MIT ชี้ AI ยิ่งเรียนจากข้อมูลมหาศาล ยิ่งบอกยากว่าต้นฉบับภาพนี้ที่สร้างขึ้นมาจากไหน

เมื่อ AI สร้างภาพขึ้นมาหนึ่งภาพ เราจะสามารถระบุได้หรือไม่ว่าต้นฉบับชิ้นไหนมีอิทธิพลต่อผลงานนั้น? งานวิจัยใหม่จาก MIT ชี้ว่า ยิ่ง AI เรียนรู้ข้อมูลจำนวนมหาศาลมากเท่าไหร่ ก็ยิ่งยากที่จะระบุอิธิพลจากภาพต้นฉบับได้ยากขึ้นเท่านั้น

นักวิจัยจากห้องปฏิบัติการวิทยาศาสตร์คอมพิวเตอร์และปัญญาประดิษฐ์ของ MIT ศึกษาปรากฏการณ์ที่เรียกว่า “Attribution Dilution” หรือการลดลงของการระบุแหล่งที่มา ซึ่งอธิบายว่า เมื่อชุดข้อมูลสำหรับฝึก AI มีขนาดใหญ่ขึ้น อิทธิพลของข้อมูลแต่ละชิ้นจะยิ่งถูกเจือจาง จนยากที่จะระบุได้ว่าภาพหรือผลงานชิ้นใดส่งผลโดยตรงต่อภาพที่ AI สร้างขึ้น

วิธีทดสอบของทีมวิจัยคือการตั้งคำถามว่า “ถ้าลบข้อมูลฝึกชิ้นนี้ออกไป ผลลัพธ์ของ AI จะเปลี่ยนหรือไม่?” ผลที่พบคือ เมื่อโมเดลและชุดข้อมูลมีขนาดใหญ่ขึ้น การลบภาพเพียงภาพเดียวออกไปแทบไม่ส่งผลต่อภาพที่ AI สร้างขึ้น เช่นเดียวกับการนำผลงานทั้งหมดของศิลปินคนหนึ่ง หรือภาพของบุคคลบางรายออกจากชุดข้อมูล

นั่นหมายความว่า AI อาจไม่ได้พึ่งพาภาพต้นฉบับชิ้นใดชิ้นหนึ่งโดยตรง แต่เรียนรู้จากรูปแบบและองค์ประกอบโดยรวมของข้อมูลจำนวนมหาศาล ไม่ว่าจะเป็นเรื่องแสง สี พื้นผิว องค์ประกอบภาพ หรือสไตล์ต่างๆ

แต่งานวิจัยนี้ ไม่ได้หมายความว่าประเด็นลิขสิทธิ์ของ AI จะหมดไป เพราะแม้จะระบุไม่ได้ว่าภาพใดมีอิทธิพลโดยตรงต่อผลงานที่สร้างขึ้น แต่ข้อมูลทั้งหมดที่นำมาใช้ฝึกโมเดลก็ยังมีบทบาทสำคัญต่อสิ่งที่ AI สามารถเรียนรู้ได้ สิ่งที่น่าสนใจคือ ยิ่ง AI เรียนรู้จากข้อมูลมากขึ้นเท่าไร เส้นทางย้อนกลับไปหาต้นทางของผลงานก็อาจยิ่งเลือนรางมากขึ้นเท่านั้น

ที่มา digitaltrends

หนุ่ย แซ่แต้

นักเขียนสาย Introvert ที่ชื่นชอบเรื่องนวัตกรรมและความคิดสร้างสรรค์ ใช้เวลาว่างกับ มังงะ, เสียงเพลงและ idol