HƯỚNG DẪN KỸ THUẬT

Ghi nhớ trong các mô hình khuếch tán

Các mô hình hình ảnh khuếch tán thường tạo ra hình ảnh mới, nhưng nghiên cứu cho thấy đôi khi chúng có thể tái tạo gần như chính xác các hình ảnh huấn luyện cụ thể, đặc biệt là những hình ảnh xuất hiện nhiều lần trong dữ liệu huấn luyện.

Nghe hướng dẫn nàyAI thuật lại · ~3 min

Trên trang nàyĐọc trong 3 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của việc ghi nhớ trong các mô hình khuếch tán
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Điều này được gọi là ghi nhớ. Điều này quan trọng đối với bản quyền, vì bản sao gần như của một tác phẩm được bảo vệ có thể xuất hiện từ một mô hình và đối với quyền riêng tư, vì ảnh chụp người thật hoặc bản quét y tế có thể bị lấy lại.

Lặn sâu

Một mô hình khuếch tán học cách đảo ngược quá trình gây nhiễu: trong quá trình huấn luyện, mô hình này nhìn thấy các hình ảnh có thêm nhiễu và học cách dự đoán cũng như loại bỏ nhiễu đó. Nếu nó khái quát tốt, nó sẽ học số liệu thống kê của hình ảnh nói chung và tạo ra những kết hợp mới. Nhưng mạng lưới thần kinh cũng có thể phù hợp với các ví dụ riêng lẻ và khi một hình ảnh xuất hiện hàng trăm hoặc hàng nghìn lần trong dữ liệu, cách rẻ nhất để giảm tổn thất đào tạo trên đó là lưu trữ nó. Bằng chứng quan trọng đến từ bài báo 'Trích xuất dữ liệu đào tạo từ các mô hình khuếch tán' của Carlini và đồng nghiệp năm 2023. Họ đã tạo ra nhiều hình ảnh để làm chú thích cho những hình ảnh đào tạo bị trùng lặp nhiều nhất và gắn cờ kết quả đầu ra cực kỳ giống với hình ảnh đào tạo. Họ đã trích xuất hơn một trăm bản sao gần giống hệt nhau từ Stable Diffusion, bao gồm cả ảnh của những người có thể nhận dạng được và nhận thấy tỷ lệ ghi nhớ cao hơn trong Imagen của Google. Riêng biệt, Somepalli và các đồng nghiệp (2022-2023) đã chỉ ra rằng Stable Diffusion xuất ra các phần hoặc bố cục được sao chép thường xuyên của hình ảnh đào tạo và liên kết sao chép với các hình ảnh trùng lặp và chú thích có độ cụ thể cao. Ba quan niệm sai lầm đáng được sửa chữa. Đầu tiên, ghi nhớ không phải là hành vi bình thường của mô hình: các bản sao được trích xuất rất hiếm so với tất cả các thế hệ. Thứ hai, hiếm không có nghĩa là vô hại, bởi vì người dùng quyết tâm có thể nhắm mục tiêu vào những hình ảnh có nhiều khả năng được ghi nhớ nhất. Thứ ba, ghi nhớ không chỉ là sao chép pixel chính xác; mô hình có thể tái tạo các ký tự, logo, hình mờ và bố cục đặc biệt. Bằng chứng này đã xuất hiện trong các cuộc tranh luận pháp lý, bao gồm các vụ kiện như Getty Images kiện Stability AI và Andersen kiện Stability AI, mặc dù cách tòa án xử lý việc đào tạo mô hình và kết quả đầu ra vẫn đang được nghiên cứu và thay đổi tùy theo quốc gia. Về quyền riêng tư, mối lo ngại càng rõ ràng hơn trong các tập dữ liệu tinh chỉnh nhỏ, chẳng hạn như ảnh y tế hoặc ảnh cá nhân, trong đó mỗi ví dụ có nhiều ảnh hưởng hơn.

Triển khai trong thế giới thực

Các nhà nghiên cứu gợi ý một mô hình có chú thích chính xác về một hình ảnh huấn luyện bị trùng lặp nhiều và nhận lại kết quả đầu ra gần giống pixel với ảnh gốc.

Một nhà thiết kế yêu cầu phong cách của một bức tranh nổi tiếng và nhận được một hình ảnh sao chép bố cục và chi tiết của một tác phẩm nghệ thuật cụ thể chứ không phải một tác phẩm mới.

Một trình tạo hình ảnh được đào tạo trên các hình ảnh trên web đôi khi hiển thị một phiên bản méo mó của hình mờ của một cơ quan chứng khoán, cho thấy nó đã hấp thụ các mẫu từ các hình ảnh nguồn lặp lại.

Một nhóm bệnh viện đang tinh chỉnh mô hình khuếch tán trên một nhóm nhỏ các bản quét bệnh nhân sẽ kiểm tra xem liệu mô hình đó có thể tạo ra các bản sao gần giống của các bản quét thực hay không trước khi cho phép chia sẻ.

Tương lai của việc ghi nhớ trong các mô hình khuếch tán

Kiểm tra tính trùng lặp và tính tương tự của đầu ra đang trở thành thông lệ tiêu chuẩn cho các nhà phát triển có trách nhiệm và nghiên cứu vẫn tiếp tục phát hiện các lời nhắc đã ghi nhớ tại thời điểm suy luận. Quyền riêng tư khác biệt có thể trở nên thiết thực đối với các lĩnh vực nhạy cảm như hình ảnh y tế, mặc dù vẫn còn sự đánh đổi về chất lượng. Bức tranh pháp lý vẫn chưa ổn định: tòa án ở các quốc gia khác nhau đang xem xét liệu việc đào tạo và sản phẩm đầu ra có vi phạm bản quyền hay không và kết quả có thể khác nhau. Các nhà phát triển có thể phải đối mặt với nhiều áp lực hơn trong việc ghi lại các nguồn dữ liệu đào tạo và chỉ ra cách họ kiểm tra cũng như hạn chế tình trạng trào ngược.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Chi phí và ngân sách. Các quyết định về kiến ​​trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
  • Quyết định rõ ràng hơn. Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
  • Kiểm soát chất lượng. Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.

coi chừng

  • Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
  • Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
  • Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.

Các bước tiếp theo

  1. Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
  2. Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
  3. Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
  4. Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Làm bài kiểm tra Ghi nhớ trong Mô hình Khuếch tán

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Ghi nhớ trong các mô hình khuếch tán là gì?

Các mô hình hình ảnh khuếch tán thường tạo ra hình ảnh mới, nhưng nghiên cứu cho thấy đôi khi chúng có thể tái tạo gần như chính xác các hình ảnh huấn luyện cụ thể, đặc biệt là những hình ảnh xuất hiện nhiều lần trong dữ liệu huấn luyện. Điều này được gọi là ghi nhớ. Điều này quan trọng đối với bản quyền, vì bản sao gần như của một tác phẩm được bảo vệ có thể xuất hiện từ một mô hình và đối với quyền riêng tư, vì ảnh chụp người thật hoặc bản quét y tế có thể bị lấy lại.

Ghi nhớ trong mô hình khuếch tán là gì?

Ghi nhớ có nghĩa là kết quả đầu ra gần như là bản sao của các hình ảnh đào tạo cụ thể, chứ không phải là hình ảnh mới.

Tại sao dữ liệu trùng lặp làm tăng khả năng ghi nhớ?

Việc tiếp xúc nhiều lần với cùng một hình ảnh làm cho việc lấy mẫu chính xác đó trở thành một cách hiệu quả để giảm tổn thất.

Bài báo năm 2023 của Carlini và đồng nghiệp đã chứng minh điều gì?

Họ đã trích xuất hơn một trăm bản sao gần như từ Stable Diffusion, bao gồm cả ảnh của những người có thể nhận dạng được và nhận thấy tỷ lệ cao hơn ở Imagen.

Cuộc tấn công trích xuất xác định các hình ảnh có khả năng được ghi nhớ như thế nào?

Một hình ảnh được ghi nhớ xuất hiện một cách nhất quán bất kể hạt giống, vì vậy các cụm ứng cử viên gắn cờ đầu ra gần giống nhau rất chặt chẽ.

Phát biểu nào về khả năng ghi nhớ là chính xác?

Các bản sao được trích xuất rất hiếm so với tất cả các đầu ra, nhưng kẻ tấn công có thể tập trung vào những hình ảnh có nhiều khả năng được ghi nhớ nhất.