看不惯AI版权作品被白嫖!Stability AI副总裁选择了辞职,曾领导开发Stable Audio

近日,OpenAI的各种大瓜真是让人吃麻了。

而就在Sam Altmam被开除前两天,可能没太多人注意到Stability AI副总裁Newton—Rex因看不惯StabilityAI在版权保护上的行为选择辞职一事。

大模型研究测试传送门

GPT-4传送门(免墙,可直接测试,遇浏览器警告点高级/继续访问即可):
http://hujiaoai.cn

Newton—Rex对音乐生成式AI的贡献

Newton—Rex是生成式AI在音乐领域的发展进化过程中的关键人物之一。

这位来自加州的企业家在十多年前创立了开创性的AI音乐制作平台Jukedeck,并于2019年将其出售给TikTok。随后,他成为了TikTok内部AI实验室的产品总监,之后又成为了音乐App Voisey的首席产品官(此App在2020年末被Snap收购)。

自2022年以来,Newton-Rex一直在Stable Diffusion背后的公司Stability AI工作。2022年Stability AI融资1.01亿美元,总估值10亿美元。

Newton-Rex在对较短的时间内对Stability AI产生了很大的影响。

作为公司的音频副总裁,他领导开发了生成式AI音乐制作平台Stable Audio,通过与作品持有者合作对授权音乐进行训练。上个月,Stable Audio被《时代》杂志评为“2023年最佳发明”之一。

生成式AI版权惹争议

就在Newton-Rex决定从Stability AI辞职之际,还发生了一些“有趣”的事,在这段时间内关于生成式AI平台“收获”版权音乐的争论变得更加混乱。

就在上周,超级明星Bad Bunny表达了对AI生成歌曲的愤怒,因为该歌曲对他本人、Justin Bieber和Daddy Yanke的声音进行了复制。

这首歌在TikTok上的播放量超过2200万次,制作者自称是FlowGPT。

在TikTok上发布的一条回应Bad Bunny的消息中,FlowGPT提议让这位艺术家重新录制这首AI制作的歌曲,并可以免费并拥有所有权利但别忘了感谢FlowGPT。”

更糟糕的是:如果Bad Bunny的团队设法让这首歌从数字平台上删除,那情况将正如FlowGPT威胁所说,“我将不得不上传一个新的版本。”

Newton因AI版权问题辞职

尽管取得了很大的成功,Newton-Rex还是因为AI版权这个原则性的问题选择了辞职。

作为一位出版过古典音乐曲的作曲家,Newton-Rex在他的整个职业生涯中始终坚信版权对艺术家、词曲作者和版权所有者的重要性。

以下是Newton-Rex辞职信全文:

我辞去了Stability AI音频团队的领导职务,因为我不同意该公司的观点——在受版权保护的作品上训练生成式AI模型是“合理使用”。

首先,我想说,Stability AI有很多人对这些问题进行了深刻的思考。我很自豪我们能够推出一款最先进的AI音乐生成产品,该产品经过许可的训练数据进行训练,并与版权持有者分享该AI模型的收入。我感谢与我一起从事此工作并支持我们团队的许多同事,特别是 Emad 为我们提供了构建和发布它的机会。我很感谢我在 Stability 的经历,从很多方面来说,我认为他们对这个话题的看法比一些竞争对手更加细致。

但是,尽管如此,我还是无法改变公司对受版权保护的作品合理使用的普遍看法。

“我不认为使用受版权保护的作品来训练生成式AI模型是合理的。”

美国版权局最近就生成式AI和版权征求公众意见时就明确了这一点,而 Stability是众多做出回应的AI公司之一。Stability提交的长达23页的文件在其开头页包含以下内容:

“我们相信,人工智能的开发是对受合理使用保护的现有内容的一种可接受的、变革性的、对社会有益的使用”。

对于那些不熟悉“合理使用”的人来说,这声称在受版权保护的作品上训练AI模型不会侵犯这些作品的版权,因此可以在未经许可且无需付费的情况下进行。对于许多大型生成式AI公司以及构建这些模型的其他大型科技公司来说,这是一个相当标准的立场 ——这并不是Stability所独有的观点。但这是我不同意的立场。

“价值数十亿美元的公司在未经许可的情况下,在创作者的作品上训练生成式AI模型,然后将其用于创建在许多情况下可以与原始作品竞争的新内容。我不明白这怎么可以接受。”

需要明确的是,我是生成式AI的支持者。它将带来很多好处 ——这就是我为此工作了13年的原因。但我支持生成式AI的前提是,它不会在未经许可的情况下通过训练模型(可能会取代他们)来剥削版权作品创造者。

我确信我不是这些生成式AI公司中唯一一个认为“合理使用”的主张对创作者不公平的人。我希望其他人能够在内部或公开场合大声疾呼,以便公司意识到剥削版权创造者并不是生成人工智能的长期解决方案。

最后附上其他科技公司对AI版权合理使用的看法:

Meta表示:反正版权持有者也不会得到多少钱。

如果现在就强制推行首个此类事项许可制度,那么之后将会发生混乱,因为开发者试图识别数以百万计的版权持有者几乎没有任何好处,由于任何单个作品在AI训练集中是无足轻重的,任何公平的版税都是很渺小的。

谷歌表示:AI训练就像读书一样。

如果训练可以在不创建副本的情况下完成,那么就不会存在版权问题。事实上,这种“知识收获”的行为比喻来说,就像“阅读一本书并从中了解事实和想法”的行为,不仅不侵权,还会具有促进版权法的真正目的。事实上,作为一个技术问题,从受版权保护的作品中提取想法和事实,“复制”这一操作是必须的,这不应该影响结果的生成。

离谱,太离谱了!

这些大厂为了反对“版权内容付费”,想出的看法可真是千方百计,诡计多端!

最后,屏幕前的你支持Newton—Rex离职吗?

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/201817.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

基于VM虚拟机下Ubuntu18.04系统,Hadoop的安装与详细配置

参考博客: https://blog.csdn.net/duchenlong/article/details/114597944 与上面这个博客几乎差不多,就是java环境配置以及后面的hadoop的hdfs-site.xml文件有一些不同的地方。 准备工作 1.更新 # 更新 sudo apt update sudo apt upgrade2.关闭防火…

【C++ 设计模式】面向对象设计原则 Template Method 模式 Strategy 策略模式

一、面向对象设计原则 重新认识面向对象 理解隔离变化 • 从宏观层面来看,面向对象的构建方式更能适应软件的变化, 能将变化所带来的影响减为最小 各司其职 • 从微观层面来看,面向对象的方式更强调各个类的“责任” • 由于需求变化导…

NFC:应用场景广泛的短距离通信技术

NFC:应用场景广泛的短距离通信技术 一、NFC 技术介绍1.1 NFC 技术应用场景1.2 NFC 技术优点1.3 NFC 工作原理 二、NFC 开发2.1 NFC 应用开发流程2.2 NFC 读取和写入2.3 NFC 读写功能示例 三、总结 一、NFC 技术介绍 NFC (Near-field communication&…

基于向量加权平均算法优化概率神经网络PNN的分类预测 - 附代码

基于向量加权平均算法优化概率神经网络PNN的分类预测 - 附代码 文章目录 基于向量加权平均算法优化概率神经网络PNN的分类预测 - 附代码1.PNN网络概述2.变压器故障诊街系统相关背景2.1 模型建立 3.基于向量加权平均优化的PNN网络5.测试结果6.参考文献7.Matlab代码 摘要&#xf…

SpringBoot——》配置logback日志文件

推荐链接: 总结——》【Java】 总结——》【Mysql】 总结——》【Redis】 总结——》【Kafka】 总结——》【Spring】 总结——》【SpringBoot】 总结——》【MyBatis、MyBatis-Plus】 总结——》【Linux】 总结——》【MongoD…

关于一些bug的解决1、el-input的输入无效2、搜索之后发现数据不对3、el多选框、单选框点击无用4、

el-input输入无效 原来的代码是 var test null 但是我发现不能输入任何值 反倒修改test的初始值为123是可以的 于是我确定绑定没问题 就是修改的问题 于是改成 var test ref() v-model绑定的值改成test.value就可以了 因为ref是相应式的 可以通过输入…

有依次对应关系的数组X、Y、Z,如何排序其中一个X数组,使得另外的数组还与排序完成后的数组相对应(C语言实现)

1. 目的 有依次对应关系的数组X、Y、Z,排序其中一个X数组,使得另外的数组还与排序完成后的数组相对应,并打印出排序完成后的X、Y、Z数组。 2. 具体实现 以下面的这个对应关系为例,进行相应编程实现。 X [3.7,7.7,-6.6,1.5,-4.5…

深度学习环境配置(Anaconda+pytorch+pycharm+cuda)

NVIDIA驱动安装 首先查看电脑的显卡版本,步骤为:此电脑右击-->管理-->设备管理器-->显示适配器。就可以看到电脑显卡的版本了。 然后按照电脑信息,到地址 去安装相应的驱动,Notebooks是笔记本的意思,然后下…

[SIGGRAPH-23] 3D Gaussian Splatting for Real-Time Radiance Field Rendering

pdf | proj | code 本文提出一种新的3D数据表达形式3D Gaussians。每个Gaussian由以下参数组成:中心点位置、协方差矩阵、可见性、颜色。通过世界坐标系到相机坐标系,再到图像坐标系的仿射关系,可将3D Gaussian映射到相机坐标系,通…

【MySQL】多表查询、子查询、自连接、合并查询详解,包含大量示例,包你会。

复合查询 前言正式开始一些开胃菜多表查询自连接子查询单行子查询多行子查询in关键字all关键字any关键字多列子查询在from中使用子查询 合并查询union 和 union all 前言 我前面博客讲的所有的查询都是在单表中进行的,从这里开始就要专门针对查询这个话题进行进一步…

连接k8s和凌鲨

通过连接k8s和凌鲨,可以让研发过程中的重用操作更加方便。 更新容器镜像调整部署规模查看日志运行命令 架构 所有操作通过k8s proxy连接,通过设置namespace label赋予访问权限。只有赋予特定label的namespace才能被访问。 使用步骤 部署k8s proxy 你…

【机器学习】On the Identifiability of Nonlinear ICA: Sparsity and Beyond

前言 本文是对On the Identifiability of Nonlinear ICA: Sparsity and Beyond (NIPS 2022)中两个结构稀疏假设的总结。原文链接在Reference中。 什么是ICA(Independent component analysis)? 独立成分分析简单来说,就是给定很多的样本X,通…

电子学会C/C++编程等级考试2022年12月(一级)真题解析

C/C++等级考试(1~8级)全部真题・点这里 第1题:加一 输入一个整数x,输出这个整数加1后的值,即x+1的值。 时间限制:1000 内存限制:65536输入 一个整数x(0 ≤ x ≤ 1000)。输出 按题目要求输出一个整数。样例输入 9样例输出 10 答案: //参考答案: #include<bits/st…

Linux中的进程程序替换

Linux中的进程程序替换 1. 替换原理2. 替换函数3. 函数解释4. 命名理解程序替换的意义 1. 替换原理 替换原理 用fork创建子进程后执行的是和父进程相同的程序(但有可能执行不同的代码分支),子进程往往要调用一种exec函数以执行另一个程序。当进程调用一种exec函数时,该进程的…

C++ DAY08 异常

概念 异常事件&#xff08;如&#xff1a;除 0 溢出&#xff0c;数组下标越界&#xff0c;所要读取的文件不存在 , 空指针&#xff0c;内存不足 等等&#xff09; 在 C 语言对错误的处理是两种方法&#xff1a; 一是使用整型的返回值标识错误&#xff1b; 二是使用 errn…

含分布式电源的配电网可靠性评估(matlab代码)

1主要内容 该程序参考《基于仿射最小路法的含分布式电源配电网可靠性分析》文献方法&#xff0c;通过概率模型和时序模型分别进行建模&#xff0c;实现基于概率模型最小路法的含分布式电源配电网可靠性评估以及时序模型序贯蒙特卡洛模拟法的含分布式电源配电网可靠性评估。程序…

【docker】docker总结

一、Docker简介 Docker是开源应用容器引擎&#xff0c;轻量级容器技术。基于Go语言&#xff0c;并遵循Apache2.0协议开源Docker可以让开发者打包他们的应用以及依赖包到一个轻量级、可移植的容器中&#xff0c;然后发布到任何流行的Linux系统上&#xff0c;也可以实现虚拟化容…

基于STM32的色彩识别与分类算法优化

基于STM32的色彩识别与分类算法优化是一项与图像处理和机器学习相关的研究任务&#xff0c;旨在实现高效的色彩识别和分类算法在STM32微控制器上的运行。本文将介绍基于STM32的色彩识别与分类算法优化的原理和实现步骤&#xff0c;并提供相应的代码示例。 1. 色彩识别与分类概…

MongoDB的常用操作以及python连接MongoDB

一,MongoDB的启动 mongod --dbpath..\data\db mongodb注意同时开两个窗口&#xff0c;不要关&#xff01; 二, MongoDB的简单使用 简单介绍一下mongoDB中一些操作 show dbs: 显示所有数据库 show databases: 显示所有数据库 use xxxx: 使用指定数据库/创建数据库&#xff08…

OpenCvSharp从入门到实践-(02)图像处理的基本操作

目录 图像处理的基础操作 1、读取图像 1.1、读取当前目录下的图像 2、显示图像 2.1、Cv2.ImShow 用于显示图像。 2.2、Cv2.WaitKey方法用于等待用户按下键盘上按键的时间。 2.3、Cv2.DestroyAllWindows方法用于销毁所有正在显示图像的窗口。 2.4实例1-显示图像 2.4实例…