पायरेटेड वयस्क सामग्री के लिए एक काम करने वाला टेकडाउन इंफ्रास्ट्रक्चर मौजूद है — और यह उस चीज़ को नहीं पकड़ता जो पायरेसी की जगह ले रही है। MIT टेक्नोलॉजी रिव्यू रिपोर्ट करता है कि Takedown Piracy ने 50 करोड़ से ज़्यादा वीडियो का फिंगरप्रिंट लिया है और अकेले गूगल सर्च से लगभग 13 करोड़ हटाए हैं। वह पाइपलाइन ज्ञात स्रोतों के विरुद्ध फिंगरप्रिंट मैचिंग पर काम करती है। उन्हीं परफॉर्मर्स की AI-संशोधित कॉपियाँ — छोटे एडिट जो जन्मचिह्न मिटा देते हैं या शरीर का अनुपात बदल देते हैं — फिंगरप्रिंटिंग से निकल जाती हैं क्योंकि नई फ़ाइल अब मूल से मेल नहीं खाती। जो इंफ्रास्ट्रक्चर मौजूद है वह एक सिकुड़ती हुई समस्या का इंफ्रास्ट्रक्चर है।
सामग्री का यह वर्ग फेस-स्वैप डीपफेक नहीं है — यह बॉडी-आधारित है। परफॉर्मर्स के असली शरीर प्रशिक्षण डेटा के रूप में उपयोग किए जाते हैं और फिर मामूली परिवर्तनों के साथ पुनर्जनित किए जाते हैं। लेख में उद्धृत शोधकर्ता अनुमान लगाते हैं कि 10,000 टेराबाइट से अधिक ऑनलाइन वयस्क सामग्री संभवतः वर्तमान AI प्रशिक्षण कॉर्पस में है, हालांकि वे इसे "उचित अनुमान" के रूप में चिह्नित करते हैं न कि मापा आँकड़ा (कोई बड़ी लैब इस ग्रेन्युलैरिटी पर कॉर्पस-स्तरीय फ़िल्टरिंग ऑडिट प्रकाशित नहीं करती)। नामित उपकरणों में नूडीफाई ऐप्स Crushmate और Grok, और सेक्सटिंग ऐप Mynx शामिल हैं, जहाँ स्कैमर्स ने भुगतान करने वाले उपयोगकर्ताओं को धोखा देने के लिए नामित परफॉर्मर्स के AI डीपफेक तैनात किए। Spicey AI — अब बंद हो चुकी — ने समस्या को विपरीत तरीक़े से औपचारिक करने की कोशिश की: अनुबंध जहाँ परफॉर्मर्स अपनी AI समानताओं का स्वामित्व सौंप देते थे।
क़ानूनी परत बन रही है लेकिन असमान है। संघीय Take It Down Act ग़ैर-सहमति वाली अंतरंग छवियों के प्रकाशन को आपराधिक बनाता है, जो ऐसे दाँत हैं जो पहले मौजूद नहीं थे। उद्धृत परफॉर्मर के वकील डुअल-यूज़ जोखिम को चिह्नित करते हैं: वही क़ानून ग़लत टेकडाउन नोटिस के तहत सहमति-सहित प्रदर्शन सामग्री के विरुद्ध हथियारीकृत किया जा सकता है। DMCA श्रृंखलाएँ पूरी तरह ध्वस्त हो जाती हैं जब होस्ट रूस, सेशेल्स या नीदरलैंड से संचालन करते हैं। आज शिप होने वाले इमेज और वीडियो जनरेशन प्लेटफ़ॉर्म के लिए, यह दो परतों पर मायने रखता है: प्रीट्रेनिंग कॉर्पस लगभग निश्चित रूप से स्क्रैप की गई वयस्क सामग्री रखते हैं जब तक कि एक जानबूझकर फ़िल्टरिंग पास नहीं किया गया (और कुछ लैब उसे दर्ज करती हैं), और डाउनस्ट्रीम पहचान समस्या — यह पहचानना कि एक उत्पन्न आउटपुट किसी असली व्यक्ति का बॉडी-डीपफेक है — मौजूदा फिंगरप्रिंटिंग टूलिंग द्वारा हल नहीं होती।
अगर आप इमेज या वीडियो जनरेशन शिप करते हैं, व्यावहारिक निहितार्थ यह है कि आप अपने मॉडल से व्युत्पन्न आउटपुट पकड़ने के लिए मौजूदा टेकडाउन इकोसिस्टम पर भरोसा नहीं कर सकते। लेख में उद्धृत "embodied harms" शोध शरीर डिस्मॉर्फ़िया और स्व-सेंसरशिप को फेस-डीपफेक की ट्रॉमा श्रेणी से अलग प्रभावों के रूप में अलग करता है — अलग तंत्र, अलग शमन। क़ानूनी ढाँचा हिलता रहेगा; तकनीकी पहचान का अंतर अपने आप बंद नहीं होगा।