MIT-onderzoek: kunstenaar wissen uit AI-trainingsdata verandert niets

TL;DR

• Wat: MIT-onderzoekers tonen aan dat het verwijderen van een kunstenaar uit AI-trainingsdata nauwelijks effect heeft op de gegenereerde beelden.
• Waarom relevant: als ondernemer die AI-tools inzet voor beeldmateriaal, raakt dit direct aan auteursrechtelijke risico's en aansprakelijkheid.
• Wat je ermee kunt: houd rekening met onduidelijk auteursrecht op AI-gegenereerde beelden — zeker nu de EU AI Act transparantie-eisen stelt.

Ik viel vanochtend over een publicatie van MIT CSAIL die me aan het denken zette. Onderzoekers hebben aangetoond dat je alle werken van een kunstenaar kunt verwijderen uit de trainingsdata van een AI-beeldmodel — en dat het model gewoon vergelijkbare resultaten blijft produceren. Dat klinkt misschien als een technisch detail, maar de implicaties voor auteursrecht en voor iedereen die AI-beelden gebruikt, zijn behoorlijk groot.

Wat de onderzoekers precies hebben gevonden

Het paper heet "Outputs of Generative Diffusion Models are Often Unattributable" en is gepubliceerd in Nature Communications. De onderzoekers — Zheng Dai en professor David Gifford van MIT CSAIL — beschrijven een fenomeen dat ze attribution decay noemen. Vrij vertaald: hoe meer data een model heeft gezien, hoe minder elk individueel plaatje ertoe doet.

De kern is verrassend eenvoudig. Stel je een enorme bibliotheek voor met honderdduizenden boeken. Als je één boek weghaalt, merk je dat nauwelijks in de totale kennis van iemand die ze allemaal heeft gelezen. Hetzelfde blijkt te gelden voor AI-modellen: bij grote datasets volgt het effect van een enkele afbeelding een inverse power law — een wiskundige wetmatigheid die zegt dat de invloed steeds sneller afneemt naarmate de dataset groeit.

Concreet: de onderzoekers bouwden een slim systeem — een zogeheten diffusion ensemble — dat bestaat uit meerdere kleinere modellen die elk op verschillende stukjes data zijn getraind. Daardoor konden ze specifieke trainingsbeelden verwijderen zonder het hele model opnieuw te trainen. Ze testten dit op 24 verschillende modellen, met datasets van 256 tot meer dan 160.000 afbeeldingen, waaronder bekende verzamelingen als CIFAR-10, CelebA en ArtBench.

De conclusie was consistent: het verwijderen van individuele afbeeldingen — of zelfs alle werken van één kunstenaar — had een verwaarloosbaar effect op wat het model produceerde.

Waarom dit het auteursrechtdebat compliceert

Ik vind het eerlijk gezegd fascinerend hoe dit onderzoek een fundamentele aanname onder druk zet. In lopende rechtszaken — zoals Andersen et al. v. Stability AI — stellen kunstenaars dat hun werk zonder toestemming is gebruikt om AI-modellen te trainen, en dat die modellen daardoor hun stijl kunnen nabootsen. De redenering is begrijpelijk: mijn werk zit in de trainingsdata, dus de output is afgeleid van mijn werk.

Maar wat als het verwijderen van dat werk niets verandert aan de output? Zheng Dai formuleert het kernachtig: als je een stuk data weghaalt en de output verandert niet, dan heeft dat stuk data de output niet beïnvloed. Juridisch gezien wordt het dan lastig om te betogen dat een gegenereerd beeld een afgeleid werk is van een specifiek trainingsplaatje.

James Grimmelmann, hoogleraar recht aan Cornell, merkt op dat "attributie zal falen voor interessante modellen" en dat er daarom alternatieve juridische kaders nodig zijn. Wat mij betreft is dat een eerlijke observatie. Het bestaande auteursrecht is niet ontworpen voor systemen die leren uit miljoenen bronnen tegelijk.

Wat dit betekent in de Europese context

Kun je je voorstellen wat dit betekent als je als ondernemer AI-beeldtools gebruikt voor marketingmateriaal, productverpakkingen of websitevisuals? De juridische bodem is nog niet gestabiliseerd.

In Europa speelt er ondertussen veel. Het Europees Parlement nam in maart 2026 een resolutie aan over auteursrecht en generatieve AI, met als strekking dat het huidige auteursrechtelijk kader mogelijk niet meer volstaat. De EU AI Act — die in 2026 verdere transparantie-eisen stelt — verplicht aanbieders van AI-modellen om trainingsdata-bronnen te documenteren en auteursrechtelijke opt-outs te respecteren.

Dat levert een interessante spanning op. Europese wetgeving zegt: je moet kunnen laten zien welke data je hebt gebruikt. Dit MIT-onderzoek zegt: maar het maakt voor de output eigenlijk niet uit welke data erin zit. Die twee boodschappen botsen, en ik denk dat we daar de komende jaren veel discussie over gaan zien.

Voor Nederlandse ondernemers is er ook een aansprakelijkheidskant. Onder Nederlands en EU-recht ligt de verantwoordelijkheid voor AI-gegenereerde content doorgaans bij degene die het AI-systeem inzet — dus bij jou als ondernemer, niet bij de ontwikkelaar van het model. Overtredingen kunnen boetes opleveren tot 10 miljoen euro of 2% van de jaaromzet.

De nuance die je niet moet missen

Ik wil hier wel een kanttekening bij plaatsen. Dit onderzoek toont aan dat individuele trainingsbeelden weinig invloed hebben bij grote datasets. Dat is niet hetzelfde als zeggen dat trainingsdata als geheel er niet toe doen, of dat kunstenaars geen recht hebben op bescherming. Het collectieve effect van duizenden kunstwerken in een bepaalde stijl is een ander verhaal dan het effect van één enkel schilderij.

Bovendien is het onderzoek uitgevoerd met datasets tot circa 160.000 beelden. Commerciële modellen als Midjourney en Stable Diffusion trainen op honderden miljoenen tot miljarden afbeeldingen. De onderzoekers extrapoleren via de inverse power law, maar of het effect zich op die schaal precies zo gedraagt, is een aanname — geen bewezen feit.

Er is ook een strategische lezing mogelijk die minder comfortabel is. Zoals The Register opmerkt: het onderzoek suggereert impliciet dat hoe groter je model is, hoe minder je juridisch aansprakelijk bent voor individuele brondata. Dat zou een perverse prikkel kunnen zijn om modellen simpelweg zo groot mogelijk te maken.

Wat betekent dit voor jou als ondernemer?

Als je AI-tools gebruikt om beeldmateriaal te genereren — en steeds meer bedrijven doen dat — dan zijn er een paar praktische overwegingen:

Auteursrecht op je eigen output

Als AI-gegenereerde beelden niet herleidbaar zijn tot specifieke trainingsdata, rijst de vraag of die beelden zelf auteursrechtelijk beschermd zijn. In veel rechtsgebieden is daar nog geen duidelijk antwoord op. Stel dat je een concurrent hebt die exact hetzelfde beeld genereert — wie heeft dan het recht?

Documentatie en transparantie

De EU AI Act vraagt om zorgvuldigheid. Documenteer welke tools je gebruikt, onder welke voorwaarden, en voor welk doel. Dat is geen bureaucratische overkill — het is je juridische vangnet als er vragen komen.

Blijf de ontwikkelingen volgen

Het juridische landschap rond AI en auteursrecht is in beweging. Dit MIT-onderzoek is één puzzelstuk. Rechtszaken als Andersen v. Stability AI zijn nog lopend. En Europese wetgeving wordt verder aangescherpt.

Tot slot

Voor mij is dit onderzoek vooral een signaal dat de relatie tussen trainingsdata en AI-output veel complexer is dan het publieke debat vaak doet vermoeden. De intuïtie "mijn plaatje zit erin, dus de output is van mij" blijkt technisch gezien op z'n minst aanvechtbaar. Maar dat maakt de ethische en juridische vraag — hoe compenseer je makers wier werk collectief heeft bijgedragen aan deze systemen — niet minder urgent. Eerder urgenter, zou ik zeggen, omdat de bestaande juridische instrumenten er mogelijk niet op zijn toegerust.