La Fundación Wikimedia quiere que un juez federal divida la cuestión central de la demanda por derechos de autor de The New York Times contra OpenAI en dos partes. Entrenar un modelo de IA con obras protegidas por derechos de autor probablemente constituye uso justo, sostiene la fundación. Un chatbot que copia sitios web para responder la pregunta de un usuario probablemente no lo es.

La fundación, que administra Wikipedia, solicitó el jueves al Tribunal de Distrito para el Distrito Sur de Nueva York permiso para presentar un escrito de amicus curiae. Anunció la presentación el viernes. El caso, In re: OpenAI, Inc. Copyright Infringement Litigation, agrupa 12 demandas contra OpenAI, incluida la demanda que The Times presentó en 2023 contra OpenAI y Microsoft.

¿Quién decidirá si el entrenamiento de IA es uso justo?

El juez Sidney H. Stein decidirá si usar contenido protegido por derechos de autor para construir grandes modelos de lenguaje es uso justo, una doctrina legal que permite cierto uso de obras protegidas sin permiso. Él aún no se ha pronunciado sobre esa cuestión ni sobre si acepta el escrito.

Entrenamiento frente a respuestas de chatbots

El escrito de Wikimedia no respalda a ninguna de las partes. Afirma que ambos bandos plantean lecturas “excesivamente amplias y simplificadas” del uso justo. The Times sostiene que usar su contenido para cualquier fin, incluido el entrenamiento, viola la ley de derechos de autor. OpenAI y Microsoft argumentan que entrenar con datos disponibles públicamente es uso justo, según el resumen de sus posiciones elaborado por Wikimedia.

Wikimedia pide al tribunal evaluar cada uso por separado, citando el fallo de 2023 de la Corte Suprema en el caso Warhol. Extraer datos de un sitio web no es en sí mismo un “uso”, sostiene la fundación. Lo que debe contar es lo que una empresa hace con las copias.

Entrenar un modelo de propósito general es “probablemente justo”, dice el escrito. El modelo resultante es algo nuevo y no reemplaza las obras de las que aprendió.

¿Por qué se trata de forma diferente la generación aumentada por recuperación?

La generación aumentada por recuperación, o RAG por sus siglas en inglés, es distinta. Un chatbot que usa RAG copia texto de sitios como Wikipedia o The New York Times cuando un usuario hace una pregunta. Envía los pasajes más relevantes al modelo y, con frecuencia, reproduce gran parte del original en su respuesta, según el escrito.

“Aunque el preentrenamiento del LLM general de ChatGPT fue uso justo, el uso que OpenAI hace de copias en la función RAG de ChatGPT no es justo”, escribió Wikimedia.

Las empresas que usan RAG deben cumplir los términos de licencia de cada editor, sostiene la fundación. Lo mismo aplica para las técnicas más recientes que cumplen una función similar de “anclaje”.

¿Qué términos de licencia se aplican al contenido de Wikipedia?

En el caso de Wikipedia, esa licencia es Creative Commons CC BY-SA 4.0. Exige reconocer a los autores originales, y las adaptaciones deben mantener la misma licencia. Cuando los chatbots usan contenido de Wikipedia sin seguir esos términos, las personas dejan de contribuir, le dijo Wikimedia al tribunal.

El raspado de datos también sobrecarga los servidores de la fundación, indica el documento. Eso obliga a Wikimedia a agregar salvaguardas técnicas, que los actores malintencionados suelen eludir. En una nota al pie, el escrito compara la situación con un parque público que se mantiene libre y abierto, pero que aun así impide a alguien “conducir un camión de carga por él”.

Wikimedia quiere que los usuarios intensivos respeten sus límites públicos de tasa de solicitudes o paguen por su servicio Enterprise. A comienzos de este mes, la fundación informó que agentes rebeldes de OpenAI editaron sus wikis sin autorización.

“Cualquier conversación sobre uso justo y derechos de autor en la era de la IA no puede limitarse a las organizaciones con ánimo de lucro: debe incluir a las partes interesadas de todo el ecosistema de información en línea”, afirmó Stephen LaPorte, consejero general de la fundación.

La fundación también dice que las herramientas de IA tienen usos en sus propios proyectos. Según el escrito, los grandes modelos de lenguaje pueden ayudar a editores voluntarios a combatir el vandalismo, detectar infracciones de derechos de autor y encontrar artículos que necesitan trabajo.

Los editores han mantenido la presión sobre OpenAI. En junio, cerca de 400 periódicos locales demandaron a OpenAI y Microsoft. En julio, The Times y otros medios pidieron a un juez sancionar a OpenAI, acusando a la empresa de ocultar pruebas. En septiembre, el Departamento de Justicia respaldó a OpenAI y le dijo a un tribunal de Nueva York que el entrenamiento de IA es uso justo.

Wikipedia tiene más de 67 millones de artículos en 300 idiomas, según la fundación. Los voluntarios los redactan con fuentes confiables, incluidos artículos de noticias.

“Estamos tomando una posición en este caso para defender el conocimiento humano libre y abierto del que depende Wikipedia”, dijo Bernadette Meehan, directora ejecutiva de la fundación. “Ampliar el acceso al conocimiento mediante la IA es un objetivo poderoso, pero debe respetar a las personas, los colaboradores y las comunidades que hacen posible el conocimiento confiable”.

Este artigo foi escrito com a assistência de IA.
News Factory APP - notícias agênticas para impulsionar seu SEO e AEO.