جدا از تقلید، کپی و دزدی از آثار هنری توسط انسان ها، در این دوره از تکنولوژی هنرمندان با یک چالش جدید روبرو هستند.
به عکس های زیر نگاه کنید:
عکس های سمت چپ اثری از جیمز دالی (James Dali III)هنرمند کتاب‌های کامیک هست و سمت راست عکس‌های تولید شده توسط Stable Diffusion fine-tuned براساس کار های اوست.
و همچنین در عکس بالا چهارتصویرسمت چپ، اثری ازهالی منگرت (Hollie Mengert) که برای آموزش مدل هوش مصنوعی استفاده شده اند و در سمت راست ،چهار نمونه از تصاویر تولید شده توسط مدل همان مدل هوش مصنوعی را مشاهده می کنید.
بسیاری از هنرمندان از اینکه از هنر آن ها بدون اجازه، در برنامه‌های تبدیل متن به عکس(AI Art generator) استفاده می‌شود ناراضی هستند. آخرین تلاش برای محافظت از هنرمندان و آثارشان به دست ابزار جدیدی به نام نایت شید (nightshade) افتاده است. این ابزار به هنرمندان اجازه می‌دهد تغییرات غیر قابل تشخیص بر روی پیکسل‌های تصاویر خود قبل از آپلود آنلاین آن انجام دهند،تا از تصاویر هنری خود،مقابل مدل‌های هوش مصنوعی که بدون اجازه از آثار دیگران استفاده می‌کنند، محافظت کنند.
مدل‌های هوش مصنوعی مولد دارای مقدار زیادی داده نمونه هستند تا از طریق یادگیری ماشین ،مدل خود را ارتقا دهد.نایت شید تصاویر را به مجموعه داده نمونه‌ای (data sample) تبدیل می‌کند که برای ارتقای مدل‌های هوش مصنوعی مناسب نیستند.
به صورت کلی کار این ابزار، جایگزین کردن برخی از پیکسل های تصویر با پیکسل های دیگر است که به عنوان انسان متوجه تفاوت میان آن ها نخواهیم شد، اما برای مدل های هوش مصنوعی این تفاوت محسوس است. در واقع هنرمندان با این کار یک لعاب به عکس می دهند تا در مقابل هوش مصنوعی به اصطلاح سمی شوند و هزینه استفاده بدون اجازه از آثار را برای شرکت های هوش مصنوعی بالا ببرند.
کار این ابزار به این شکل است که بعد از دریافت عکس از آن یک نسخه کپی برداری می کند و نسخه دیگر را با ایجاد تغییراتی که به عکس اصلی نزدیک است به طور مثال در فرم یا سبک جایگزین می کند و با پیکسل هایی که نبودشان به عکس اصلی اسیب زیادی وارد نمی کنند جایگزین میشوند.
این تصاویر سمی می‌توانند، مدل های هوش مصنوعی پردازش تصویر مثل DALL-E ، Midjourney و Stable Diffusion را به اشتباه قانع کنند که وقتی درخواست عکس سگ و کلاه می‌شود به عنوان خروجی عکس گربه و کیک دریافت شود.
اثر این عکس‌های سمی روی آخرین ورژن Stable Diffusion ازمایش شده است، یک مدل با تعداد مختلف تصاویر سمی آموزش داده شد که نتایج جالبی هم به دنبال داشت.به عنوان مثال با 50 تصویر مسموم شده سگ، خروجی عجیب و چهره ی غیر واقعی داشت؛ حالا با تغییر تصاویر مسموم شده به300 ،مدل کاملا قانع شده که سگ چهره ای شبیه به گربه دارد.
نکته قابل توجه در مورد هوش مصنوعی مولد این است که در پیدا کردن ارتباط کلمات با هم عملکرد بسیار خوبی دارد.
به عنوان مثال اگر یک مدل تصاویر سمی برای کلمه fantasy art دریافت کند نتایج برای ورودی‌های Dragons و a castle in The Lord of the Rings نیز تغییر می‌کند.
بن ژائو (Ben Zhao) ،استاد دانشگاه شیکاگو که رهبری تیم تولید کننده نایت شید را به عهده دارد،هدف تولید آن را برگرداندن قدرت به هنرمندان در رابطه با هنرشان می‌داند. ژائو این مسئله که امکان دارد بعضی افراد از روش مسموم کردن داده‌ها استفاده نادرست کنند را قبول دارد؛ ولی عقیده دارد که این افراد برای آسیب زدن به مدل‌های بزرگ و قدرتمند ، به هزاران داده مسموم شده نیاز دارند.
در نهایت ابزار نایت شید کمک می کند تا هنرمندان نیز در رابطه با حفاظت از هنر خود نقش آفرینی کنند اما جدا از عقیده ژائو احتمال اینکه افرادی داده‌های مسموم را وارد مدل های زبانی بزرگ نیز کنند وجود دارد و این یک خطر است .سوال مهم این است که آینده هوش مصنوعی مولد(Generative AI) به کدام سمت می رود؟
هوش مصنوعی به عنوان دومین فناوری پیشرو در گزارش ده فناوری پیشروی اقتصاد جهانی در سال 2023 قرار دارد و شرکت های بزرگ توسعه دهنده آن به شکل گسترده در حال سرمایه گذاری روی آن هستند. بسیاری از این شرکت ها تا همین الان هم ضرر ده هستند اما مشخص است که قرار است آینده را تغییر دهند. این وسط با تمام خوبی ها، شغل های بسیاری از افراد از جمله هنرمندان در خطر است و ممکن است چالش های بسیاری را برای دولت به ارمغان آورد.
نویسنده : فاطمه املحی دستیار : کسری دسترنج
منابع :
