با پیشرفت حوزه هوش مصنوعی تولیدی، نگرانیها درباره استفاده از کارهایی که تحت مالکیت میباشند برای آموزش مدلها به مرکز توجه رسیدهاند. بنیانگذار Fairly Trained، یک سازمان غیرانتفاعی که برای حقوق خالقان ایستادگی میکند، اخیراً تصمیم گرفته است که از شغل خود در حوزه هوش مصنوعی تولیدی کنارهگیری کند تا توجه به این موضوع مهم جلب کند. با وجود حمایت از این تصمیم، هنوز سوالات باقیماندهای درباره اخلاق اطراف استفاده از مدلهای هوش مصنوعی تولیدی که به شکل ناعادلانه آموزش دیدهاند و تأثیر آن بر صنایع مختلف وجود دارد.
معرفی روشهای آموزشی Suno
یک شرکت برجسته تولید موسیقی با هوش مصنوعی، Suno، به دلیل قابلیتهای بینظیری که در تبدیل متن به آهنگ دارد، توجه بسیاری را جلب کرده است. با این حال، نگرانیهایی درباره دادههای آموزشی استفاده شده توسط Suno مطرح شده است. این شرکت به طور مداوم از فاش کردن منابع دادههای آموزشی خود امتناع کرده و به درخواستها برای نظر درباره روشهای آموزشی خود پاسخی نداده است. این کمبود شفافیت، شکهایی را که Suno ممکن است بدون دریافت مجوزهای لازم از صاحبین حقوق از کارهایی که تحت مالکیت هستند، برانگیزاند.
نشانههای مربوط به روشهای Suno به چشم آمدهاند که شامل اظهاراتی از یکی از سرمایهگذاران آن بوده است که به نظر میرسد که شرکت تاکنون هیچ توافقی در ارتباط با برچسبهای موسیقی و ناشران نداشتهاست. علاوه بر این، با وجود گواهینامهای که توسط Fairly Trained ارائه شده است، Suno هنوز فرصت را به دست نگرفته است تا تعهدات خود به روشهای عادلانه آموزشی نشان دهد.
پیامها برای خالقان
موضوع دادههای آموزشی استفاده شده توسط شرکتهای موسیقی با هوش مصنوعی مانند Suno، پیامدهای قابل توجهی برای خالقان دارد. اگر کارهای تحت مالکیت بدون اجازه استفاده شود، حقوق موسیقیدانان و خالقان دیگر را تضعیف میکند. این حیاتی است که پوشش رسانهای شرکتهایی مانند Suno بیشتر بر روی سوال منابع دادههای آموزشی تمرکز داشته باشد تا امکان سوءاستفاده ناعادلانه از کارهای هنرمندان توسط شرکتهای موسیقی با هوش مصنوعی را برجسته کند.
سوالات متداول
س: شرکتهای موسیقی با هوش مصنوعی چگونه دادههای آموزشی تحت دریافت میکنند؟
ج: شرکتهای موسیقی با هوش مصنوعی میتوانند دادههای آموزشی را از طریق مجوزها با دارندگان حقوق بدست آورند، از دادههای دامین عمومی استفاده کنند، دادههای سفارشی دهند یا ترکیبی از این روشها را به کار ببرند.
س: آیا شرکتهای دیگری وجود دارند که اولویت بزرگی برای روشهای عادلانه آموزشی قائل هستند؟
ج: بله، تعدادی از شرکتهای موسیقی با هوش مصنوعی وجود دارند که به رویکردی عادلانه نسبت به روشهای آموزشی خود روی آوردهاند. این شرکتها از استفاده از کارهای تحت مالکیت بدون موافقت اجتناب میکنند و به منابع دادههای اخلاقی تعهد دارند.
رقابت بین هوش مصنوعی تولیدی و خالقان انسانی
تکنولوژی هوش مصنوعی تولیدی مزایای زیادی را ارایه میدهد، اما به چالش قابل توجهی نیز برای خالقان انسانی ایجاد میکند. شرکتهای موسیقی با هوش مصنوعی که از کارهای خالقان برای آموزش بدون بهرهگیری از لایسنس مناسب استفاده میکنند، در نهایت ارزش افزوده موسیقیدانان را پایین میآورند و به درآمد آنها بدل میشوند. طغیان پلتفرمهای گوش دادن به موسیقی با هوش مصنوعی، مانند Suno، به عنوان جایگزینهایی برای سرویسهای موسیقی سنتی مانند اسپاتیفای، میتواند منجر به کاهش درآمد برای صنعت موسیقی شود و مشکلات مالی خالقان انسانی را بیشتر بدرنجد.
نیاز به روشهای آموزشی عادلانه
هر چند شرکتها مانند Suno ممکن است قابلیتهای بینظیری در زمینه موسیقی با هوش مصنوعی به نمایش بگذارند، اما حمایت از کسانی که اولویت به روشهای آموزشی عادلانه میدهند اهمیت دارد. شرکتها و سازمانهای نوپای مانند Fairly Trained شرکتهای موسیقی با هوش مصنوعی را صداقت آمیز میکنند که تعهداتی نسبت به روشهای آموزشی اخلاقی، از جمله توافقات لایسنس و استفاده از دادههای دامین عمومی یا سفارشی، ارائه دادهاند. کسانی که به دنبال گنجاندن موسیقی با هوش مصنوعی در پروژههای خود هستند باید در نظر داشته باشند شرکتهایی که به حقوق خالقان حراست مینگهدارند و از کار آنها سوءاستفاده نمیکند را حمایت کنند.
به عبارتی دیگر، استفاده از کارهای تحت مالکیت بدون مجوز برای آموزش مدلهای هوش مصنوعی مسئله اخلاقی قابل توجهی برای صنعت هوش مصنوعی است. برای شرکتها و افراد اهمیت دارد که تأثیر بلندمدت بر خالقان را درنظر بگیرند و فعالانه از کسانی که روی روشهای آموزشی عادلانه تأکید دارند حمایت کنند. با توجه به اولویتدهی به روشهای آموزشی اخلاقی، میتوانیم محیطی را تشویق کنیم که به ارزشها و احترام به مشارکتهای خالقان انسانی ارزش بیافزاید و همچنین به پتانسیل تکنولوژی هوش مصنوعی تولیدی متهل به
منبع: Fairly Trained (fairlytrained.com), Billboard (billboard.com)
The source of the article is from the blog agogs.sk