正如你在近期的《The Batch》特刊中看到的，生成式人工智能公司正在被起诉，因为他们使用了从网络上抓取的数据（特别是图像和代码）来训练模型

　　正如你在近期的《The Batch》特刊中看到的，生成式人工智能公司正在被起诉，因为他们使用了从网络上抓取的数据（特别是图像和代码）来训练模型。

　　一旦经过训练，这些模型可以按需生成特定艺术家风格的图像或执行特定任务的代码。这些诉讼将解答一个问题，即使用公开可用的数据来训练生成模型是否合法。但我从中发现了一个更重要的问题：它公平吗？如果社会对什么是公平存在一种标准，我们可以努力制定对应这一标准的法律。平心而论，这个问题比生成式人工智能大得多。根本问题是，是否应该允许人工智能系统从任何可以从互联网上免费获得的数据中学习。但目前的重点是生成图像和代码的模型。如今，我们经常建议学习计算机编程的学生阅读（也许是开发）开源代码。阅读开源代码无疑会激励个人编写更好的代码。没有人质疑这是否公平。毕竟，这是人们学习的方式。对电脑来说人工智能技术有哪些，采取同样的方式是公平的吗?

　　此前我参观加州洛杉矶的盖蒂博物馆时，看到有抱负的艺术家坐在地板上，在自己的画布上复制杰作。模仿大师的作品是学习成为艺术家的一个公认途径。通过大量临摹人工智能技术有哪些，学生们逐渐形成了自己的风格。艺术家们也经常从其他作品中寻找灵感。即使是那些作品被今人广泛研究的大师也会从他们的前辈那里学习。同样，人工智能系统从人类创造的绘画中学习是否公平呢?

　　当然，人类学习和机器学习之间存在着影响公平的重要差异。机器学习模型可以比人类阅读更多的代码、研究更多的图像。它还可以生成更多的代码或图像，甚至比最熟练的人类工程师速度更快、成本更低。

　　● 用机器生成创造性作品可能会降低人类创造者的工作价值。● 生成式模型可以复制艺术家的个人风格和他们的工作，且不会对这些艺术家作出补偿。● 此类模型可能已经在不打算在互联网上公开的专有数据（如被盗或泄露的私人图像）上进行训练了。

　　另一方面，生成模型具有巨大的潜在价值。它们正在帮助那些艺术造诣还不是很高的人创作出优秀的作品，激励艺术家以新的方式与计算机合作，并将日常工作自动化人工智能图片素材ai智能，以便人类能够专注于更高层次的创作。此外，人工智能的进步是相互建立的人工智能图片素材，生成式人工智能的进步也造就了其他领域的进步。

　　● 为创作者的退出建立一致的方式● 当人工智能系统使用艺术家的数据时，要对艺术家们进行补偿● 将公共资金分配给艺术家（比如用税收资助BBC等公共媒体）● 设定一个时间限制，比如版权，过期后的创造性作品可被用于人工智能训练一个社会公认的公平标准是可以改变的人工智能技术有哪些。在美国，历史上曾经认为只有某些男性才能投票的做法是公平的人工智能技术有哪些。当社会对这个问题的看法改变了，规则也就被我们改变了人工智能图片素材。

　　社会目前对人工智能做什么是公平的有着不同看法ai智能。考虑到生工智能（和其他人工智能系统）为我们提供的慷慨帮助，同时承认需要确保创作者得到公平对待，我希望我们能找到一条前进的道路人工智能技术有哪些，让人工智能继续为保障所有人的利益而快速发展。