¿PirataGPT? OpenAI se mete en un serio problema por sus métodos para entrenar ChatGPT

En medio del entusiasmo generado por el potencial revolucionario de la inteligencia artificial generativa, OpenAI, la compañía con sede en San Francisco, se encuentra en la mira de 150 demandas legales. La tecnología ha despertado la imaginación de millones de personas, pero también ha planteado preocupaciones sobre infracción de derechos de autor y prácticas ilegales.

Esta semana, los reconocidos autores Paul Tremblay y Mona Awad presentaron una demanda colectiva contra OpenAI, acusando a la empresa de infringir los derechos de autor y violar la Ley de Derechos de Autor del Milenio Digital (DMCA), entre otras acusaciones. Según los escritores, el modelo ChatGPT fue parcialmente entrenado utilizando sus obras con derechos de autor, sin su permiso.

OpenAI habría entrenado a ChatGPT gracias a plataformas de piratería digital

El argumento presentado por los autores es directo: ellos nunca autorizaron a OpenAI a utilizar sus obras, pero el modelo ChatGPT es capaz de generar resúmenes precisos de sus escritos. Esto sugiere que el entrenamiento se realizó con su material protegido por derechos de autor.

La demanda también alega que OpenAI utilizó sitios web piratas como fuente de entrenamiento para el modelo. Se menciona específicamente a Z-Library, una biblioteca en línea acusada por el Departamento de Justicia de los Estados Unidos de alojar millones de libros pirateados.

Los demandantes argumentan que las bases de datos referenciadas en trabajos anteriores de OpenAI, conocidas como “Books1” y “Books2”, contenían un número tan vasto de títulos que solo podrían provenir de sitios de descargas ilegales.

🧠 Lawsuit says OpenAI violated US authors’ copyrights to train AI chatbot

Massachusetts-based writers Paul Tremblay and Mona Awad said ChatGPT mined data copied from thousands of books without permission, infringing the authors’ copyrights.

Full Story →… pic.twitter.com/5OORkKseKe

— PiQ (@PriapusIQ) June 29, 2023

Si bien no existen pruebas directas que confirmen el uso de sitios piratas, la práctica de entrenar inteligencias artificiales con contenido protegido por derechos de autor no es ajena al ámbito de la inteligencia artificial. Se ha informado previamente que proyectos de Google y Facebook, entre otros, utilizaron datos de sitios de descargas ilegales para entrenar sus modelos de IA.

La demanda busca una compensación económica, incluyendo daños estatutarios que podrían alcanzar los $150,000 por obra. Además, se solicitan daños adicionales por la supuesta eliminación de información de gestión de derechos de autor, en violación de la DMCA.

Un motivo más para regular el desarrollo de la IA

El impacto de este caso trasciende a la comunidad de entusiastas de la inteligencia artificial. Se espera que el resultado de la demanda tenga implicaciones para la industria tecnológica en su conjunto, y podría llevar a OpenAI a revelar parte de los datos utilizados para entrenar a ChatGPT.

Un aspecto clave en la resolución del caso será determinar si el entrenamiento de inteligencias artificiales con contenido protegido por derechos de autor puede considerarse “uso justo” (fair use). Esta doctrina legal protege usos transformadores de obras con derechos de autor que no compiten con el contenido original. Algunos expertos sugieren que esta defensa podría aplicarse a casos de entrenamiento de IA.

Ante el creciente panorama de regulaciones en torno a la inteligencia artificial, este caso se suma a las voces que abogan por una mayor claridad en el uso de datos con derechos de autor y la responsabilidad de las empresas desarrolladoras de IA. A medida que la tecnología continúa avanzando, es probable que se intensifiquen los debates sobre la protección de los derechos de autor y la ética en la inteligencia artificial.