Stable Diffusion i proces Getty Images: czy trening modelu AI na zdjęciach jest kradzieżą?
Stable Diffusion - obrazy generowane przez sztuczną inteligencję
Stable Diffusion to model głębokiego uczenia przekształcający tekst na obraz, wydany w 2022 roku i oparty na technikach difuzyjnych. Jest on flagowym produktem firmy Stability AI i stanowi część trwającego boomu sztucznej inteligencji. Służy przede wszystkim do generowania szczegółowych obrazów w oparciu o opisy tekstowe, ale może być również stosowany do innych zadań, takich jak inpainting, outpainting i translacje image-to-image prowadzone przez podpowiedź tekstową. W pracy nad nim uczestniczyli badacze z grupy CompVis na Uniwersytecie Ludwika i Maksymiliana w Monachium oraz firmy Runway, a także ze wsparciem obliczeniowym ze strony Stability i danymi treningowymi od organizacji non-profit.
Model Stable Diffusion wywodzi się z projektu latent diffusion opracowanego w Niemczech przez badaczy z LMU Monachium i Uniwersytetu w Heidelbergu. Czterech z pięciu oryginalnych autorów, w tym Robin Rombach, Andreas Blattmann, Patrick Esser i Dominik Lorenz, dołączyło później do Stability AI i wydało kolejne wersje Stable Diffusion. Co ważne, kod i wagi modelu zostały udostępnione publicznie, co oznaczało zasadniczą różnicę w stosunku do wcześniejszych własnościowych modeli text-to-image takich jak DALL·E czy Midjourney, które były dostępne wyłącznie poprzez usługi chmurowe.
Jednym z kontrowersyjnych elementów Stable Diffusion jest sposób zbierania danych treningowych. Model był szkolony na parach obrazów i podpisów pobranych z LAION-5B, publicznie dostępnego zbioru danych pochodzącego z danych Common Crawl scrapowanych z sieci. LAION, niemiecka organizacja non-profit, która utworzyła ten zbiór, otrzymuje fundusze od samej firmy Stability AI. Analiza modelu wykazała, że w mniejszym podzbiiorze obejmującym 12 milionów obrazów około 47% pochodziło ze 100 różnych domen, przy czym Pinterest stanowił 8,5% podzbioru, a kolejne miejsca zajmowały strony takie jak WordPress, Blogspot, Flickr, DeviantArt oraz Wikimedia Commons.
Naruszenie praw autorskich: zarzut Getty Images
W 2023 roku agencja fotograficzna Getty Images wniosła dwa pozwy przeciwko Stability AI: jeden do Wysokiego Trybunału w Londynie (High Court of England and Wales), drugi do sądu federalnego w stanie Delaware. Pozew w Delaware zarzucał, że firma wykorzystała ponad 12 milionów zdjęć z kolekcji Getty do szkolenia swojego systemu generowania obrazów, Stable Diffusion. Pozew ten wpisuje się w szersze obawy dotyczące wykorzystywania materiałów chronionych prawem autorskim w zbiorach danych treningowych sztucznej inteligencji.
Getty Images argumentowało, że Stability AI skopiowała te obrazy bez właściwej licencji, aby zwiększyć zdolność Stable Diffusion do generowania dokładnych odwzorowań na podstawie podpowiedzi użytkownika. Reuters Agency zarzucała, że użycie chronionych zdjęć w treningu powoduje, że model wygenerowany przez Stability AI jest pochodną oryginalnych utworów i powinien być traktowany jako nieautoryzowana kopia pochodna. W wymiarze prawnym kluczowym zagadnieniem stało się, czy trening modelu sztucznej inteligencji na chronionych prawem autorskim obrazach stanowi according do existing fair use w amerykańskim prawie lub integral copying w brytyjskim prawie autorskim.
Z drugiej strony Stability AI argumentowało, że model Stable Diffusion nie reprodukuje oryginalnych obrazów jednoznacznie — wagi modelu są abstrakcyjną reprezentacją wzorców statystycznych uczonych na danych treningowych, ale nie są kompilacją samych zdjęć. Jeśli model nie zwraca jednoznacznej kopii oryginału, użycie materiałów treningowych jest raczej aktem analizy niż aktem reprodukcji, co w niektórych jurysdykcjach może nie stanowić naruszenia.
Wyrok Wysokiego Trybunału w listopadzie 2025 roku
W listopadzie 2025 roku Wysoki Trybunał w Londynie wydał wyrok w sprawie Getty Images przeciwko Stability AI. Wyrok ten był powszechnie komentowany jako fundamentalny punkt zwrotny w prawie autorskim dotyczącym sztucznej inteligencji. Trybunał rozpatrzył zarzuty dotyczące wykorzystania milionów zdjęć z archiwum Getty Images jako zbioru treningowego modelu Stable Diffusion i wydał orzeczenie w kluczowej kwestii: czy trening modelu AI na chronionych prawem autorskim obrazach stanowi naruszenie, czy też mieści się w dozwolonym zakresie analizy.
Główna argumentacja Stability AI opierała się na twierdzeniu, że model Stable Diffusion przeszkolony na zdjęciach z Getty Images nie zwraca wysokiej jakości kopii poszczególnych fotografii w rzeczywiście rozpoznawalnej postaci. Wygenerowanie obrazu, który wyglądałby jak konkretne zdjęcie ze zbioru Getty, wymagałoby od modelu zwrócenia zgeneralizowanych wzorców strukturalnych, a nie dosłownej kopii. Trybunał podjął decyzję w oparciu o ocenę, czy proces treningu Stable Diffusion stanowił naruszenie autorskich praw kopiowania, czy też dozwoloną formę analizy danych.
Konsekwencje wyroku i szersze ramy prawne
Wyrok z 2025 roku wpisuje się w szerszy kontekst debaty o prawie autorskim w erze generatywnej sztucznej inteligencji. Decyzja Wysokiego Trybunału uzupełnia inne trwające postępowania sądowe dotyczące treningu modeli AI na chronionych materiałach, w tym sprawy przeciwko OpenAI, Meta i innym dostawcom modeli językowych. Trybunał musiał rozstrzygnąć fundamentalne pytanie: czy wagi modelu — abstrakcyjna reprezentacja wzorców statystycznych uczonych na danych treningowych — stanowią kompilację samych zdjęć, czy też nowy utwór pochodny.
Decyzja z listopada 2025 roku ma istotne znaczenie dla całej branży generatywnej AI. Jeśli wagi modelu nie są traktowane jako pochodna kopia oryginalnych utworów, trening modeli AI na chronionych prawem autorskim materiałach może w wielu jurysdykcjach stanowić dozwolony proces analizy danych. Jeśli jednak wagi modelu są traktowane jako pochodna kopia, każdy dostawca modelu AI szkolony na chronionych materiałach musiałby uzyskać licencję od właścicieli praw autorskich. Wyrok Wysokiego Trybunału londyńskiego jest jednym z najbardziej oczekiwanych orzeczeń w tej dziedzinie i stanowi punkt odniesienia dla kolejnych spraw w innych jurysdykcjach.
