侵權(quán)、搶功爭(zhēng)議不斷,Stability AI 陷入?漩渦
無(wú)數(shù)創(chuàng)業(yè)產(chǎn)品和業(yè)余項(xiàng)目出現(xiàn),谷歌、字節(jié)等巨頭公司也都紛紛入局——最近 AI 創(chuàng)作這條賽道有多擁擠,已經(jīng)無(wú)需多言。
所有參賽選手當(dāng)中,最火的一家莫過于 Stable Diffusion。該項(xiàng)目背后的公司之一 Stability AI,也成為了行業(yè)的當(dāng)紅炸子雞。號(hào)稱“要讓10億人用上開源大模型”的它,前不久剛剛完成了1億美元融資,估值達(dá)到10億美元躋身獨(dú)角獸行列,
然而就在上周,Stable Diffusion 項(xiàng)目,以及這家風(fēng)頭正勁的公司,突然接連卷入兩場(chǎng)爭(zhēng)議:
不僅被藝術(shù)創(chuàng)作者“群起而攻之”,還被合作伙伴“反水”,被質(zhì)疑“搶功”……
/ 偷風(fēng)格,算偷嗎? /
上周,美國(guó)媒體 CNN 采訪了多位藝術(shù)家。這些受訪者憤怒地表示:無(wú)法接受 Stable Diffusion 用他們的作品,卻砸他們的飯碗。
這些藝術(shù)家的作品,或者更準(zhǔn)確來(lái)說,他們?cè)谧髌分兴w現(xiàn)的風(fēng)格,都被 Stable Diffusion 用于訓(xùn)練模型了。
受訪者之一是在藝術(shù)節(jié)有一定知名度的油畫家 Erin Hanson。她的油畫作品用色風(fēng)格非常獨(dú)特,采用了更加多樣化、具有視覺沖擊力的色彩,且飽和度極高,已經(jīng)在藝術(shù)圈內(nèi)形成了個(gè)人特色。
前段時(shí)間 Stable Diffusion 爆紅之后,Hanson 注意到有人用這個(gè)模型生成的一些圖片結(jié)果,竟然有自己作品的味道。
經(jīng)過進(jìn)一步調(diào)查,她更加驚訝了:用戶甚至可以在生成圖片的時(shí)候,直接輸入“Erin Hanson 風(fēng)格”作為文字提示的一部分。Stable Diffusion 生成的結(jié)果,和 Hanson 已經(jīng)發(fā)表的作品幾乎一模一樣……
如果不注意畫中 Hanson 的簽名水印的話,你可能完全會(huì)以為兩張都是 Hanson 的親筆創(chuàng)作:
圖片來(lái)源:Erin Hanson(左)、Rachel Metz via Stable Diffusion(右)
但其實(shí)左邊有簽名水印的才是 Hanson 的正版作品 "Crystalline Maples";右邊則是 CNN 記者通過 Stable Diffusion 生成的結(jié)果,使用的文字提示包括:水晶油畫,光和影,背光的樹,強(qiáng)烈輪廓,彩色玻璃,現(xiàn)代印象派,Erin Hanson 風(fēng)格等。
“如果我把它掛在我的墻上,應(yīng)該毫不違和吧?”Hanson 對(duì) Stable Diffusion 的“創(chuàng)作能力”表示相當(dāng)驚訝。
但在仔細(xì)研究了 Stable Diffusion 工作機(jī)制之后,她才明白過來(lái):這個(gè) AI 模型根本沒有自己的創(chuàng)作能力。
因?yàn)樗娘L(fēng)格,屬實(shí)是“抄”來(lái)的。
Stable Diffusion 是一個(gè)具備文字轉(zhuǎn)圖片/視頻能力的生成模型,可以用幾秒鐘時(shí)間就生成高分辨率、具備真實(shí)性和/或“藝術(shù)性”的視覺結(jié)果。在訓(xùn)練方面,這個(gè)模型的初代版本采用了大約4000臺(tái)A100顯卡集群,用了一個(gè)月的時(shí)間。
而它的訓(xùn)練數(shù)據(jù),則來(lái)自于德國(guó)AI非營(yíng)利機(jī)構(gòu) LAION(全稱大規(guī)模人工智能開放網(wǎng)絡(luò))。初代版本所采用的的訓(xùn)練數(shù)據(jù)集,包括了近60億條圖片-文字平行數(shù)據(jù)。
很多和 Henson 一樣感到憤怒的藝術(shù)家們發(fā)現(xiàn),原來(lái)是自己的作品,以及對(duì)應(yīng)的文字平行數(shù)據(jù)(比如姓名),被收錄到了 LAION 相關(guān)數(shù)據(jù)集里——才導(dǎo)致了自己的作品和風(fēng)格,被這個(gè)爆紅的 AI 創(chuàng)作模型所“剽竊”。
從網(wǎng)上大規(guī)模搜集資料作為 AI 模型的訓(xùn)練數(shù)據(jù),早已不是什么新鮮事。事實(shí)上,今天我們正在使用的很多基于 AI 的技術(shù)和產(chǎn)品,包括并不限于搜索引擎、短視頻推薦算法、翻譯、圖像識(shí)別等,背后的模型在訓(xùn)練階段都重度使用了一些知名數(shù)據(jù)集。
這些數(shù)據(jù)集的內(nèi)容,絕大多數(shù)是沒有版權(quán)/使用目的限制的,無(wú)論最終是商業(yè)還是非商業(yè)目的,任何人都可以使用,只需要遵守相應(yīng)的來(lái)源引用和使用規(guī)范即可。
一些比較常用的圖片數(shù)據(jù)集舉例 圖片來(lái)源:Triantafillou et al. in Meta-Dataset: A Dataset of Datasets for Learning to Learn from Few Examples
不過,隨著AI技術(shù)越來(lái)越先進(jìn),應(yīng)用領(lǐng)域越來(lái)越多樣,新的使用場(chǎng)景(比如今天討論的AI文字生成圖片)就對(duì)更大規(guī)模的訓(xùn)練數(shù)據(jù)集,更多來(lái)自公開網(wǎng)域的各種形式(文字、圖片、音頻、視頻等)的信息和資料,產(chǎn)生了巨大的需求。
當(dāng)數(shù)據(jù)集從幾萬(wàn),幾十萬(wàn)張圖片,“擴(kuò)容”到幾億甚至幾十億張的規(guī)模時(shí),這一過程當(dāng)中,難免存在一些權(quán)利方面的漏洞。
而今天這些出離憤怒的藝術(shù)家們,就成為了權(quán)利漏洞,以及利用這些漏洞進(jìn)行商業(yè)化獲益行為的受害者。
他們的憤怒并非沒有理由。
畢竟 AIGC(AI生成內(nèi)容)這一或?qū)?dǎo)致藝術(shù)家們失業(yè)的新技術(shù)領(lǐng)域,已經(jīng)成為現(xiàn)如今科技創(chuàng)業(yè)的大熱門,無(wú)數(shù)創(chuàng)業(yè)者、投資人瘋狂涌入。結(jié)果奪走他們工作的這個(gè)玩意兒,居然正是用他們的創(chuàng)作風(fēng)格所訓(xùn)練出來(lái)的。
本來(lái)藝術(shù)家們已經(jīng)是一個(gè)普遍比較拮據(jù)的群體了?,F(xiàn)在這些 AI 端了人家的碗,還要砸人家的鍋——你說他們能不生氣么……
Erin Hanson 圖片來(lái)源:本人
在藝術(shù)家和版權(quán)人士的呼吁和努力之下,現(xiàn)在已經(jīng)有人開發(fā)出了一些工具,幫助權(quán)利人在大型數(shù)據(jù)集當(dāng)中搜索自己主張權(quán)利的作品。
比如 LAION 自己做了一個(gè)網(wǎng)頁(yè)工具可以把文字轉(zhuǎn)換為 CLIP embedding,用于搜索描述相同或者相似的內(nèi)容。再比如還有一個(gè)取名很巧妙的網(wǎng)站,叫做“Have I Been Trained”,幫助創(chuàng)作者搜索 LAION 數(shù)據(jù)集,查看自己的作品是否被用于訓(xùn)練了。
圖片來(lái)源:Have I Been Trained?
“Have I Been Trained” 的背后是一對(duì)居住在德國(guó)的藝術(shù)家和開發(fā)者,他們表示:在幫助藝術(shù)家確認(rèn)自己的作品是否被大規(guī)模數(shù)據(jù)集收錄之余,他們很快還將發(fā)布一套新的工具,允許藝術(shù)家能夠自主選擇作品是否被數(shù)據(jù)集所收錄。為此,這兩位開發(fā)者已經(jīng)和多家從事大規(guī)模 AI 模型研發(fā)的機(jī)構(gòu)和公司進(jìn)行了接洽。
對(duì)于“藝術(shù)家應(yīng)該掌握作品是否被收錄控制權(quán)”這件事,Stability.AI 和 LAION 也表示同意。
然而即便如此,Stable Diffusion 也只是眾多 AIGC 類模型的其中一個(gè)而已。還有更多模型/產(chǎn)品/項(xiàng)目處于未開源狀態(tài),藝術(shù)家和權(quán)利人想要正當(dāng)維護(hù)自己的權(quán)益,所面臨的挑戰(zhàn)和阻礙,只會(huì)隨著時(shí)間變得更多和更艱難。
直到這一問題在全行業(yè)通過規(guī)范或制度解決之前,Stable Diffusion,以及包括 DALL·E 2、Midjourney 等在內(nèi)的主流模型,仍將作為“AI侵權(quán)”指控的對(duì)象長(zhǎng)期存在。
/ 多方心血,一家獨(dú)占? /
由于 Stability AI 這家公司在過去一直正面和側(cè)面將自己宣傳為 Stable Diffusion 項(xiàng)目幕后的功臣,像侵權(quán)這樣的鍋,也被該公司背上了。
然而侵權(quán)只是 Stability AI 當(dāng)前面臨的諸多煩惱之一。就在前不久該公司完成1億美元融資,正式晉升為獨(dú)角獸之際,它突然發(fā)現(xiàn):
正因?yàn)閿埩颂嗟墓冢^去一起做項(xiàng)目的好伙伴,對(duì)自己意見很大……
故事要先從上周四說起:一家名叫 Runway ML 的公司,在 Twitter 賬號(hào)上表示發(fā)布了 Stable Diffusion 1.5 版本。
網(wǎng)友一下子懵了:
等一下,你們這是正式版嗎?為啥 Stability AI 沒有任何公開宣布或者支持呢?
圖片來(lái)源:@ScottieFoxTTV
你們這個(gè)是 Stability AI 做的么?
圖片來(lái)源:@buZztiaan
緊接著就在發(fā)布當(dāng)天,發(fā)布網(wǎng)站 Hugging Face 透露,收到了來(lái)自 Stability AI 的刪除請(qǐng)求:
Stability AI 表示 這個(gè)版本屬于其“知識(shí)產(chǎn)權(quán)泄露”,并要求 Hugging Face 下架這一發(fā)布……
就連 Hugging Face 自己也懵了,因?yàn)檫@樣的請(qǐng)求過去幾乎從沒有過。它在這個(gè)刪除請(qǐng)求下面加了一行字:為了保證過程透明公開,請(qǐng)這個(gè)repo的所有者(Runway)和Stability AI 提供更多資料……
圖片來(lái)源:Hugging Face
這究竟是怎么一回事呢?
首先我們需要再回顧一下 Stable Diffusion 的來(lái)歷:
需要明確的是,Stable Diffusion 的技術(shù)本身,其實(shí)來(lái)自于慕尼黑大學(xué)機(jī)器視覺學(xué)習(xí)組,和 Runway 公司。
今年的 CVPR22 大會(huì)上,這些研究者共同發(fā)表了一篇論文,研究的是潛伏擴(kuò)散模型,論文的名字叫做 High-Resolution Image Synthesis with Latent Diffusion Models。正是這篇論文里的研究,在后來(lái)成為了 Stable Diffusion 模型的理論技術(shù)基礎(chǔ)。
圖片來(lái)源:Rombach 等人
從論文署名可以看到,除了 Esser 是 Runway 旗下研究部門的首席研究科學(xué)家之外,其他作者的隸屬單位均為慕尼黑大學(xué)——也就是說,至少在論文發(fā)表的時(shí)候所有作者當(dāng)中,沒有一人屬于 Stability AI。
可要是這樣的話,Stability AI 又是怎么跟這事兒攀上關(guān)系的呢?
Runway 公司的 CEO Cristóbal Valenzuela 透露了真相:
1)基礎(chǔ)版本的技術(shù),或者說論文,是慕尼黑大學(xué)和 Runway 一起搞的;2)Stable Diffusion,也就是對(duì)基礎(chǔ)版本進(jìn)行重新訓(xùn)練后得到發(fā)布的正式版本,仍然是 Esser 和 Rombach(論文的兩位主要作者)二人主要開發(fā)的;3)這個(gè)模型早在去年就正式開源了4)Stability AI 在整個(gè)過程中做出的貢獻(xiàn)僅限于:為正式版本的訓(xùn)練提供算力。
圖片來(lái)源:cvalenzuila / Hugging Face
而結(jié)合行業(yè)流傳的比較靠譜的消息,以及 Stability AI 創(chuàng)始人兼 CEO Emad Mostaque 的表述,我們了解的情況是:
所謂的算力,就是 Mostaque 個(gè)人出錢買了四千張A100顯卡……
圖片來(lái)源:英偉達(dá)
以及,對(duì)于 Stable Diffusion 重新訓(xùn)練所依賴的數(shù)據(jù)集 LAION-5B,Stability AI 也是這一其組織創(chuàng)建工作的出資人之一。
不管怎么樣,總的來(lái)說,包括 Runway、Stability AI、慕尼黑大學(xué)等在內(nèi)的幾家參與方,大家在 Stable Diffusion 的發(fā)布工作中的貢獻(xiàn)都是平等的。最一開始并不存在,也不應(yīng)該存在一家獨(dú)大的情況……
但是比較遺憾的是,在后續(xù)圍繞整個(gè) Stable Diffusion 項(xiàng)目的營(yíng)銷、宣傳,以及運(yùn)營(yíng)工作當(dāng)中,Stability AI 以及創(chuàng)始人 Mostaque,或多或少地突出甚至夸大了自己一方的貢獻(xiàn)和價(jià)值——對(duì)行業(yè)內(nèi)外的用戶,以及媒體和公眾,都造成了不實(shí)的印象。
硅星人原文截圖 圖片來(lái)源:硅星人
事實(shí)上,Stability AI 這家公司,自己也在開源的 Stable Diffusion 基礎(chǔ)之上,開發(fā)了一個(gè)自己的網(wǎng)頁(yè)端應(yīng)用 DreamStudio Lite——從這一維度,和其它也做了類似事情的公司和團(tuán)隊(duì)相比,Stability AI 跟它們并無(wú)實(shí)質(zhì)區(qū)別。
在 Valenzuila 站出來(lái)“硬剛” Stability AI 之后,底下的留言也基本一邊倒向了 Runway 這邊……
網(wǎng)友紛紛表?yè)P(yáng)這位 CEO是“gigachad”(超級(jí)猛男)
很快,Stability AI 也撤回了刪除請(qǐng)求。
但該公司并沒有“示弱”。公司新任首席信息官 Dan Jeffries 暗戳戳地寫了一篇文章,指責(zé)被合作伙伴“搶跑” 1.5 版本的做法非常不負(fù)責(zé)任。同時(shí)他又扔出了一套十分夸張的說法,大意是:
“我們不發(fā)1.5版本,是因?yàn)槲覀兪盏搅吮O(jiān)管部門和公眾的意見,認(rèn)為我們的模型不安全,會(huì)傷害到別人。所以我們接下來(lái)的主要任務(wù)是搞好安全?!?/span>
Dan Jeffries 文章標(biāo)題 截圖來(lái)源:本人
這里的“安全問題”主要指的是模型被用于制作 NSFW 內(nèi)容、Deepfake 等。而 Hugging Face 上討論此事網(wǎng)友對(duì)這篇文章表示:裝什么大尾巴狼呢?前幾個(gè)版本都有問題怎么你們照發(fā)不誤呢?如果真要打擊 NSFW 的話,那是不是 Photoshop 和視頻制作軟件都別發(fā)新版本了?
在 Hugging Face 的帖子被關(guān)閉之前,仍然有極少數(shù)人站在 Stability AI 這邊,大意是說 Runway 這個(gè)做法不體面,一個(gè)真正“穩(wěn)定”的版本應(yīng)該大家一起商量發(fā)布,更何況 Stable Diffusion 這個(gè)命名,本身就印證著它跟 Stability AI 有巨大的關(guān)系。
然而現(xiàn)在來(lái)看,Stability AI 和 Stable Diffusion 這兩個(gè)名字,誰(shuí)蹭誰(shuí)的熱度還不好說呢。
注:封面圖來(lái)自于 Stability AI,版權(quán)屬于原作者。如果不同意使用,請(qǐng)盡快聯(lián)系我們,我們會(huì)立即刪除。
*博客內(nèi)容為網(wǎng)友個(gè)人發(fā)布,僅代表博主個(gè)人觀點(diǎn),如有侵權(quán)請(qǐng)聯(lián)系工作人員刪除。