侵權、「搶功」爭議不斷，Stability AI 陷入漩渦。
——
文｜杜晨 編輯｜VickyXiao 圖片來源 | Stability AI
無數創業產品和業餘項目出現，Google、位元組等巨頭公司也都紛紛入局——最近 AI 創作這條賽道有多擁擠，已經無需多言。
所有參賽選手當中，最火的一家莫過於 Stable Diffusion。該項目背後的公司之一 Stability AI，也成為了行業的當紅炸子雞。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，然而就在上週，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：
不僅被藝術創作者「群起而攻之」，還被合作伙伴「反水」，被質疑「搶功」……
/ 偷風格，算偷嗎？ /
上週，美國媒體 CNN 採訪了多位藝術家。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。
這些藝術家的作品，或者更準確來說，他們在作品中所體現的風格，都被 Stable Diffusion 用於訓練模型了。
受訪者之一是在藝術節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，採用了更加多樣化、具有視覺衝擊力的色彩，且飽和度極高，已經在藝術圈內形成了個人特色。
前段時間 Stable Diffusion 爆紅之後，Hanson 注意到有人用這個模型生成的一些圖片結果，竟然有自己作品的味道。
經過進一步調查，她更加驚訝了：使用者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 生成的結果，和 Hanson 已經發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，現代印象派，Erin Hanson 風格等。
「如果我把它掛在我的牆上，應該毫不違和吧？」Hanson 對 Stable Diffusion 的「創作能力」表示相當驚訝。
但在仔細研究了 Stable Diffusion 工作機制之後，她才明白過來：這個 AI 模型根本沒有自己的創作能力。
因為它的風格，屬實是「抄」來的。
Stable Diffusion 是一個具備文字轉圖片/視訊能力的生成模型，可以用幾秒鐘時間就生成高解析度、具備真實性和/或「藝術性」的視覺結果。在訓練方面，這個模型的初代版本採用了大約4000臺A100顯示卡集群，用了一個月的時間。
而它的訓練資料，則來自於德國AI非營利機構 LAION（全稱大規模人工智慧開放網路）。初代版本所採用的的訓練資料集，包括了近60億條圖片-文字平行資料。
很多和 Henson 一樣感到憤怒的藝術家們發現，原來是自己的作品，以及對應的文字平行資料（比如姓名），被收錄到了 LAION 相關資料集裡——才導致了自己的作品和風格，被這個爆紅的 AI 創作模型所「剽竊」。
從網上大規模蒐集資料作為 AI 模型的訓練資料，早已不是什麼新鮮事。事實上，今天我們正在使用的很多基於 AI 的技術和產品，包括並不限於搜尋引擎、短視訊推薦演算法、翻譯、圖像識別等，背後的模型在訓練階段都重度使用了一些知名資料集。
這些資料集的內容，絕大多數是沒有版權/使用目的限制的，無論最終是商業還是非商業目的，任何人都可以使用，只需要遵守相應的來源引用和使用規範即可。
一些比較常用的圖片資料集舉例 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技術越來越先進，應用領域越來越多樣，新的使用場景（比如今天討論的AI文字生成圖片）就對更大規模的訓練資料集，更多來自公開網域的各種形式（文字、圖片、音訊、視訊等）的資訊和資料，產生了巨大的需求。
當資料集從幾萬，幾十萬張圖片，「擴容」到幾億甚至幾十億張的規模時，這一過程當中，難免存在一些權利方面的漏洞。
而今天這些出離憤怒的藝術家們，就成為了權利漏洞，以及利用這些漏洞進行商業化獲益行為的受害者。
他們的憤怒並非沒有理由。
畢竟 AIGC（AI生成內容）這一或將導致藝術家們失業的新技術領域，已經成為現如今科技創業的大熱門，無數創業者、投資人瘋狂湧入。結果奪走他們工作的這個玩意兒，居然正是用他們的創作風格所訓練出來的。
本來藝術家們已經是一個普遍比較拮据的群體了。現在這些 AI 端了人家的碗，還要砸人家的鍋——你說他們能不生氣麼……
Erin Hanson 圖片來源：本人
在藝術家和版權人士的呼籲和努力之下，現在已經有人開發出了一些工具，幫助權利人在大型資料集當中搜尋自己主張權利的作品。
比如 LAION 自己做了一個網頁工具可以把文字轉換為 CLIP embedding，用於搜尋描述相同或者相似的內容。
再比如還有一個取名很巧妙的網站，叫做「Have I Been Trained」，幫助創作者搜尋 LAION 資料集，查看自己的作品是否被用於訓練了。
圖片來源：Have I Been Trained?
「Have I Been Trained」 的背後是一對居住在德國的藝術家和開發者，他們表示：在幫助藝術家確認自己的作品是否被大規模資料集收錄之餘，他們很快還將發佈一套新的工具，允許藝術家能夠自主選擇作品是否被資料集所收錄。為此，這兩位開發者已經和多家從事大規模 AI 模型研發的機構和公司進行了接洽。
對於「藝術家應該掌握作品是否被收錄控制權」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/產品/項目處於未開源狀態，藝術家和權利人想要正當維護自己的權益，所面臨的挑戰和阻礙，只會隨著時間變得更多和更艱難。
直到這一問題在全行業通過規範或制度解決之前，Stable Diffusion，以及包括 DALL·E 2、Midjourney 等在內的主流模型，仍將作為「AI侵權」指控的對象長期存在。
/ 多方心血，一家獨佔？ /
由於 Stability AI 這家公司在過去一直正面和側面將自己宣傳為 Stable Diffusion 項目幕後的功臣，像侵權這樣的鍋，也被該公司背上了。
然而侵權只是 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，它突然發現：
正因為攬了太多的功勞，過去一起做項目的好夥伴，對自己意見很大……
故事要先從上週四說起：一家名叫 Runway ML 的公司，在 Twitter 賬號上表示發佈了 Stable Diffusion 1.5 版本。
網友一下子懵了：
等一下，你們這是正式版嗎？為什麼 Stability AI 沒有任何公開宣佈或者支持呢？
圖片來源：@ScottieFoxTTV
你們這個是 Stability AI 做的麼？
圖片來源：@buZztiaan
緊接著就在發佈當天，發佈網站 Hugging Face 透露，收到了來自 Stability AI 的刪除請求：
Stability AI 表示 這個版本屬於其「智慧財產權洩露」，並要求 Hugging Face 下架這一發布……
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
這究竟是怎麼一回事呢？
首先我們需要再回顧一下 Stable Diffusion 的來歷：
需要明確的是，Stable Diffusion 的技術本身，其實來自於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。正是這篇論文裡的研究，在後來成為了 Stable Diffusion 模型的理論技術基礎。
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，至少在論文發表的時候所有作者當中，沒有一人屬於 Stability AI。
可要是這樣的話，Stability AI 又是怎麼跟這事兒攀上關係的呢？
Runway 公司的 CEO Cristóbal Valenzuela 透露了真相：
1）基礎版本的技術，或者說論文，是慕尼黑大學和 Runway 一起搞的；
2）Stable Diffusion，也就是對基礎版本進行重新訓練後得到發佈的正式版本，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於：為正式版本的訓練提供算力。
圖片來源：cvalenzuila / Hugging Face
而結合行業流傳的比較靠譜的訊息，以及 Stability AI 創始人兼 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顯示卡……
圖片來源：英偉達
以及，對於 Stable Diffusion 重新訓練所依賴的資料集 LAION-5B，Stability AI 也是這一其組織創建工作的出資人之一。
不管怎麼樣，總的來說，包括 Runway、Stability AI、慕尼黑大學等在內的幾家參與方，大家在 Stable Diffusion 的發佈工作中的貢獻都是平等的。最一開始並不存在，也不應該存在一家獨大的情況……
但是比較遺憾的是，在後續圍繞整個 Stable Diffusion 項目的營銷、宣傳，以及運營工作當中，Stability AI 以及創始人 Mostaque，或多或少地突出甚至誇大了自己一方的貢獻和價值——對行業內外的使用者，以及媒體和公眾，都造成了不實的印象。
矽星人原文截圖 圖片來源：矽星人
事實上，Stability AI 這家公司，自己也在開源的 Stable Diffusion 基礎之上，開發了一個自己的網頁端應用 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 跟它們並無實質區別。
在 Valenzuila 站出來「硬剛」 Stability AI 之後，底下的留言也基本一邊倒向了 Runway 這邊……
網友紛紛表揚這位 CEO是「gigachad」（超級猛男）
很快，Stability AI 也撤回了刪除請求。
但該公司並沒有「示弱」。公司新任首席資訊官 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誇張的說法，大意是：
「我們不發1.5版本，是因為我們收到了監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
這裡的「安全問題」主要指的是模型被用於製作 NSFW 內容、Deepfake 等。而 Hugging Face 上討論此事網友對這篇文章表示：裝什麼大尾巴狼呢？前幾個版本都有問題怎麼你們照發不誤呢？如果真要打擊 NSFW 的話，那是不是 Photoshop 和視訊製作軟體都別發新版本了？
在 Hugging Face 的帖子被關閉之前，仍然有極少數人站在 Stability AI 這邊，大意是說 Runway 這個做法不體面，一個真正「穩定」的版本應該大家一起商量發佈，更何況 Stable Diffusion 這個命名，本身就印證著它跟 Stability AI 有巨大的關係。
然而現在來看，Stability AI 和 Stable Diffusion 這兩個名字，誰蹭誰的熱度還不好說呢。
注：封面圖來自於 Stability AI，版權屬於原作者。如果不同意使用，請儘快聯繫我們，我們會立即刪除。
