Hacker News 의견

• 논문 링크: arXiv:2310.13828
  • 이 논문은 많은 예술가들이 받아들이기 어려울 수준의 아티팩트를 도입하는 것으로 보임.
• 이 기술은
  • a) 지난 세대의 훈련 프로세스에서는 겨우 작동하며,
  • b) 최신 훈련 프로세스(GPT-4V, LLaVA, BLIP2 라벨링 등)에서는 전혀 작동하지 않음.
  • c) 효과적이고 인기를 얻게 된다 해도 쉽게 대처할 수 있을 것으로 예상됨.
  • 저자들의 이전 작업인 Glaze도 효과적이지 않은 것으로 보이며, 실제보다 과대평가된 결과일 수 있음.
• 이러한 도구들이 시장에서 성공할 가능성은 없으며, 인간의 인식에 영향을 주지 않고도 즉시 우회할 수 있는 방법이 있음.
  • 예술가들이나 다른 사람들이 인간의 결과물을 훈련에 사용하는 것을 막으려면 법적 조치를 통해야 함.
  • 이것도 완벽한 해결책은 아니며, 오히려 분산 훈련 네트워크 개발을 촉진할 수 있음.
• 이것은 무의미한 "무기 경쟁" 또는 "고양이와 쥐의 게임"으로 보임.
  • 예술가들의 의견을 고려하지 않는 사람들은 이미지 후처리를 통해 Nightshade 알고리즘의 섬세한 변경을 파괴할 수 있음.
  • 미래에는 법원이 사회적 압력으로 인해 예술가들의 편에 서게 될 것이며, 예술가들은 자신의 스타일과 "너무 유사한" 생성 이미지에 도전할 수 있을 것임.
  • 아니면 예술가들은 이미지 자체의 수익 창출을 포기하고 물리적인 작품 창작에만 집중할 수도 있음.
• 안 좋은/일관성 없는 이미지로 Stable Diffusion XL을 미세 조정하는 실험을 통해, 이러한 이미지를 부정적 프롬프트로 사용하면 모델이 더 나은 이미지를 출력할 수 있음을 보여줌.
  • 이러한 데이터셋을 만드는 것이 역설적으로 생성 AI 예술 모델을 개선하는 데 도움이 될 수 있음.
• 저작권/지적 재산권/특허 사용에 대한 점진적인 수수료 부과를 원함.
  • 예를 들어 수익에 연동된 비율로 라이선스 수수료 적용을 원함.
  • 개인이 소유한 경우 사망 후 0년, 기업이 소유한 경우 최대 20-30년의 저작권 기간을 원함.
  • 사용 미신고/수수료 미납에 대한 기업에 대한 벌금을 매우 높게 설정하여 절도를 방지하고자 함.
• 예술가들이 다른 예술가의 작품을 보며 다양한 스타일을 배우는 것과 AI가 그들의 작품에서 스타일을 배우는 것을 방어하는 것 사이의 모순을 지적함.
• 이는 '정보의 정확성'에 대한 개념을 약화시키며, 끊임없는 공격과 방어의 게임을 인정함.
• 곧 많은 사람들이 고품질의 예술 작품을 손쉽게 만들 수 있게 될 것이며, 이는 매우 흥미로운 전망임.