論文の概要: Who Owns the Output? Bridging Law and Technology in LLMs Attribution

• arxiv url: http://arxiv.org/abs/2504.01032v1
• Date: Sat, 29 Mar 2025 18:08:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:25:32.187211
• Title: Who Owns the Output? Bridging Law and Technology in LLMs Attribution
• Title（参考訳）: だれが生産物を所有しているか : LLMにおけるブリッジ法と技術
• Authors: Emanuele Mezzi, Asimina Mertzani, Michael P. Manis, Siyanna Lilova, Nicholas Vadivoulis, Stamatis Gatirdakis, Styliani Roussou, Rodayna Hmede,
• Abstract要約: 大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、コンテンツ生成を変革した。 生成AIモデルが提供する機会は無限であり、コンテンツを生成するのに必要な時間を劇的に削減している。 しかし、生成したコンテンツの複雑さと難解なトレーサビリティを考慮すると、これらのツールを使用することで、AI生成したコンテンツの帰属が困難になる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Since the introduction of ChatGPT in 2022, Large language models (LLMs) and Large Multimodal Models (LMM) have transformed content creation, enabling the generation of human-quality content, spanning every medium, text, images, videos, and audio. The chances offered by generative AI models are endless and are drastically reducing the time required to generate content and usually raising the quality of the generation. However, considering the complexity and the difficult traceability of the generated content, the use of these tools provides challenges in attributing AI-generated content. The difficult attribution resides for a variety of reasons, starting from the lack of a systematic fingerprinting of the generated content and ending with the enormous amount of data on which LLMs and LMM are trained, which makes it difficult to connect generated content to the training data. This scenario is raising concerns about intellectual property and ethical responsibilities. To address these concerns, in this paper, we bridge the technological, ethical, and legislative aspects, by proposing a review of the legislative and technological instruments today available and proposing a legal framework to ensure accountability. In the end, we propose three use cases of how these can be combined to guarantee that attribution is respected. However, even though the techniques available today can guarantee a greater attribution to a greater extent, strong limitations still apply, that can be solved uniquely by the development of new attribution techniques, to be applied to LLMs and LMMs.
• Abstract（参考訳）: 2022年にChatGPTが導入されて以来、Large Language Model (LLM) とLarge Multimodal Models (LMM) はコンテンツ生成を変革し、すべてのメディア、テキスト、画像、ビデオ、オーディオにまたがる高品質なコンテンツの生成を可能にした。 生成AIモデルが提供する機会は無限であり、コンテンツを生成するのに必要な時間を大幅に削減し、通常は世代の品質を高める。 しかし、生成したコンテンツの複雑さと難解なトレーサビリティを考慮すると、これらのツールを使用することで、AI生成したコンテンツの帰属が困難になる。 難解な帰属は、生成されたコンテンツの体系的なフィンガープリントの欠如から、LLMとLMMが訓練される膨大な量のデータに終止符を打つことから、生成されたコンテンツをトレーニングデータに接続することが困難になる、様々な理由で存在している。 このシナリオは知的財産権と倫理的責任に関する懸念を提起している。 これらの懸念に対処するため、本稿では、現在利用可能な立法・技術機器の見直しを提案し、説明責任を確保するための法的枠組みを提案し、技術的・倫理的・立法的側面を橋渡しする。 最後に、帰属が尊重されることを保証するために、これらを組み合わせる3つのユースケースを提案する。 しかし、今日利用可能な技術はより大きな帰属を保証できるが、LLMやLMMに適用するための新しい帰属技術の開発によって一意に解決できるような強い制限がまだ適用されている。

関連論文リスト

• Towards Best Practices for Open Datasets for LLM Training [21.448011162803866]
  多くのAI企業は、著作権所有者の許可なく、データ上で大きな言語モデル(LLM)をトレーニングしています。 創造的なプロデューサーは、いくつかの著名な著作権訴訟を引き起こした。 データ情報を制限するこの傾向は、透明性、説明責任、革新を妨げることによって害をもたらす。
  論文  参考訳（メタデータ） (2025-01-14T17:18:05Z)
• LOKI: A Comprehensive Synthetic Data Detection Benchmark using Large Multimodal Models [55.903148392998965]
  複数モードで合成データを検出するLMMの能力を評価するための新しいベンチマークであるLOKIを紹介する。 このベンチマークには、粗粒度判定と多重選択質問、微粒度の異常選択と説明タスクが含まれている。 LOKI上で22のオープンソースLMMと6つのクローズドソースモデルを評価し、合成データ検出器としての可能性を強調し、LMM機能開発におけるいくつかの制限を明らかにした。
  論文  参考訳（メタデータ） (2024-10-13T05:26:36Z)
• Unlearning Targeted Information via Single Layer Unlearning Gradient [15.374381635334897]
  無許可のプライバシー関連計算は社会にとって重要な関心事である。 EUの一般保護規則には「忘れられる権利」が含まれている 本研究では,SLUG(Single Layer Unlearning Gradient)を提案する。
  論文  参考訳（メタデータ） (2024-07-16T15:52:36Z)
• An Economic Solution to Copyright Challenges of Generative AI [35.37023083413299]
  生成人工知能システムは、新しいテキスト、画像、ビデオ、その他のメディアを生成するために訓練されている。 このようなシステムは、データコントリビュータのトレーニングに関する著作権権に侵害されるのではないか、という懸念が高まっている。 本稿では,AI生成コンテンツ作成への貢献に比例して著作権所有者を補償する枠組みを提案する。
  論文  参考訳（メタデータ） (2024-04-22T08:10:38Z)
• Copyright Protection in Generative AI: A Technical Perspective [58.84343394349887]
  ジェネレーティブAIは近年急速に進歩し、テキスト、画像、オーディオ、コードなどの合成コンテンツを作成する能力を拡大している。 これらのディープ・ジェネレーティブ・モデル(DGM)が生成したコンテンツの忠実さと信頼性が、著作権の重大な懸念を引き起こしている。 この研究は、技術的観点から著作権保護の包括的概要を提供することで、この問題を深く掘り下げている。
  論文  参考訳（メタデータ） (2024-02-04T04:00:33Z)
• Viz: A QLoRA-based Copyright Marketplace for Legally Compliant Generative AI [0.0]
  Vizは、QLoRA(Quantized Low-Rank Adapters)とLLM( Fine-Tune Large Language Model)を統合した、新しいシステムアーキテクチャである。 Vizは人工知能の分野に多大な貢献をしている。
  論文  参考訳（メタデータ） (2023-12-31T13:53:06Z)
• Towards a Responsible AI Metrics Catalogue: A Collection of Metrics for AI Accountability [28.67753149592534]
  本研究は,包括的メトリクスカタログへの取り組みを導入することで,説明責任のギャップを埋めるものである。 我々のカタログは、手続き的整合性を支えるプロセスメトリクス、必要なツールやフレームワークを提供するリソースメトリクス、AIシステムのアウトプットを反映する製品メトリクスを記述しています。
  論文  参考訳（メタデータ） (2023-11-22T04:43:16Z)
• A Survey on Detection of LLMs-Generated Content [97.87912800179531]
  LLMの生成する内容を検出する能力が最重要視されている。 既存の検出戦略とベンチマークの詳細な概要を提供する。 また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
  論文  参考訳（メタデータ） (2023-10-24T09:10:26Z)
• Factuality Challenges in the Era of Large Language Models [113.3282633305118]
  大規模言語モデル(LLM)は、誤った、誤った、あるいは誤解を招くコンテンツを生成する。 LLMは悪意のあるアプリケーションに利用することができる。 これは、ユーザーを欺く可能性があるという点で、社会に重大な課題をもたらす。
  論文  参考訳（メタデータ） (2023-10-08T14:55:02Z)
• Semantic Communications for Artificial Intelligence Generated Content (AIGC) Toward Effective Content Creation [75.73229320559996]
  本稿では,AIGCとSemComの統合の概念モデルを開発する。 AIGC技術を利用した新しいフレームワークが,意味情報のためのエンコーダおよびデコーダとして提案されている。 このフレームワークは、生成されたさまざまなタイプのコンテンツ、要求される品質、活用される意味情報に適応することができる。
  論文  参考訳（メタデータ） (2023-08-09T13:17:21Z)
• A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT [63.58711128819828]
  ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。 AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
  論文  参考訳（メタデータ） (2023-03-07T20:36:13Z)

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。