Нашли управу. Для ИИ-моделей придумали сертификат качества, который не получат нарушители авторских прав

Генеративные системы искусственного интеллекта могут создавать изображения, видео, текст и аудио за считанные секунды на основе одной только текстовой подсказки. Но все эти системы были обучены на миллионах творческих произведений авторов со всего мира.

Сейчас существует разногласие в том, как компании, занимающиеся развитием искусственного интеллекта, подходят к использованию данных для обучения. Одни получают согласие поставщиков учебных данных, а другие — нет, справедливо утверждая, что не имеют юридических обязательств это делать.

В то же время, отмечают в некоммерческой организации Fairly Trained, основанной бывшим вице-президентом Stability AI Эдом Ньютон-Рексом, для пользователей не совсем очевидно, прибегает ли компания, чьими инструментами они пользуются, к нарушениям авторских прав. Отметить тех, кто с уважением относятся к авторам, предлагают с помощью специальной сертификации.

«Fairly Trained предлагает сертификацию компаниям, которые занимаются генерированием ИИ и получают согласие на использование учебных данных. Наша первая сертификация — это сертификация лицензированной модели, которая может быть присуждена любой генеративной модели искусственного интеллекта, не использующей какие-либо работы, защищенные авторским правом, без лицензии. Привлеченные лицензии могут быть разных типов. … Сертификация не будет предоставляться моделям, которые полагаются на исключение в отношении авторского права, … что является признаком того, что владельцы прав не дали согласия на использование их работы в обучении. Таким образом, мы надеемся, что это станет полезным маркером компаний, которые придерживаются более справедливого подхода к сбору данных для обучения», — говорится в сообщении Fairly Trained.

Организация уже сертифицировала девять компаний в сфере генеративного искусственного интеллекта (Beatoven.AI, Boomy, BRIA AI, Endel, LifeScore, Rightsify, Somms.ai, Soundful и Tuney). В будущем Fairly Trained стремится разработать дополнительные маркеры, которые позволят более подробно описать, какой подход к использованию данных имеет та или иная компания.

Проект поддержал ряд организаций и компаний, в частности, Ассоциация американских издателей, Ассоциация независимых музыкальных издателей, Concord, Pro Sound Effects и Universal Music Group.