侵權(quán)、" 搶功 " 爭議不斷，Stability AI 陷入漩渦。

——

文｜杜晨 編輯｜VickyXiao 圖片來源 | Stability AI

無數(shù)創(chuàng)業(yè)產(chǎn)品和業(yè)余項目出現(xiàn)，谷歌、字節(jié)等巨頭公司也都紛紛入局——最近 AI 創(chuàng)作這條賽道有多擁擠，已經(jīng)無需多言。

所有參賽選手當中，最火的一家莫過于 Stable Diffusion。該項目背后的公司之一 Stability AI，也成為了行業(yè)的當紅炸子雞。號稱 " 要讓 10 億人用上開源大模型 " 的它，前不久剛剛完成了 1 億美元融資，估值達到 10 億美元躋身獨角獸行列，

然而就在上周，Stable Diffusion 項目，以及這家風頭正勁的公司，突然接連卷入兩場爭議：

不僅被藝術(shù)創(chuàng)作者 " 群起而攻之 "，

還被合作伙伴 " 反水 "，被質(zhì)疑 " 搶功 "……

/ 偷風格，算偷嗎？ /

上周，美國媒體 CNN 采訪了多位藝術(shù)家。這些受訪者憤怒地表示：無法接受 Stable Diffusion 用他們的作品，卻砸他們的飯碗。

這些藝術(shù)家的作品，或者更準確來說，他們在作品中所體現(xiàn)的風格，都被 Stable Diffusion 用于訓練模型了。

受訪者之一是在藝術(shù)節(jié)有一定知名度的油畫家 Erin Hanson。她的油畫作品用色風格非常獨特，采用了更加多樣化、具有視覺沖擊力的色彩，且飽和度極高，已經(jīng)在藝術(shù)圈內(nèi)形成了個人特色。

前段時間 Stable Diffusion 爆紅之后，Hanson 注意到有人用這個模型生成的一些圖片結(jié)果，竟然有自己作品的味道。

經(jīng)過進一步調(diào)查，她更加驚訝了：用戶甚至可以在生成圖片的時候，直接輸入 "Erin Hanson 風格 " 作為文字提示的一部分。Stable Diffusion 生成的結(jié)果，和 Hanson 已經(jīng)發(fā)表的作品幾乎一模一樣 ……

如果不注意畫中 Hanson 的簽名水印的話，你可能完全會以為兩張都是 Hanson 的親筆創(chuàng)作：

圖片來源：Erin Hanson（左）、Rachel Metz via Stable Diffusion（右）

但其實左邊有簽名水印的才是 Hanson 的正版作品 "Crystalline Maples"；右邊則是 CNN 記者通過 Stable Diffusion 生成的結(jié)果，使用的文字提示包括：水晶油畫，光和影，背光的樹，強烈輪廓，彩色玻璃，現(xiàn)代印象派，Erin Hanson 風格等。

" 如果我把它掛在我的墻上，應該毫不違和吧？"Hanson 對 Stable Diffusion 的 " 創(chuàng)作能力 " 表示相當驚訝。

但在仔細研究了 Stable Diffusion 工作機制之后，她才明白過來：這個 AI 模型根本沒有自己的創(chuàng)作能力。

因為它的風格，屬實是 " 抄 " 來的。

Stable Diffusion 是一個具備文字轉(zhuǎn)圖片 / 視頻能力的生成模型，可以用幾秒鐘時間就生成高分辨率、具備真實性和 / 或 " 藝術(shù)性 " 的視覺結(jié)果。在訓練方面，這個模型的初代版本采用了大約 4000 臺 A100 顯卡集群，用了一個月的時間。

而它的訓練數(shù)據(jù)，則來自于德國 AI 非營利機構(gòu) LAION（全稱大規(guī)模人工智能開放網(wǎng)絡）。初代版本所采用的的訓練數(shù)據(jù)集，包括了近 60 億條圖片 - 文字平行數(shù)據(jù)。

很多和 Henson 一樣感到憤怒的藝術(shù)家們發(fā)現(xiàn)，原來是自己的作品，以及對應的文字平行數(shù)據(jù)（比如姓名），被收錄到了 LAION 相關(guān)數(shù)據(jù)集里——才導致了自己的作品和風格，被這個爆紅的 AI 創(chuàng)作模型所 " 剽竊 "。

從網(wǎng)上大規(guī)模搜集資料作為 AI 模型的訓練數(shù)據(jù)，早已不是什么新鮮事。事實上，今天我們正在使用的很多基于 AI 的技術(shù)和產(chǎn)品，包括并不限于搜索引擎、短視頻推薦算法、翻譯、圖像識別等，背后的模型在訓練階段都重度使用了一些知名數(shù)據(jù)集。

這些數(shù)據(jù)集的內(nèi)容，絕大多數(shù)是沒有版權(quán) / 使用目的限制的，無論最終是商業(yè)還是非商業(yè)目的，任何人都可以使用，只需要遵守相應的來源引用和使用規(guī)范即可。

一些比較常用的圖片數(shù)據(jù)集舉例 圖片來源：Triantafillou et al. in Meta-Dataset: A Dataset of Datasets for Learning to Learn from Few Examples

不過，隨著 AI 技術(shù)越來越先進，應用領(lǐng)域越來越多樣，新的使用場景（比如今天討論的 AI 文字生成圖片）就對更大規(guī)模的訓練數(shù)據(jù)集，更多來自公開網(wǎng)域的各種形式（文字、圖片、音頻、視頻等）的信息和資料，產(chǎn)生了巨大的需求。

當數(shù)據(jù)集從幾萬，幾十萬張圖片，" 擴容 " 到幾億甚至幾十億張的規(guī)模時，這一過程當中，難免存在一些權(quán)利方面的漏洞。

而今天這些出離憤怒的藝術(shù)家們，就成為了權(quán)利漏洞，以及利用這些漏洞進行商業(yè)化獲益行為的受害者。

他們的憤怒并非沒有理由。

畢竟 AIGC（AI 生成內(nèi)容）這一或?qū)е滤囆g(shù)家們失業(yè)的新技術(shù)領(lǐng)域，已經(jīng)成為現(xiàn)如今科技創(chuàng)業(yè)的大熱門，無數(shù)創(chuàng)業(yè)者、投資人瘋狂涌入。結(jié)果奪走他們工作的這個玩意兒，居然正是用他們的創(chuàng)作風格所訓練出來的。

本來藝術(shù)家們已經(jīng)是一個普遍比較拮據(jù)的群體了。現(xiàn)在這些 AI 端了人家的碗，還要砸人家的鍋——你說他們能不生氣么 ……

Erin Hanson 圖片來源：本人

在藝術(shù)家和版權(quán)人士的呼吁和努力之下，現(xiàn)在已經(jīng)有人開發(fā)出了一些工具，幫助權(quán)利人在大型數(shù)據(jù)集當中搜索自己主張權(quán)利的作品。

比如 LAION 自己做了一個網(wǎng)頁工具可以把文字轉(zhuǎn)換為 CLIP embedding，用于搜索描述相同或者相似的內(nèi)容。

再比如還有一個取名很巧妙的網(wǎng)站，叫做 "Have I Been Trained"，幫助創(chuàng)作者搜索 LAION 數(shù)據(jù)集，查看自己的作品是否被用于訓練了。

圖片來源：Have I Been Trained?

"Have I Been Trained" 的背后是一對居住在德國的藝術(shù)家和開發(fā)者，他們表示：在幫助藝術(shù)家確認自己的作品是否被大規(guī)模數(shù)據(jù)集收錄之余，他們很快還將發(fā)布一套新的工具，允許藝術(shù)家能夠自主選擇作品是否被數(shù)據(jù)集所收錄。為此，這兩位開發(fā)者已經(jīng)和多家從事大規(guī)模 AI 模型研發(fā)的機構(gòu)和公司進行了接洽。

對于 " 藝術(shù)家應該掌握作品是否被收錄控制權(quán) " 這件事，Stability.AI 和 LAION 也表示同意。

然而即便如此，Stable Diffusion 也只是眾多 AIGC 類模型的其中一個而已。還有更多模型 / 產(chǎn)品 / 項目處于未開源狀態(tài)，藝術(shù)家和權(quán)利人想要正當維護自己的權(quán)益，所面臨的挑戰(zhàn)和阻礙，只會隨著時間變得更多和更艱難。

直到這一問題在全行業(yè)通過規(guī)范或制度解決之前，Stable Diffusion，以及包括 DALL · E 2、Midjourney 等在內(nèi)的主流模型，仍將作為 "AI 侵權(quán) " 指控的對象長期存在。

/ 多方心血，一家獨占？ /

由于 Stability AI 這家公司在過去一直正面和側(cè)面將自己宣傳為 Stable Diffusion 項目幕后的功臣，像侵權(quán)這樣的鍋，也被該公司背上了。

然而侵權(quán)只是 Stability AI 當前面臨的諸多煩惱之一。就在前不久該公司完成 1 億美元融資，正式晉升為獨角獸之際，它突然發(fā)現(xiàn)：

正因為攬了太多的功勞，過去一起做項目的好伙伴，對自己意見很大 ……

故事要先從上周四說起：一家名叫 Runway ML 的公司，在 Twitter 賬號上表示發(fā)布了 Stable Diffusion 1.5 版本。

網(wǎng)友一下子懵了：

等一下，你們這是正式版嗎？為啥 Stability AI 沒有任何公開宣布或者支持呢？

圖片來源：@ScottieFoxTTV

你們這個是 Stability AI 做的么？

圖片來源：@buZztiaan

緊接著就在發(fā)布當天，發(fā)布網(wǎng)站 Hugging Face 透露，收到了來自 Stability AI 的刪除請求：

Stability AI 表示 這個版本屬于其 " 知識產(chǎn)權(quán)泄露 "，并要求 Hugging Face 下架這一發(fā)布 ……

就連 Hugging Face 自己也懵了，因為這樣的請求過去幾乎從沒有過。它在這個刪除請求下面加了一行字：為了保證過程透明公開，請這個 repo 的所有者（Runway）和 Stability AI 提供更多資料 ……

圖片來源：Hugging Face

這究竟是怎么一回事呢？

首先我們需要再回顧一下 Stable Diffusion 的來歷：

需要明確的是，Stable Diffusion 的技術(shù)本身，其實來自于慕尼黑大學機器視覺學習組，和 Runway 公司。

今年的 CVPR22 大會上，這些研究者共同發(fā)表了一篇論文，研究的是潛伏擴散模型，論文的名字叫做 High-Resolution Image Synthesis with Latent Diffusion Models。正是這篇論文里的研究，在后來成為了 Stable Diffusion 模型的理論技術(shù)基礎(chǔ)。

圖片來源：Rombach 等人

從論文署名可以看到，除了 Esser 是 Runway 旗下研究部門的首席研究科學家之外，其他作者的隸屬單位均為慕尼黑大學——也就是說，至少在論文發(fā)表的時候所有作者當中，沒有一人屬于 Stability AI。

可要是這樣的話，Stability AI 又是怎么跟這事兒攀上關(guān)系的呢？

Runway 公司的 CEO Cristóbal Valenzuela 透露了真相：

1）基礎(chǔ)版本的技術(shù)，或者說論文，是慕尼黑大學和 Runway 一起搞的；

2）Stable Diffusion，也就是對基礎(chǔ)版本進行重新訓練后得到發(fā)布的正式版本，仍然是 Esser 和 Rombach（論文的兩位主要作者）二人主要開發(fā)的；

3）這個模型早在去年就正式開源了

4）Stability AI 在整個過程中做出的貢獻僅限于：為正式版本的訓練提供算力。

圖片來源：cvalenzuila / Hugging Face

而結(jié)合行業(yè)流傳的比較靠譜的消息，以及 Stability AI 創(chuàng)始人兼 CEO Emad Mostaque 的表述，我們了解的情況是：

所謂的算力，就是 Mostaque 個人出錢買了四千張 A100 顯卡 ……

圖片來源：英偉達

以及，對于 Stable Diffusion 重新訓練所依賴的數(shù)據(jù)集 LAION-5B，Stability AI 也是這一其組織創(chuàng)建工作的出資人之一。

不管怎么樣，總的來說，包括 Runway、Stability AI、慕尼黑大學等在內(nèi)的幾家參與方，大家在 Stable Diffusion 的發(fā)布工作中的貢獻都是平等的。最一開始并不存在，也不應該存在一家獨大的情況 ……

但是比較遺憾的是，在后續(xù)圍繞整個 Stable Diffusion 項目的營銷、宣傳，以及運營工作當中，Stability AI 以及創(chuàng)始人 Mostaque，或多或少地突出甚至夸大了自己一方的貢獻和價值——對行業(yè)內(nèi)外的用戶，以及媒體和公眾，都造成了不實的印象。

硅星人原文截圖 圖片來源：硅星人

事實上，Stability AI 這家公司，自己也在開源的 Stable Diffusion 基礎(chǔ)之上，開發(fā)了一個自己的網(wǎng)頁端應用 DreamStudio Lite ——從這一維度，和其它也做了類似事情的公司和團隊相比，Stability AI 跟它們并無實質(zhì)區(qū)別。

在 Valenzuila 站出來 " 硬剛 " Stability AI 之后，底下的留言也基本一邊倒向了 Runway 這邊 ……

網(wǎng)友紛紛表揚這位 CEO 是 "gigachad"（超級猛男）

很快，Stability AI 也撤回了刪除請求。

但該公司并沒有 " 示弱 "。公司新任首席信息官 Dan Jeffries 暗戳戳地寫了一篇文章，指責被合作伙伴 " 搶跑 " 1.5 版本的做法非常不負責任。同時他又扔出了一套十分夸張的說法，大意是：

" 我們不發(fā) 1.5 版本，是因為我們收到了監(jiān)管部門和公眾的意見，認為我們的模型不安全，會傷害到別人。所以我們接下來的主要任務是搞好安全。"

Dan Jeffries 文章標題 截圖來源：本人

這里的 " 安全問題 " 主要指的是模型被用于制作 NSFW 內(nèi)容、Deepfake 等。而 Hugging Face 上討論此事網(wǎng)友對這篇文章表示：裝什么大尾巴狼呢？前幾個版本都有問題怎么你們照發(fā)不誤呢？如果真要打擊 NSFW 的話，那是不是 Photoshop 和視頻制作軟件都別發(fā)新版本了？

在 Hugging Face 的帖子被關(guān)閉之前，仍然有極少數(shù)人站在 Stability AI 這邊，大意是說 Runway 這個做法不體面，一個真正 " 穩(wěn)定 " 的版本應該大家一起商量發(fā)布，更何況 Stable Diffusion 這個命名，本身就印證著它跟 Stability AI 有巨大的關(guān)系。

然而現(xiàn)在來看，Stability AI 和 Stable Diffusion 這兩個名字，誰蹭誰的熱度還不好說呢。