


Comment utiliser Nightshade pour protéger les œuvres d'art de l'IA générative
Traducteur | Chen Jun
Contrôleur | Chonglou
Comme vous pouvez le constater, la révolution de l'intelligence artificielle (IA) en cours a balayé tous les horizons. Le sentiment le plus intuitif est que, sur la base d'un dialogue interactif homme-machine, les algorithmes d'IA peuvent non seulement générer du texte similaire au langage humain, mais également créer des images et des vidéos basées sur un (groupe de) mots. Cependant, les données d'entraînement utilisées par ces outils d'intelligence artificielle (notamment les générateurs de texte en image comme DALL-E, Midjourney, etc.) proviennent souvent de sources de données protégées par le droit d'auteur.
Dans le domaine numérique, empêcher les outils de génération d'IA d'être formés sur des images protégées par le droit d'auteur est une tâche difficile. Les artistes de tous bords ont travaillé à plusieurs niveaux pour protéger leur travail des ensembles de données de formation de l’IA. La protection de la propriété intellectuelle pose de nombreux problèmes complexes, car le développement rapide du monde numérique rend la surveillance et la protection plus difficiles. Les artistes peuvent prendre des mesures techniques, telles que l'ajout de filigranes ou de signatures numériques, pour garantir l'originalité et le caractère unique de leurs œuvres. Cependant, ces mesures ne sont pas toujours possibles
Maintenant, l'avènement de Nightshade va complètement changer le statu quo. Nightshade est un outil d'IA gratuit qui aide les artistes à protéger leurs droits d'auteur en « entachant » les résultats des outils d'IA génératifs. Le lancement de cet outil signifie que les créateurs ont un plus grand contrôle et peuvent mieux protéger leurs œuvres contre les contrefaçons. L'émergence de Nightshade offre aux artistes une nouvelle façon de traiter les problèmes potentiels de violation du droit d'auteur, leur permettant d'afficher leurs œuvres avec plus de confiance et de tranquillité d'esprit. L'introduction de cette technologie apportera des changements révolutionnaires dans l'ensemble du domaine créatif et apportera des changements révolutionnaires dans le monde de l'art. Qu'est-ce que l'empoisonnement de l'intelligence artificielle ?
D'un point de vue conceptuel, l'empoisonnement par l'intelligence artificielle fait référence à l'acte d'« empoisonner » l'ensemble de données d'entraînement des algorithmes d'intelligence artificielle. Cela revient à fournir délibérément de fausses informations à une IA, provoquant un dysfonctionnement de l'IA entraînée et ne parvenant pas à détecter l'image. Techniquement, des outils comme Nightshade peuvent modifier les pixels d’une image numérique afin qu’elle soit complètement différente lorsqu’elle est formée à l’intelligence artificielle. Et ce changement, du point de vue de l’œil humain, est toujours fondamentalement cohérent avec l’image originale. Si vous téléchargez en ligne une photo falsifiée d'un chat sur un humain, la photo pourrait ressembler à un chat normal. Mais pour un système d’IA, il pourrait être falsifié et ne parviendrait pas à identifier avec précision le chat, ce qui entraînerait confusion et erreur de classification. Cela démontre l'importance cruciale de l'exactitude et de l'exhaustivité des données lors de la formation des systèmes d'IA, car des informations erronées ou trompeuses contenues dans les données peuvent avoir un impact négatif sur l'apprentissage et les performances du système. Par conséquent, garantir la qualité et l’authenticité des données est une étape essentielle dans la formation des modèles d’IA afin d’éviter des résultats trompeurs et des jugements inexacts.
De plus, dans le processus de formation des données pour l'intelligence artificielle, en raison de l'effet d'échelle, s'il y a suffisamment d'échantillons d'images falsifiées ou empoisonnées, cela affectera l'exactitude de la compréhension de l'intelligence artificielle, endommageant ainsi sa base. La capacité de générer des images précises à partir d’une invite.
Bien que la technologie de l'intelligence artificielle générative se développe encore rapidement, pour l'instant, une fois que les données utilisées comme base de formation du modèle comportent des erreurs qui échappent à l'œil humain, elles endommageront subtilement le modèle des itérations suivantes. Cela a pour effet de protéger les œuvres numériques originales. En d’autres termes, selon cela, les créateurs numériques qui ne souhaitent pas que leurs images soient utilisées dans des ensembles de données d’intelligence artificielle peuvent protéger efficacement leurs images contre l’importation sans autorisation dans l’intelligence artificielle générative.
Actuellement, certaines plateformes ont commencé à offrir aux créateurs la possibilité de « ne pas inclure leurs œuvres dans l'ensemble de données de formation à l'intelligence artificielle ». Bien entendu, les formateurs de modèles d’intelligence artificielle doivent également y prêter suffisamment d’attention.
Par rapport à d'autres outils de protection d'art numérique tels que
Glaze, la mise en œuvre de Nightshade
est complètement différente.Glaze empêche les algorithmes d'IA d'imiter des styles d'image spécifiques, tandis que Nightshade modifie l'apparence des images du point de vue de l'IA. Bien entendu, les deux outils ont été développés par le professeur d'informatique de l'Université de Chicago Ben Zhao. Bien que le créateur de cet outil recommande aux utilisateurs d'utiliser Nightshade avec Glaze, il peut également être utilisé comme un outil autonome pour protéger votre travail. Dans l'ensemble, utiliser cet outil n'est pas compliqué et vous pouvez protéger vos créations d'images en quelques étapes seulement en utilisant uniquement Nightshade. Avant de commencer, voici trois choses que vous devez garder à l'esprit : Vous devez effectuer les étapes suivantes pour utiliser spécifiquement Nightshade pour protéger les images. Veuillez garder à l'esprit que bien que ce guide utilise la version Windows, il s'applique également à la version macOS. En même temps, vous pouvez également choisir le tag "Poison (poison)". Nightshade détectera et recommandera automatiquement une balise de mot si la balise n'a pas été sélectionnée manuellement. Bien entendu, vous pouvez également le modifier manuellement si le libellé est incorrect ou trop général. Gardez à l'esprit que ce paramètre ne peut être utilisé que lorsque Nightshade traite une seule image. Si tout se passe bien, vous obtiendrez une image qui ressemble exactement à l'original à l'œil humain, mais qui est reconnue par l'algorithme de l'IA comme étant complètement différente de l'original. Cela signifie que votre œuvre est protégée des générateurs d’intelligence artificielle. Julian Chen, 51 ans, rédacteur en chef de la communauté CTO, a plus de dix ans d'expérience dans la mise en œuvre de projets informatiques, est doué pour gérer et contrôler les ressources et les risques internes et externes, et se concentre sur la diffusion du réseau et connaissances et expérience en matière de sécurité de l’information. Titre original : Comment utiliser Nightshade pour protéger vos œuvres de l'IA générative
Comment utiliser Nightshade
Présentation du traducteur
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
