Hilo de Twitter<\/a>. Como se indica en el documento, sugiri\u00f3 que los creadores de modelos de IA deber\u00edan deduplicar sus datos para reducir la memorizaci\u00f3n. Tambi\u00e9n se\u00f1al\u00f3 que el modelo de Stable Diffusion es peque\u00f1o en relaci\u00f3n con su conjunto de entrenamiento, por lo que es probable que los modelos de difusi\u00f3n m\u00e1s grandes memoricen m\u00e1s. Y desaconsej\u00f3 aplicar los modelos de difusi\u00f3n actuales a dominios sensibles a la privacidad como las im\u00e1genes m\u00e9dicas.<\/p>\nComo muchos art\u00edculos acad\u00e9micos, Carlini et al.<\/em> 2023 est\u00e1 lleno de matices que podr\u00edan moldearse para adaptarse a una narrativa particular a medida que se desarrollan las demandas en torno a la s\u00edntesis de im\u00e1genes, y los autores del art\u00edculo son conscientes de que su investigaci\u00f3n puede entrar en juego legal. Pero, en general, su objetivo es mejorar los modelos de difusi\u00f3n futuros y reducir los da\u00f1os potenciales de la memorizaci\u00f3n: \u00abCreemos que publicar nuestro art\u00edculo y divulgar p\u00fablicamente estas vulnerabilidades de privacidad es \u00e9tico y responsable. De hecho, en este momento, nadie parece verse perjudicado de inmediato. por la (falta de) privacidad de los modelos de difusi\u00f3n; nuestro objetivo con este trabajo es, por lo tanto, asegurarnos de evitar estos da\u00f1os y fomentar el entrenamiento responsable de los modelos de difusi\u00f3n en el futuro\u00bb.<\/p>\n<\/p><\/div>\n