A continuaciónSiguiente guía
Guía del ICO del Reino Unido sobre IA y Protección de Datos
sociedad
GUÍA de sociedad
Glaze y Nightshade son herramientas gratuitas de la Universidad de Chicago que añaden pequeños cambios cuidadosamente optimizados al arte para que los modelos de IA lo interpreten mal: Glaze intenta evitar que los modelos copien el estilo de un artista, y Nightshade intenta envenenar los datos de entrenamiento para que los modelos aprendan asociaciones incorrectas.
Escuche esta guíaNarrado por IA · ~3 min
Ofrecen a los artistas cierta influencia contra el entrenamiento no autorizado, pero los investigadores han demostrado que pueden debilitarse o eliminarse, por lo que son un disuasivo más que una garantía.
Both tools come from the SAND Lab at the University of Chicago, led by Ben Zhao. Glaze was released in 2023 and Nightshade in January 2024, and both are free. Glaze also has a web version, WebGlaze, for artists without powerful computers. Glaze addresses style mimicry. Someone can fine-tune an image model on a few dozen pieces by one artist, then produce unlimited work in that style. Glaze adds a perturbation, a pattern of small pixel changes, that makes the artwork appear to a model's image encoder as though it were in a different style. A model fine-tuned on glazed images learns the wrong style, while a person sees little change. Nightshade is offensive rather than defensive. It targets training on scraped data. A shaded image of a dog is changed so a model perceives features of something else, such as a cat. Because each concept appears in relatively few training images compared with the whole dataset, the researchers argued that a modest number of poisoned samples could make a model respond to "dog" with distorted results. The aim is to raise the cost of scraping without permission. How well do they work? The perturbations are tuned against specific model components, and that is their weakness. A 2024 study by researchers at ETH Zurich and Google DeepMind found that simple methods, such as noisy upscaling, could remove Glaze-style protections enough for mimicry to succeed. Later work, including LightShed in 2025, trained detectors to spot and strip poisoning perturbations. The Glaze team has disputed some findings and updated its tools. The key misconception is that protection is permanent. An image published today cannot be updated later, while attackers and models keep changing. The tools can also leave visible artifacts, especially at high intensity.
Una pintora digital pasa cada nueva obra por Glaze antes de publicarla, de modo que alguien que ajuste finamente un LoRA con su portafolio obtenga resultados que no coincidan con su pincelada y paleta.
Una ilustradora aplica Nightshade a imágenes de dragones que publica públicamente, con el objetivo de que las copias raspadas enseñen a un modelo características visuales de un concepto no relacionado.
Una artista compara los ajustes de intensidad de Glaze y elige un nivel más bajo para una pieza de acuarela suave porque los ajustes más altos dejaban artefactos visibles en áreas de color plano.
Una pequeña comunidad artística discute una investigación que muestra que el escalado puede eliminar las protecciones y decide combinar Glaze con registros de exclusión y configuraciones de plataforma en lugar de depender solo de ella.
La competencia entre herramientas de perturbación y métodos de eliminación se asemeja a otras carreras armamentísticas adversarias, y la investigación hasta ahora sugiere que los defensores están en desventaja estructural porque las imágenes publicadas son fijas mientras los ataques siguen mejorando. Glaze y Nightshade siguen siendo valorados por muchos artistas como una forma de aumentar el costo del uso indebido y señalar la falta de consentimiento. La protección a largo plazo es más probable que provenga de una combinación de normas legales sobre datos de entrenamiento, acuerdos de licencia, estándares de procedencia y políticas de plataformas. Los artistas deben usar estas herramientas con expectativas realistas y mantener otras medidas en vigor.
Boletín gratuito
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Glaze y Nightshade son herramientas gratuitas de la Universidad de Chicago que añaden pequeños cambios cuidadosamente optimizados al arte para que los modelos de IA lo interpreten mal: Glaze intenta evitar que los modelos copien el estilo de un artista, y Nightshade intenta envenenar los datos de entrenamiento para que los modelos aprendan asociaciones incorrectas. Ofrecen a los artistas cierta influencia contra el entrenamiento no autorizado, pero los investigadores han demostrado que pueden debilitarse o eliminarse, por lo que son un disuasivo más que una garantía.
Glaze se dirige a personas que afinan modelos con imágenes de un artista para reproducir ese estilo.
Glaze es defensivo, protege el estilo de un artista. Nightshade es ofensivo, busca corromper lo que un modelo aprende de imágenes raspadas.
Glaze desplaza la representación de características de la imagen hacia un estilo señuelo para que el ajuste fino aprenda ese estilo en su lugar.
La optimización limita cuán diferente se ve la imagen para las personas mientras maximiza cuán diferente se ve para el modelo.
El estudio mostró que un preprocesamiento económico podía deshacer las protecciones, permitiendo que la imitación de estilo tuviera éxito.
sigue aprendiendo
Más guías seleccionadas para este tema.
A continuaciónSiguiente guía
Guía del ICO del Reino Unido sobre IA y Protección de Datos
sociedad