Las acusaciones contra OpenAI
OpenAI, la empresa detrás de ChatGPT, se enfrenta a serias acusaciones relacionadas con el uso de contenido protegido por derechos de autor en el entrenamiento de sus modelos de inteligencia artificial. Un nuevo estudio del AI Disclosures Project, una organización sin fines de lucro, sugiere que OpenAI pudo haber utilizado libros no públicos de O’Reilly Media sin obtener las licencias necesarias. Esta situación plantea importantes preguntas sobre la ética y la legalidad en el desarrollo de tecnologías de IA.
El modelo GPT-4o y su entrenamiento
El modelo GPT-4o, que es la versión más avanzada de OpenAI, ha demostrado una notable capacidad para reconocer contenido de libros de O’Reilly que están detrás de un muro de pago. Según el estudio, esta habilidad es significativamente mayor en comparación con modelos anteriores como GPT-3.5 Turbo. Los investigadores utilizaron un método conocido como DE-COP para evaluar la capacidad del modelo para distinguir entre textos escritos por humanos y versiones parafraseadas generadas por IA. Los resultados sugieren que GPT-4o tiene un conocimiento previo de muchos libros no públicos de O’Reilly, lo que podría indicar que estos textos fueron parte de su conjunto de datos de entrenamiento.
Implicaciones para la industria de la IA
La controversia en torno a OpenAI no es un caso aislado. A medida que la industria de la inteligencia artificial continúa creciendo, las empresas están cada vez más bajo el escrutinio por sus prácticas de recopilación de datos. OpenAI ha defendido la necesidad de utilizar datos de alta calidad para mejorar sus modelos, pero esto ha llevado a un debate sobre los límites éticos de su enfoque. Aunque OpenAI ha establecido acuerdos de licencia con varios editores y plataformas, la falta de claridad sobre el uso de contenido protegido sigue siendo un tema candente. La situación se complica aún más por la creciente presión legal que enfrenta la empresa en relación con sus prácticas de entrenamiento de datos.
