谁拥有输出？ bridging 法律与技术的 LLM 属性问题

自 2022 年 ChatGPT 问世以来，大型语言模型（LLM）和大型多模态模型（LMM）已彻底变革了内容创建，使其能够生成涵及所有介质、文本、图像、视频和音频的人类水平内容。生成式 AI 模型提供的机会是无尽的，且大幅度减少了生成内容所需的时间，通常还能提升生成质量。然而，鉴于生成内容的复杂性和难以追溯性，尽管使用这些工具能提供生成内容的机会，但在对 AI 生成内容进行属性归属方面仍面临挑战。这种情况的根源多种多样，始于缺乏对生成内容的系统性指纹识别，最终于 LLM 和 LMM 训练数据的庞大规模，使得将生成内容与训练数据建立联系变得困难。这一情形正在引发关于知识产权和伦理责任的担忧。为解决这些担忧，本文通过提出现有可用法律和技术工具的综述，来桥接技术、伦理和立法方面的问题，并提出确保问责的法律框架。最终，我们提出了三种如何将这些要素组合以确保属性被尊重的用例。然而，尽管当今可用技术在一定程度上能保证更好的属性归属，但仍存在强大的局限性，这些局限性只能通过开发新的属性技术来解决，这些技术将应用于 LLM 和 LMM。