Loading article…
 | |
| 会社種別 | 非営利 |
|---|---|
| 業界 | 人工知能 |
| 創設者 |
|
| Webサイト | ライオン |
LAION（Large-scale Artificial Intelligence Open Networkの略）は、オープンソースの人工知能モデルとデータセットを作成するドイツの非営利団体です。[1] Webから収集した画像とキャプションの大規模なデータセットを多数公開していることで最もよく知られており、Stable DiffusionやImagenなど、多くの有名なテキスト画像変換モデルのトレーニングに使用されています。[2] [3]
2023年2月、LAIONはゲッティイメージズによるStable Diffusionに対する訴訟で非当事者として名指しされた。[4] 2023年4月、LAIONは、自分の画像をトレーニングセットから削除することを望んでいたドイツ人写真家から直接訴えられた。[5] 2024年9月、ハンブルク地方裁判所は、ドイツおよびEU全体における「AIトレーニングデータに対するTDM [テキストおよびデータマイニング]の例外に関する画期的な判決」と評され、訴訟を棄却した。[6]
2023年4月15日、LAIONとその貢献者は、OpenAssistantと呼ばれるオープンソースのAIアシスタントチャットボットを一般公開しました。
画像データセット
LAIONは、AI研究者に広く利用されている画像とキャプションのペアの大規模なデータセットを多数公開しています。このデータは、スクレイピングされたWebページのデータセットであるCommon Crawlから取得されています。開発者は、クロールされたHTMLで<img>タグを検索し、そのalt属性をキャプションとして扱いました。彼らは、キャプションと一致しないコンテンツを持つ画像を識別して破棄するためにCLIPを使用しました。[7] LAIONはスクレイピングされた画像自体のコンテンツをホストしていません。むしろ、データセットには画像を指すURLが含まれており、研究者は自分でダウンロードする必要があります。[8]
最初のデータセットであるLAION-400Mは2021年8月にリリースされ、4億の画像キャプションのペアで構成されていました。これらのペアは、2014年から2021年の間にCommon Crawlによってスクレイピングされたウェブページのランダムなサブセットから抽出されました。[9]これは、OpenAIがCLIPモデルのトレーニングに使用した4億の画像キャプションのペアを収集するために使用したプロセスを再現する試みでした。同社はモデルのコードと重みをオープンソース化することを選択しましたが、トレーニングデータセットはオープンソース化しませんでした。[7] Google Brainが2022年に発表したテキストから画像へのモデルである Imagenは、LAION-400Mと非公開の内部データセットを組み合わせてトレーニングされました。[10]
50億以上のペアの後継であるLAION-5Bは、2022年3月にリリースされました。 [11]リリース時点では、無料で利用できる画像とキャプションのペアのデータセットとしては最大でした。[7]その作成には、Doodlebot、Hugging Face、およびStability AIが資金を提供しました。Stability AIは、このモデルでトレーニングされたStable Diffusionテキストから画像への変換モデルの資金提供元であるAI企業です。[12]
批判
いくつかの研究によると、LAION-5Bの画像には、レイプ、ポルノ、悪意のあるステレオタイプ、人種差別や民族差別の誹謗中傷、その他極めて問題のある内容を含む問題のある画像やテキストが含まれていることが示されています。[13] [14]
バイエルン放送の調査によると、Hugging FaceでホストされているLAIONのデータセットには、公共のウェブサイトから収集された大量の個人情報や機密データが含まれていることが判明した。[15]
2023年12月、スタンフォード・インターネット・オブザーバトリーはLAION-5Bに関する報告書を発表し、児童性的虐待資料へのリンクが疑われる事例が3,226件あり、そのうち1,008件は外部で検証されたと報告した。これを受けてLAIONは「違法コンテンツに対するゼロトレランスポリシー」と「十分な注意」を理由に、LAION-5BとLAION-400Mを一時的に削除した。[16] 2024年8月、LAIONはRe-LAION-5Bと呼ばれるクリーンなデータセットをリリースした。[17]
オープンアシスタント
 | |
 データ収集ウェブポータルのスクリーンショット | |
| 開発者 | LAIONと貢献者 |
|---|---|
| 初回リリース | 2023年4月15日 |
| タイプ | |
| ライセンス | Apache ライセンス 2.0 |
| Webサイト | オープンアシスタント |
OpenAssistantは、タスクを理解し、サードパーティのシステムと対話し、そのために情報を動的に取得できる人工知能（AI）オープンソースのチャットベースのアシスタントです。このプロジェクトは、LAIONと協力してボランティアのグループによって開発されています。開発の目標の1つは、消費者向けハードウェアでローカルに実行できる大規模な言語モデルへの無料アクセスです。 [18] [19]このプロジェクトは、60万の人間が生成したデータポイントを作成した13,500人以上のボランティアが関与する世界的なクラウドソーシングの取り組みによって支えられています。[19] [20]
参照
参考文献
- ^ 「About」. LAION.ai . 2022年9月26日閲覧。
- ^ Edwards, Benj (2022年9月15日). 「AI画像ジェネレーターはあなたのアートを同化しましたか？新しいツールで確認できます」. Ars Technica .
- ^ Newman, Marissa; Cantrill, Aggi (2023年4月24日). 「AIの未来は高校教師の無料データベースにかかっている」ブルームバーグニュース。 2023年4月24日閲覧。
- ^ 「Getty Images (US), Inc. v. Stability AI, Inc., 1:23-cv-00135」。CourtListener 。2023年2月8日閲覧。
- ^ 「写真家がAIデータセットから自分の写真を削除しようとしたが、代わりに請求書が届いた」Vice 2023年4月28日 2023年5月4日閲覧。
- ^ Goldstein, Paul ; Stuetzle, Christiane; Bischoff, Susan (2024-11-13). 「Kneschke vs. LAION - AIトレーニングデータのTDM例外に関する画期的な判決 - パート1」Kluwer Copyright Blog 。 2024年11月25日閲覧。
- ^ abc Alford, Anthony (2022年5月17日). 「LAIONが50億の画像テキストペアデータセットLAION-5Bをリリース」. InfoQ .
- ^ Edwards, Benj (2022年9月21日). 「アーティストが人気のAIトレーニングデータセットで個人の医療記録写真を発見」Ars Technica。
- ^ シューマン、クリストフ (2021 年 8 月 8 日)。 「LAION-4億-百万のオープンデータセット」。LAIONブログ。2022 年9 月 26 日に取得。
- ^ チトワン州サハリア;チャン、ウィリアム。サクセナ、サウラブ。リー、ララ。ワン、ジェイ。デントン、エミリー。カムヤル・セイド・ガセミプール、セイド。カラゴル・アヤン、ブルク。サラ・マハダヴィ、S.ゴンティホ・ロペス、ラファ。サリマンズ、ティム。やあ、ジョナサン。 J・フリート、デヴィッド;ノルージ、モハマド（2022年5月23日）。 「深い言語理解によるフォトリアリスティックなテキストから画像への拡散モデル」。arXiv : 2205.11487 [cs.CV]。
- ^ Beaumont, Romain (2022年3月3日). 「LAION-5B: オープンな大規模マルチモーダルデータセットの新時代」. LAIONブログ.
- ^ Wiggers, Kyle (2022年8月12日). 「このスタートアップは、DALL-E 2のようなAIを解放しようとしている。結果は気にしない」TechCrunch。
- ^ Birhane, Abeba; Prabhu, Vinay Uday; Kahembwe, Emmanuel (2021). 「マルチモーダルデータセット：女性蔑視、ポルノ、悪性ステレオタイプ」. arXiv : 2110.01963 .
{{cite journal}}:ジャーナルを引用するには|journal=(ヘルプ)が必要です - ^ ビルハネ、アベバ;プラブ、ヴィナイ;ハン、サン。ボデティ、ヴィシュヌ・ナレシュ。ルッチョーニ、アレクサンドラ サーシャ (2023-11-06)、LAION の巣窟へ: マルチモーダル データセットにおける憎悪の調査、arXiv : 2311.03449
- ^ ブルナー、カタリーナ;ハーラン、エリサ (2023-06-07)。 「私たちは皆、AIの原料です。」バイエルン国立競技場。
- ^ Cole, Samantha (2023年12月20日). 「児童性的虐待資料の発見後、AI画像に活用される最大のデータセットが削除される」404 Media . 2023年12月22日閲覧。
- ^ Belanger, Ashley (2024-08-30). 「非営利団体が物議を醸すAIトレーニングデータセットから違法コンテンツを削除」Ars Technica . 2024年8月31日閲覧。
- ^ Open- Assistant、LAION AI、2023-03-09、2023-03-09取得
- ^ ab ケプフ、アンドレアス;キルチャー、ヤニック。フォン・リュッテ、ディミトリ。アナグノスティディス、ソティリス。タム、ジールイ。スティーブンス、キース。バルフム、アブドラ。ドック、グエン・ミン。スタンリー、オリバー。ナジフィ、リチャード。 ES、シャフル。スリ、サミール。グルシコフ、デイビッド。ダントゥルリ、アルナブ;マグワイア、アンドリュー (2023-04-14)。 「OpenAssistant の会話 -- 大規模言語モデルの調整の民主化」。arXiv : 2304.07327 [cs.CL]。
- ^ 「Open Assistant: オープンで協調的なチャットボット開発の可能性を探る」KDnuggets 。 2023年5月5日閲覧。