人工智能艺术及其对艺术家的影响
AI Art and its Impact on Artists
Harry H. Jiang, Lauren Brown, Jessica Cheng, Mehtab Khan, Abhishek Gupta, Deja Workman, Alex Hanna, Johnathan Flowers, Timnit Gebru
2023-08-08
开放获取文化艺术综合被引 260
摘要
过去三年间，基于机器学习技术的图像生成器得以问世，这类工具能够根据自然语言提示词持续生成质量更高的图像。受此推动，多款热门商用“生成式人工智能艺术”产品相继进入市场，据估算生成式人工智能产业规模已达480亿美元[125]。然而，许多专业艺术家指出，依托互联网图像/文本配对数据训练的大规模图像生成器的普及给他们带来了诸多危害。本文梳理了这些危害，包括声誉受损、经济损失、抄袭以及版权侵权等问题。为了在规避上述风险的同时充分利用图像生成器的潜在价值，本文提出了相关建议，比如制定强制要求企业公开训练数据的监管措施，以及开发能够帮助艺术家防止他人未经许可将其作品用作训练数据的工具。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 基于机器学习的图像生成器近年来迅速发展，催生了规模庞大的生成式AI艺术商业产业。然而，基于互联网图文数据训练的大规模图像生成器的泛滥，给专业艺术家带来了声誉受损、经济损失、抄袭以及版权侵权等多重危害。为了在发挥技术潜力的同时保护艺术家权益，必须采取强制披露训练数据来源的法规以及防止未经授权使用内容的技术工具等干预措施。
- 研究方法
- 本文主要采用回顾与梳理的方法，系统审查了大规模图像生成器对专业艺术家造成的各类危害。在此基础上，结合行业现状与技术特征，推演并提出应对这些问题的规制建议与技术防范方案。
- 学术贡献
- 系统梳理并明确了生成式AI艺术对专业艺术家造成的具体危害类型，将声誉损害、经济损失、抄袭与版权侵权等问题纳入学术讨论框架。针对上述危害提出了具有针对性的应对建议，为平衡AI技术发展与艺术家权益保护提供了理论参考与解决思路。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Generative Adversarial Networks and Image Synthesis