图库网站Shutterstock将为企业使用AI图片提供全额赔偿服务
国外知名商业图库网站Shutterstock宣布,将为企业客户提供对其平台上生成式人工智能(AI)图像的许可和使用全额赔偿保护,以防止因使用这些图像而引发的潜在索赔。该公司表示,将通过对图像进行人工审核来履行对赔偿要求的响应。
一个月前,Adobe也宣布为其Firefly for Enterprise产品的用户可能因使用其新的AI工具Firefly产品而可能产生的与版权相关的法律费用提供全额赔偿。
根据Shutterstock的说法,对于其生成式AI工具的赔偿将与其他经过商业审查的内容一样,根据Shutterstock的许可协议来触发,该协议规定:
“视频和图像以其原始未修改的形式,并在完全符合本服务条款和适用法律的情况下使用,禁止以下情形使用:i)侵犯任何版权、商标或其他知识产权;ii)侵犯任何第三方的隐私权或公开权利;iii)违反任何美国法律、法规或法规;iv)诽谤、诽谤、色情或淫秽。”
Shutterstock产品副总裁Jeff Cunning表示公司已在今年5月的Shutterstock全球会议上宣布为特定客户用例的生成式AI图像提供全额赔偿,现在该服务将推广给所有企业账户的客户。
他说:“这不再是新奇的技术。现在的关键是将其应用到真实的业务流程中。”
自2022年10月以来,Shutterstock一直在努力将生成式AI整合到其平台中,当时该公司与OpenAI合作,允许客户使用DALL·E生成AI图像。当时,该公司表示将补偿“为开发AI模型做出贡献的作品的艺术家”。
然后,在今年1月,Shutterstock允许Meta使用其库存数据集“开发、训练和评估其机器学习能力”,并于1月推出了自己的AI图像生成器。这与其竞争对手Getty Images形成鲜明对比,后者于2月起诉开源文本到图像生成器Stable Diffusion的创建者Stability AI侵犯版权。
根据Shutterstock的说法,其AI图像生成器“经过数亿个道德获取的资产训练,包括来自Shutterstock的资产,旨在确保客户可以生成和许可具有完全商业安全性的新资产,同时保护并补偿训练模型的内容背后的艺术家。”
在关于赔偿提供的新闻稿中,Shutterstock还指出,其于2022年10月推出的贡献者基金至今已“为数以十万计的艺术家提供了他们的内容知识产权在培训Shutterstock生成技术中发挥作用的补偿,预计将向更多人支付赔偿,并为艺术家提供了与新生成资产的许可活动相关的持续版税”。Cunning表示,有关赔偿的具体金额并未公开,但贡献者已经收到了款项。Shutterstock的贡献者可以选择不同的盈利机制。如果不希望您的内容成为训练新AI模型的一部分,也可以选择退出。
Google 预计其更先进的大语言模型将在明年登陆 Android 手机
划重点:⭐️谷歌预计其先进的大型语言模型将在明年开始进入Android设备。⭐️Gemini大型语言模型将直接嵌入智能手机,无需连接互联网。⭐️智能手机制造商正在投资人工智能,但分析师认为未来几年不太可能出现超级周期。站长网2024-02-26 17:41:54000526%员工担心使用AI工具会被认为是“偷懒摸鱼”
文章概要:1.26%的受访员工担心使用AI会被认为懒惰,20%的员工承认使用AI会感到像骗子。2.92%的受访员工担心AI被不道德地使用。3.仅30%的美国知识工作者和20%的英国知识工作者称其公司有AI使用准则。站长网2023-09-01 15:49:130001AI的大模型时代 ≠ 只有大模型的AI时代
什么样的技术能经历时间洗礼还历久弥新?答案或许可以归总为一个“三部曲”般的规律——兴起、发展和大规模应用,外加这个过程再一次演进式的迭代。以史为鉴,引领第一次工业革命的是蒸汽机,当它演进成为内燃机并开始普及时,第二次工业革命的颠覆者——电能本身以及与它相关的各种设备正处于初创期,而在电力设备走向微电子的迭代革新时,各种燃油引擎还在持续改良和普及中。站长网2023-09-27 21:06:3200002023年最热门的七大人工智能职业
从人脸识别、导航地图、聊天机器人、语音助手、搜索引擎、文本编辑器到智能家居设备——AI已成为当下日常生活的一部分。这种演变也带来了大量的就业机会。根据最近的报道,人工智能和机器学习领域的人才需求在过去几年中增长了近75%,而且预计还会继续增长。如果你想在这个领域发展,那么也将应不错的就业机会。本文列出了最受欢迎的AI职业清单,供大家参考。1)机器学习工程师站长网2023-04-12 14:33:450001Google DeepMind:通过深度学习发现了220万种新材料
要点:GoogleDeepMind通过GNoME框架成功发现了超过220万种新材料,为人类技术可行材料的数量大幅增加。GNoME框架采用图神经网络和主动学习方法相结合,通过对材料的晶体结构建模,成功预测了材料的形成能量,实现了高效的计算材料发现。通过GNoME,研究人员不仅发现了大量新材料,还展示了机器学习在材料科学中的潜力,为未来的技术创新和解决能源存储等领域的重大挑战提供了可能性。站长网2023-11-30 10:33:280000