An Economic Solution to Copyright Challenges of Generative AI

生成式人工智能系统是通过大型数据集进行训练，以生成新的文本、图像、视频和其他媒体。越来越多的人担心这些系统可能侵犯训练数据贡献者的版权利益。为了解决生成式人工智能的版权挑战，我们提出了一个框架，按比例向版权所有者支付他们对AI生成内容创作的贡献。贡献的度量是通过利用现代生成式AI模型的概率性质，并使用经济学中的合作博弈理论技术来定量确定的。这个框架可以建立一个平台，使AI开发者受益于高质量的训练数据，从而提高模型性能。同时，版权所有者获得公正的补偿，推动为生成式模型训练提供相关数据的持续性。实验表明，我们的框架成功地确定了艺术品生成中使用的最相关数据来源，确保版权所有者之间的收入分配公平且可解释。

提出一个框架解决生成型人工智能模型中版权问题，保障版权所有者的权益。

利用概率模型和合作博弈理论来量化版权所有者对生成型人工智能模型的贡献，从而实现公平的版权分配。

论文提出的框架可以帮助生成型人工智能模型的开发者获得高质量的训练数据，提高模型性能；同时，版权所有者也可以获得公平的补偿，继续提供相关数据以供训练。实验结果表明，该框架可以成功识别出艺术生成中最相关的数据源，实现版权的公平分配。

相关研究包括《Deep Learning for Copyright: A Survey》、《Towards a Fairer Distribution of Artistic Style》等。