共计 2908 个字符，预计需要花费 8 分钟才能阅读完成。
效用v(S)可以解释为所有S成员为训练生成式AI模型提供数据所应得的总补偿。下一步是基于所有可能的数据源组合的效用来确定每个个别版权所有者的收益。该文章提议使用Shapley值。
Shapley值是博弈论中的一个解决方案概念，它提供了一种根据每个玩家组合作为联盟的效用分配收益的原则性方法。它是由诺贝尔奖获得者Lloyd Shapley (此后简称为Shapley) 提出的。
Shapley （1923-2016）是美国籍数学家和经济学家，并且由于对稳定分配理论和市场设计的实践做出突出贡献，而获得了2012年的经济学诺贝尔奖 [3]。Shapley是博弈论领域的传奇，并且在其博士工作和博士论文中引入了Shapley值。
美国经济学会称Shapley是「博弈论和经济学理论的巨人」。
Shapley值的具体计算如下：
参与者i的Shapley值计算为其在所有可能联盟中边际贡献的加权平均：
Shapley值是唯一满足几个重要经济属性的支付规则，并在机器学习模型的数据估值中获得了普及。利用Shapley值，该文章提出使用SRS（Shapley Royalty Share）来计算版权分配。
SRS定义如下：
这里，
是版权所有者i的Shapley值。
SRS提供了一种经济学方法解决生成式AI环境中的版权和收益分配问题，支持公正的数据使用和创新激励。
该文章用一个简单的例子来解释Shapley值的计算过程。在这个例子中，有三个数据所有者（A, B, C），他们共同训练一个模型，使用模型对某生成内容的log-likelihood作为效用函数。假设使用不同的数据组合训练后的模型的log-likelihood如下：
可以根据以下量来计算A的Shapley值：
根据Shapley值公式，可以得到
计算考虑
在应用SRS框架时，主要挑战在于其相当大的计算成本。对不同数据源组合的效用函数评估需要多次重新训练模型。在版权所有者数量较少的某些应用中，计算挑战可能并不像看起来那么严重。
实际上，可以预见这种基于合约的框架在整个版权数据被少数几个版权所有者分割时效果最佳，这样每个数据源都有足够的数据影响训练结果。如果数据源的规模非常小，版权所有者的版税份额可能微不足道，且由于训练AI模型的随机性，结果可能更加噪声化。
为了减轻这种计算负担，可以采用两种方法：
在实践中，商业AI模型可能每天进行数百万次交易。仅估计每个版权所有者应得的聚合收益，而不是按照公式为每个AI生成的内容计算收益，可以节省计算成本。理论上，可以仅评估所有交易中一小部分的SRS，然后按比例计算从所有交易中获得的收入分布。
实验结果
该文章通过实验评估了所提出框架在分配AI生成内容版税方面的有效性，重点关注创意艺术和图像领域的标志设计。
评估使用了公开可获取的数据集：WikiArt和FlickrLogo-27。
评估SRS的有效性
对于WikiArt数据集，该文章选取了四位著名艺术家的四个不相交的画作子集。一个最初在更广泛的训练图像集（不包括这四位艺术家的作品）上训练的模型，作为基础模型。通过在选定艺术家的四组画作的各种组合上进一步微调基础模型，计算SRS。
类似地，对于FlickrLogo-27数据集，该文章选取了四个品牌的四个不相交的标志设计子集，并使用在其他品牌标志图像上训练的基础模型计算SRS。该文章的目标是评估SRS是否能反映每个版权所有者对图像生成的贡献。
图4：使用SRS评估每个版权所有者对图像生成的贡献。
结果表明，当
的风格与训练数据源的风格非常接近时，SRS值最高。这一关系凸显了SRS框架准确归因于AI生成图像创作贡献的能力。
评估SRS对于混合风格的生成图像的归因能力
在WikiArt数据集上，该文章探讨了针对要求从多个数据源生成内容的提示的SRS分布。显著地，提示要求生成模型融合多位艺术家的风格。SRS有效地识别并奖励了融入生成艺术作品的数据源的贡献，展示了该框架在辨识和评价多样化数据源输入以生成内容的能力。
图5：使用SRS评估每个版权所有者对混有不同艺术家风格的图像生成的贡献。
讨论与深入研究
生成式AI的快速发展对传统版权法构成了深刻挑战，这不仅是因为其强大的内容生成能力，还因为对AI生成内容版权的解释复杂以及大型AI系统的“黑箱”本质。该文章从经济学角度出发，开发了一个允许在版权数据训练中交换收入分配的版权分享模型，促进了AI开发者和版权所有者之间的互利合作。通过数值实验，该文章证明了这一框架的有效性和可行性。
该文章的研究也为未来的研究开辟了道路。例如，版权所有者可能会通过合并或分割他们的数据来最大化版权分成，SRS可能会被恶意版权所有者操纵。尽管已经探索了抗复制的解决方案，但这些主要关注于Shapley值的影响而非复制下的比率。开发一种抗操纵的机制是未来工作的一个重要方向。
另一个开放问题是处理无法或不愿意协商协议的版权所有者的版权数据，特别是当每个拥有者的数据集很小的情况。在这种情况下，该文章的方法可以与生成合法内容的方法结合使用, 增强他们的模型以确定版权所有者和AI开发者之间适当的收入分配，认识到计算资源、算法设计和工程专长在开发高性能AI模型中的关键作用，是另一个研究方向。
该文章已经通过采用合作博弈理论中的权限结构概念来初步适应这种情况。
从方法论角度看，未来研究的一个关键方面是使用Shapley值比率进行收入分配。直接使用Shapley值的主要挑战在于任何版权所有者数据联盟的总收入未知。但当考虑比率时，Shapley值的效率属性（确保所有Shapley值之和等于大联盟的效用）失去了意义。
在这种情况下，半值（一种放弃效率公理的Shapley值推广）可能提供了一个可行的替代方案。未来的工作可以旨在建立公理化的理由，以识别此背景下用于版税分配的最合适的解决方案概念。
从实用性的角度讲，Shapley值最大的不足之处在于计算开销。尽管Monte Carlo方法可以加速计算过程，但仍需要大量的模型重复训练。这种计算需求在处理大型数据集和复杂模型时变得尤其突出，可能导致计算资源的极大消耗和时间的延长。
未来的工作可以着重于解决这一问题，通过开发更高效的算法或启用新的方法来减少计算开销，从而使Shapley值在实际应用中更加可行和高效。
作者介绍：
1. Jiachen Wang （王嘉宸）：现为普林斯顿大学电子工程系博士生，主攻人工智能数据估值（data valuation）等方向。
2. Zhun Deng (邓准)：现为哥伦比亚大学计算机系博后，博后导师为 Richard Zemel。此前为哈佛大学计算机系博士生，师从Cynthia Dwork，主攻机器学习可靠性和社会责任性等方向。
3. Hiroaki Chiba-Okabe：现为宾夕法尼亚大学应用数学和计算科学博士生，主攻方向是人工智能引发的道德问题和社会问题。
4. Boaz Barak: 哈佛大学正教授，主攻方向理论计算机和机器学习方向。同时在OpenAI 任职。
5. Weijie Su (苏炜杰)：现为宾夕法尼亚大学沃顿商学院、计算机系和数学系副教授，研究方向包括人工智能的理论基础等方向。
参考链接：
[1]
[2]
[3]
