隨著AI技術(shù)的快速發(fā)展，AI圖像生成器因其能夠基于未經(jīng)同意的藝術(shù)家和攝影師的版權(quán)作品進(jìn)行創(chuàng)作而備受爭(zhēng)議。然而，如果這些作品被損壞，原創(chuàng)作者的感受可能會(huì)有所不同。在這種情況下，得克薩斯大學(xué)的研究團(tuán)隊(duì)提出了一種可能的解決方案。

研究團(tuán)隊(duì)開發(fā)了一種“環(huán)境擴(kuò)散”模型，首先使用部分掩蓋的圖像來訓(xùn)練文本到圖像的模型。隨后，團(tuán)隊(duì)開始嘗試使用其他類型的噪聲來破壞圖像，以測(cè)試模型的性能。他們使用一組3000張清晰的名人圖像對(duì)第一個(gè)傳播模型進(jìn)行訓(xùn)練，結(jié)果發(fā)現(xiàn)模型能夠生成與訓(xùn)練數(shù)據(jù)“明顯相似”的副本。然而，當(dāng)研究人員開始破壞訓(xùn)練數(shù)據(jù)，隨機(jī)掩蓋高達(dá)90%的像素時(shí)，圖像生成器仍然能夠創(chuàng)建高質(zhì)量的人類圖像，但這些圖像看起來并不像任何現(xiàn)實(shí)生活中的名人。

計(jì)算機(jī)科學(xué)研究生GiannisDaras表示：“我們的框架可以控制記憶和性能之間的平衡。隨著訓(xùn)練過程中遇到的損壞程度增加，訓(xùn)練集的記憶就會(huì)減少?！边@一發(fā)現(xiàn)表明，通過提高圖像的損壞程度，可以有效減少AI模型對(duì)原始圖像的記憶，從而減輕版權(quán)問題。

盡管一些人可能預(yù)期該模型只會(huì)輸出噪點(diǎn)圖片，但研究人員指出，其性能仍然會(huì)隨圖像掩蓋程度的增加而變化，即照片被掩蓋得越多，輸出質(zhì)量就越差。此外，計(jì)算機(jī)科學(xué)教授亞當(dāng)·克里文斯補(bǔ)充說：“該框架對(duì)科學(xué)和醫(yī)學(xué)應(yīng)用也很有用。對(duì)于任何研究來說，從黑洞成像到某些類型的MRI掃描，只要獲得一整套未損壞的數(shù)據(jù)是昂貴的或不可能的，那么該框架基本上都是有用的。”

這項(xiàng)研究不僅為AI圖像生成提供了一種新的解決方案，也為未來的科學(xué)研究和應(yīng)用開辟了新的可能性。通過這種創(chuàng)新方法，AI技術(shù)的應(yīng)用將更加廣泛，同時(shí)也更加尊重原創(chuàng)內(nèi)容的版權(quán)。