一项新的麻省理工学院研究表明，生成式 AI 可能不会直接复制特定艺术作品。研究人员调查了常用于图像生成的扩散模型，以判断其输出能否追溯至单个训练数据片段。他们发现，训练数据集越大，将生成图像与任何单一来源建立联系的难度显著增加。移除特定的训练数据片段通常对模型输出影响甚微，这种现象被称为“归因衰减”。这意味着 AI 可以创造出模仿艺术家风格的图像，而无法证明其与艺术家具体贡献之间存在因果联系。研究人员推测，这是因为大型数据集包含视觉冗余，许多图像共享相似特征。他们开发了一种称为“消融”的方法，通过单独训练模型组件来测试因果关系，从而在不进行完整重新训练的情况下隔离并消除特定数据的影响。实验表明，仅基于视觉相似性假设来源往往不准确。“不可归属性”效应在大规模数据集中更为显著，在数万张图像的规模下即可观察到显著影响。以安迪·沃霍尔的艺术为例，如果从大型数据集中移除其丝网印刷作品，但数据集中其他部分存在相似风格，则生成输出不会发生剧烈变化。该研究的发现可能削弱关于 AI 直接复制艺术家特定作品的论点，因为确定确凿来源变得困难。虽然这为 AI 公司在诉讼中针对特定输出提供了潜在的抗辩理由，但它并未解决使用受版权保护材料进行训练的合法性问题。