艺术家如何破坏 AI，以向图像生成器复仇
艺术家们正在尝试使用“数据投毒”工具，微妙地篡改自己发布到网上的图像，以破坏 AI 训练，希望借此保护自己的风格或减缓生成式图像模型的扩散。评论者争论这种做法是否能对大规模、经过筛选的数据集产生实质影响，并指出模型本来就高度依赖 2022 年前的“干净”数据和合成训练输出。技术争论背后，是关于艺术本质、在未经同意作品上训练的伦理、创意谋生方式受到的威胁，以及抵制 AI 工具究竟是对劳动者的原则性保护，还是徒劳的新卢德主义的更深层分歧。
数据投毒努力的有效性
- 许多评论者怀疑，艺术家主导的投毒（例如 Nightshade 风格的扰动）能否真正损害大型模型。
- 原因包括：艺术家只占网上所有图像中的极小一部分；大模型本来就依赖大量“pre-GPT”或类似 LAION 的语料；大型实验室也不会持续抓取随机网页内容。
- 投毒被认为更可能提高小规模/微调工作的成本，而不是“毁掉 AI”。
- 也有人指出，投毒只有在被修改的图像难以区分、并且规模足够大时才有效，而这点并不明确。
- 提出的对策包括：训练模型检测/逆转投毒、过滤 AI 生成或可疑图像，或者给模型版本升级。
合成数据与模型质量
- 一派担心随着 AI 越来越多地训练在 AI 输出上，会出现“死亡螺旋”，导致质量下降。
- 反对一派则认为，高质量合成数据已经很有用（例如，小型 LM 在 GPT-4 输出上微调），而且真正的数据仍然很多。
- 线程中的共识是：在天真用法下，用 AI 输出重新训练可能很糟糕，但经过筛选时则非常强大。
伦理、所有权与“卢德主义”
- 许多艺术家的动机被描述为反对未经同意的抓取和“版权洗白”，而不只是憎恨技术。
- 有些人把批评者比作历史上的卢德派并加以贬低；也有人为卢德派辩护，认为他们是在争取生产率收益中的公平份额。
- 讨论集中在：创作者是否应当分得 AI 驱动利润的一部分，还是只需适应并使用这些工具。
- 还有几个人预测，随着 AI 开始自动化白领工作，更广泛的动荡将会出现，呼应工业化时期的暴力失序。
AI 生成图像算不算“艺术”？
- 一方认为：“AI 艺术不是艺术”；提示词加筛选缺乏具身技能、努力和生活经验。他们强调过程、人类投入和独特性。
- 另一方则认为：意图和决策依然存在；现代流程（ControlNet、LoRAs、工作流）仍然需要技术层面的艺术性，类似摄影或 3D 建模。
- 也有人建议把 AI 图像、摄影和绘画视为不同类别，各自拥有不同的社会赋予价值。
象征性抵抗与声誉影响
- 少数人欣赏艺术家的“胆识”，认为投毒是一种抗议，也是一种提高公众意识的方式，即使在技术上无济于事。
- 另一些人则认为，这主要会损害艺术家自身的声誉，让他们显得在技术上天真，而且不太可能实现他们所宣称的目标。