要約
現在、生成モデルの品質が人間の専門家を上回っていることは明らかです。
しかし、人工知能の進歩により、この差は縮まり、スキルの習得に人生の何年も費やしてきた個人が、本質的にスキルを完了するのに必要な時間と関連している高いコストのために時代遅れになるというシナリオにつながります。
タスク — AI が数分または数秒で完了できるタスク。
将来の社会的大混乱を避けるために、私たちは今でも、生成モデルのトレーニングにおけるそのような個人の貢献を公平に評価する方法と、彼らの収入の減少または完全な喪失をどのように補償するかを熟考する必要があります。
この研究では、モデル開発者とデータプロバイダーの間のコラボレーションを構造化する方法を提案します。
これを達成するために、Shapley Values を使用して、Stable Diffusion-v1.5 モデルによって生成された画像内のアーティストの貢献を定量化し、アーティスト間で報酬を公平に割り当てます。
要約(オリジナル)
It is evident that, currently, generative models are surpassed in quality by human professionals. However, with the advancements in Artificial Intelligence, this gap will narrow, leading to scenarios where individuals who have dedicated years of their lives to mastering a skill become obsolete due to their high costs, which are inherently linked to the time they require to complete a task — a task that AI could accomplish in minutes or seconds. To avoid future social upheavals, we must, even now, contemplate how to fairly assess the contributions of such individuals in training generative models and how to compensate them for the reduction or complete loss of their incomes. In this work, we propose a method to structure collaboration between model developers and data providers. To achieve this, we employ Shapley Values to quantify the contribution of artist(s) in an image generated by the Stable Diffusion-v1.5 model and to equitably allocate the reward among them.
arxiv情報
| 著者 | Alex Glinsky,Alexey Sokolsky |
| 発行日 | 2024-03-27 13:42:25+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google