2023 ChinaJoy BTOB设立 ChinaJoy IP 授权展区 而且废弃物 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 300000 行业动态 淘宝投入10亿补贴,助力商家双11出海 双11首次覆盖20国/地区,5种语言、29种外币支付,港台新增微信、八达通、货到付款。 siyushenqi.com 2025 年 9 月 23 日 426000 近七成跨境卖家选择新平台,亚马逊真的不行了? 亚马逊今年来的日子并不好过。根据最新财报数据显示,本季度亚马逊的增速已经逐渐放缓,营收略低于分析师的预期,亚马逊还预计Q4季度的收入将远低于预期,发展显现颓势。 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 397000 行业动态 迪士尼也要吃“机器人”这口饭? 和机器人行业八竿子打不着的迪士尼,居然也在做机器人,而且还做了很长时间。 siyushenqi.com 2025 年 8 月 13 日 486000 行业动态 外贸出海没流量?WhatsApp磐石系统靠WS绿标号+WS蓝标号,精准定位全球客户,获高质量询盘! 做外贸最无奈的,莫过于辛苦做了营销,却只收到少量询盘,且大多是无效咨询,浪费大量跟进时间。这其实是**全球精准营销**“精准度”不够导致的。而**WhatsApp磐石系统**凭借**whatsapp绿标号**和**whatsapp超级号**的特性,搭配精准触达功能,让**外贸获客**告别“少且杂”,轻松收获高质量询盘。 WhatsApp 磐石系统的whats… siyushenqi.com 2025 年 8 月 13 日 下午11:23 435000 行业动态 首日破发,“AIGC第一股”出门问问今日上市 开盘跌超21%,最新股价为3.1港元/股。 siyushenqi.com 2025 年 8 月 13 日 432000 行业动态 OpenAI裂变成了两块:一块营利,一块非营利 OpenAI宣布了公司重组的消息,旨在解决营利与非营利之间的矛盾,以更好地推进其使命。 siyushenqi.com 2025 年 8 月 13 日 444000 行业动态 一周要闻NO.96丨美团将在沙特推出外卖平台;Blood Strike空降全球手游下载增长榜;余承东卸任华为终端BG CEO 美团计划在沙特推出国际外卖平台「KeeTa」;在拉美、东南亚市场蛰伏半年的《Blood Strike》空降全球手游下载增长榜;余承东卸任华为终端BG CEO,终端COO何刚接任;Pandabuy:出海电商创业2年利润过亿,反向海淘新风口;国内首部全流程AI科幻广播剧来了! siyushenqi.com 2025 年 8 月 14 日 488000 行业动态 AI女友App月下载破146万,巴西、印度等新兴市场成增长新引擎 让“恋爱陪伴”触手可及。 siyushenqi.com 2025 年 9 月 2 日 527000 做外贸安卓手机必备的四项内容! 做外贸安卓手机必备的四项内容! siyushenqi.com 2025 年 8 月 3 日 • 行业动态 556000 行业动态 小扎发布虚拟聊天AI,竟「1:1复刻」Character.AI?用户吐槽:设定太老土了 Meta的AI产品化之路,第一步可能就是先抄Character.AI的虚拟角色聊天功能。更多消息,周三Meta Connect大会揭晓。 siyushenqi.com 2025 年 8 月 13 日 413000 行业动态 欧洲疫情再次爆发,当地消费者购物需求和消费方式正发生改变…… 今年疫情之下,包括英国在内的欧洲市场线上零售规模逐渐壮大,当地消费者的购物习惯和行为也在发生着变化。 siyushenqi.com 2025 年 8 月 13 日 447000 行业动态 TikTok电商在马来西亚招兵买马 正式运营近了! TikTok Shop招兵买马? 东南亚电商市场热闹了! siyushenqi.com 2025 年 8 月 13 日 471000 行业动态 夜越未来,信号已接通丨Signal ∞ After Party精彩落幕 魔都夜色×赛博浪潮共振。 siyushenqi.com 2025 年 8 月 14 日 462000 行业动态 高效分析询盘内容的8个关键要点 当国外客户通过B2B或者B2C平台发给国内邮件,来咨询产品和价格时,我们通常成为询盘。询盘的邮件内容一般包括客户的购买需求和产品要求,所以如何处理询盘,如何有技巧的报价,才能高效的推进下一步呢? 询盘是用来表达客户需求的,分析询盘需求可以让我们得到更多客户的信息,对客户表面和潜在的需求理解的更透彻。通过分析询盘信息,我们也可以筛选出有质量的询盘,大大地提高我… siyushenqi.com 2025 年 8 月 13 日 下午11:23 435000 莉莉丝在海外悄悄测试了一款三消游戏? 不太一样的发行思路。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 452000 行业动态 《黑神话:悟空》通关感想:在中国游戏行业的天幕上开了个孔 ,哪怕很小 游戏在今天也直接冲上了微博热搜第一。 siyushenqi.com 2025 年 8 月 17 日 427000 行业动态 三七互娱双线落子:投资AI前沿基金,入股前“倩女幽魂”主创公司 子公司拟出 200 万美元参投 Lighthouse Founders’Fund,占 2.5% 份额,重点锁定 AI+产业/硬件等泛科技赛道,为游戏主业做技术储备。 siyushenqi.com 2025 年 12 月 12 日 522000 行业动态 游戏研发发行对接会好戏落幕丨从实力派项目到发行实操 多位大咖带来游戏出海新思路 9月20日,成都游戏研发发行对接会圆满落幕! siyushenqi.com 2025 年 8 月 19 日 348000 行业动态 OpenAI 两封全员信:Sam Altman正式回归,Ilay退出董事会 OpenAI的宫斗大戏终于尘埃落定。 siyushenqi.com 2025 年 8 月 13 日 435000 2348.6亿美元太阳能市场,海外销量连年翻倍! 小品类撬开大市场,欧洲太阳能电池板市场需求量同比增长112% siyushenqi.com 2025 年 8 月 12 日 • 行业动态 449000 发表回复 请登录后评论...登录后才能评论 提交