論文の概要: Foregrounding Artist Opinions: A Survey Study on Transparency, Ownership, and Fairness in AI Generative Art
- arxiv url: http://arxiv.org/abs/2401.15497v4
- Date: Tue, 14 May 2024 23:09:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-16 17:51:17.040406
- Title: Foregrounding Artist Opinions: A Survey Study on Transparency, Ownership, and Fairness in AI Generative Art
- Title（参考訳）: 先進的なアーティストの意見:AI生成芸術における透明性、オーナーシップ、公正性に関する調査研究
- Authors: Juniper Lovato, Julia Zimmerman, Isabelle Smith, Peter Dodds, Jennifer Karson,
- Abstract要約: 生成AIツールは、アートのようなアウトプットを作成し、時には創造的なプロセスを支援するために使用される。
我々は459人のアーティストを調査し、ジェネレーティブAIアートの潜在的有用性と害に関するアーティストの意見の緊張関係を調査した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative AI tools are used to create art-like outputs and sometimes aid in the creative process. These tools have potential benefits for artists, but they also have the potential to harm the art workforce and infringe upon artistic and intellectual property rights. Without explicit consent from artists, Generative AI creators scrape artists' digital work to train Generative AI models and produce art-like outputs at scale. These outputs are now being used to compete with human artists in the marketplace as well as being used by some artists in their generative processes to create art. We surveyed 459 artists to investigate the tension between artists' opinions on Generative AI art's potential utility and harm. This study surveys artists' opinions on the utility and threat of Generative AI art models, fair practices in the disclosure of artistic works in AI art training models, ownership and rights of AI art derivatives, and fair compensation. Results show that a majority of artists believe creators should disclose what art is being used in AI training, that AI outputs should not belong to model creators, and express concerns about AI's impact on the art workforce and who profits from their art. We hope the results of this work will further meaningful collaboration and alignment between the art community and Generative AI researchers and developers.
- Abstract（参考訳）: 生成AIツールは、アートのようなアウトプットを作成し、時には創造的なプロセスを支援するために使用される。
これらのツールは芸術家に潜在的な利益をもたらすが、芸術労働を害し、芸術的・知的財産権を侵害する可能性がある。
ジェネレーティブAIのクリエーターは、アーティストからの明確な同意なく、アーチストのデジタル作品をスクラップして、ジェネレーティブAIモデルをトレーニングし、大規模にアートライクなアウトプットを生成する。
これらのアウトプットは、現在、市場での人間アーティストとの競争に使われ、また、生成過程においてアートを作成するアーティストによって使用されている。
我々は459人のアーティストを調査し、ジェネレーティブAIアートの潜在的有用性と害に関するアーティストの意見の緊張関係を調査した。
本研究では、生成AIアートモデルの有用性と脅威、AIアートトレーニングモデルにおける芸術作品の公開における公正な実践、AIアートデリバティブの所有と権利、公正な補償に関するアーティストの意見を調査する。
その結果、ほとんどのアーティストは、クリエーターがAIトレーニングで使用されているアートを開示し、AIアウトプットがモデルクリエーターに属さないことを信じ、AIがアートワークや彼らのアートから利益を得ていることへの懸念を表明している。
この研究の結果が、アートコミュニティとジェネレーティブAI研究者と開発者の間で、より有意義なコラボレーションと整合性をもたらすことを期待しています。
関連論文リスト
- Adversarial Perturbations Cannot Reliably Protect Artists From Generative AI [61.35083814817094]
オンラインで公開されたアートワークに小さな敵対的摂動を取り入れた、スタイルの模倣に対する保護ツールがいくつか開発されている。
画像アップスケーリングのような低努力と「オフ・ザ・シェルフ」技術は、既存の保護を著しく劣化させる堅牢な模倣手法を作成するのに十分であることがわかった。
我々は,敵対的摂動に基づくツールが,生成AIの誤用からアーティストを確実に保護できないことを警告する。
論文 参考訳（メタデータ） (2024-06-17T18:51:45Z) - Can AI Be as Creative as Humans? [84.43873277557852]
理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。
AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
論文 参考訳（メタデータ） (2024-01-03T08:49:12Z) - Studying Artist Sentiments around AI-generated Artwork [25.02527831382343]
われわれは7人のアーティストにインタビューし、ソーシャルメディアプラットフォームReddit、Twitter、Artstationでアーティストの投稿を分析した。
我々は、これらのツールの包括的開発に向けて、AI生成アートワークに関するアーティストの主な懸念と希望を報告します。
論文 参考訳（メタデータ） (2023-11-22T22:44:02Z) - AIxArtist: A First-Person Tale of Interacting with Artificial
Intelligence to Escape Creative Block [20.96181205379132]
芸術と人工知能(AI)の将来は、技術が進歩するにつれて期待されている。
このワークショップは、HCI研究者とAIとのインタラクションを共有するファースト・パーソン・リサーチを推進している。
論文では、AIがアーティストの創造性をどのようにサポートするのか、この文脈で説明できることは何を意味するのか、という2つの質問を取り上げている。
論文 参考訳（メタデータ） (2023-08-22T13:15:29Z) - Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。
我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。
このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
論文 参考訳（メタデータ） (2023-05-08T17:58:27Z) - Redefining Relationships in Music [55.478320310047785]
私たちは、AIツールが音楽文化を根本的に変えてくれると論じています。
この分野で働く人々は、音楽の実践、消費、意味に対するネガティブな影響を減らすことができる。
論文 参考訳（メタデータ） (2022-12-13T19:44:32Z) - Can There be Art Without an Artist? [1.2691047660244335]
ジェネレーティブAIベースのアートは、この1年で急増している。
本稿では,ジェネレーティブ・モデルが芸術にどのような影響を及ぼしたかを考察する。
レスポンシブルにデプロイすれば、AI生成モデルは、アートにおいてポジティブで新しいモダリティになる可能性があると仮定する。
論文 参考訳（メタデータ） (2022-09-16T01:23:19Z) - Pathway to Future Symbiotic Creativity [76.20798455931603]
そこで本研究では, 5クラス階層の創造システムを分類し, 擬人アーティストから機械アーティストへの創造の道筋を示す。
芸術創造においては、機械は欲求、感謝、感情を含む人間の精神状態を理解する必要があるが、機械の創造的能力と限界も理解する必要がある。
我々は、人間互換のAIシステムが「ループ内人間」の原理に基づいているべきだという哲学を取り入れた、未来のマシンアーティストを構築するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-18T15:12:02Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Quantifying Confounding Bias in Generative Art: A Case Study [3.198144010381572]
本研究では,美術作品の学習スタイルにおける芸術運動の影響のモデル化が欠如していることから,難解なバイアスを定量化するための簡易な指標を提案する。
提案手法は,芸術作品における芸術運動の影響を理解する上で,最先端の外れ値検出法よりも有効である。
論文 参考訳（メタデータ） (2021-02-23T21:59:30Z) - Biases in Generative Art -- A Causal Look from the Lens of Art History [3.198144010381572]
本稿では,アルゴリズム設計に関連する問題に対する不適切な問題定式化によって生じるAIパイプラインのバイアスについて検討する。
アート作成の過程をモデル化する上で,現在の手法が不足している点を強調し,様々なバイアスに寄与する。
論文 参考訳（メタデータ） (2020-10-26T00:49:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。