La IA se come los libros
«El entrenamiento de la IA sin licencia ni límites puede destruir el ecosistema del libro»: así resumió Authors Guild, la asociación profesional de autores estadounidenses, una de las principales críticas a los actuales desarrolladores de inteligencia artificial.
Los grandes modelos de lenguaje (LLM), sistemas como los chatbots capaces de crear y analizar textos, necesitan cantidades ingentes de datos. Para entrenarlos, las empresas utilizan materiales de internet abierto, textos sintéticos creados por otras redes neuronales y libros publicados.
A escritores, autores y editoriales les alarmaron especialmente las informaciones según las cuales algunas empresas de IA podrían haber obtenido libros de webs piratas de libros electrónicos y haberlos utilizado para crear modelos de lenguaje. El debate público se encendió en torno a si los desarrolladores tienen derecho a extraer, copiar y procesar obras sin permiso de los titulares de los derechos.
En respuesta a las noticias sobre el escaneo legal e ilegal de libros, Authors Guild elaboró recomendaciones detalladas para licenciar obras destinadas al entrenamiento de la IA. El documento analiza distintas formas de utilizar textos publicados y aborda por separado la cuestión jurídica: hasta qué punto es legal emplear libros para entrenar modelos.
Los autores advierten de que, si la recopilación de datos continúa sin reglas transparentes, remuneración ni consentimiento de los titulares de derechos, el propio ecosistema del libro estará en peligro. No se trata solo de los ingresos de cada escritor. El uso masivo e incontrolado de textos puede debilitar el mercado editorial, hacer menos rentable la creación de nuevos libros y, en última instancia, reducir la diversidad literaria.
En los últimos meses, la atención ha pasado de las copias piratas a las empresas que han empezado a comprar libros, escanearlos y después destruirlos a escala industrial. Así, los fondos bibliográficos se convierten en material fungible: se compra un libro para obtener una copia digital y luego ya no se conserva el original en papel.
Documentos judiciales revelaron que Anthropic tenía un proyecto llamado Project Panama. Según esos documentos, dentro de la empresa se debatió un plan cuyo objetivo era «escanear de forma destructiva todos los libros del mundo». La iniciativa tenía un nombre en clave: según los documentos, quienes participaban en el proyecto no querían hablar públicamente de su trabajo.
Anthropic compraba libros para entrenar el modelo Claude. El motivo era práctico: se consideraba que las obras publicadas eran una fuente de textos de mayor calidad y más cuidadosamente editados que muchos materiales de internet. Dicho de otro modo, para crear un autor artificial más convincente, las empresas necesitaron a autores de verdad; pero la cuestión de quién y cómo debe pagarles volvió a quedarse en la habitación mientras todos fingen no oír lo evidente.
Este artículo se ha elaborado en el marco del proyecto TechRadar Pro QOTD, dedicado a las declaraciones de figuras destacadas del sector tecnológico. En el centro de esta historia sigue estando el conflicto entre el rápido desarrollo de la IA y los derechos de quienes hacen posible ese desarrollo con sus textos.
PEREC.RU
Esta historia trata del conflicto entre el desarrollo de la inteligencia artificial y los derechos de los autores. Los grandes modelos de lenguaje se entrenan con cantidades ingentes de texto. Las empresas utilizan como fuentes materiales de internet abierto, datos sintéticos de otros sistemas de IA y libros publicados. La literatura resulta especialmente valiosa para el entrenamiento, porque los libros suelen estar redactados de forma más coherente y cuidadosamente editados que buena parte de los textos que circulan sin control por internet.
Las informaciones sobre el posible uso de libros obtenidos de webs piratas de libros electrónicos alarmaron a escritores, autores y editoriales. Eso significa que las obras podrían haberse incorporado a conjuntos de datos de entrenamiento sin permiso de los titulares de derechos y sin pagarles. La cuestión no se limita a la legalidad de casos concretos: también se plantea un principio de fondo. ¿Puede una empresa tomar textos ajenos, copiarlos y utilizarlos para crear un modelo comercial?
Authors Guild, la asociación profesional de autores estadounidenses, respondió a estas noticias con recomendaciones detalladas para licenciar libros destinados al entrenamiento de la IA. El documento examina distintas formas de utilizar obras publicadas y su situación jurídica. La asociación también advierte de que la recopilación de datos sin reglas transparentes, consentimiento y compensación puede destruir el ecosistema del libro.
Por ecosistema del libro se entiende todo el sistema que permite crear y distribuir libros: el trabajo de autores, editores, traductores, editoriales, imprentas, librerías y bibliotecas. Si los textos se utilizan masivamente y sin pagar, los ingresos derivados de la creación de libros pueden disminuir. Eso puede hacer menos atractiva la publicación de nuevas obras y reducir la diversidad literaria.
En los últimos meses, la atención se ha centrado en empresas que no se limitan a obtener copias digitales, sino que compran libros, los escanean y destruyen los originales en papel. Documentos judiciales revelaron la existencia en Anthropic del proyecto Project Panama. Según los documentos del caso, su objetivo era «escanear de forma destructiva todos los libros del mundo». El proyecto recibió un nombre en clave porque en la empresa no querían hablar públicamente de él.
Anthropic compraba libros para entrenar el modelo Claude. La justificación era la calidad: se consideraba que la literatura publicada ofrecía una fuente más fiable y mejor editada que muchos textos de internet. Así que, para crear una IA convincente capaz de trabajar con el lenguaje, las empresas tecnológicas necesitaron el fruto del trabajo de escritores reales.
El principal problema de esta historia es la falta de un equilibrio claro entre los intereses de los desarrolladores y los autores. Las empresas de IA necesitan datos para desarrollar sus modelos, pero los titulares de derechos reclaman acceso legal, condiciones transparentes y una remuneración. Sin esas reglas, la aceleración del progreso tecnológico puede debilitar el mercado que le proporciona textos de calidad.
La noticia se publicó en el marco del proyecto TechRadar Pro QOTD, dedicado a las declaraciones de figuras conocidas del sector tecnológico. En este caso, la cita clave es de Authors Guild y expresa el temor de que el entrenamiento incontrolado de la IA socave los cimientos del mercado del libro.
