El panorama legal de la IA se complica: las batallas sobre derechos de autor en el aprendizaje automático

La cuestión de los datos de entrenamiento de la inteligencia artificial sigue generando conflictos legales de relevancia. Recientemente, una demanda colectiva acusó a Adobe de hacer un uso indebido de las obras literarias de los autores en el proceso de desarrollo de sus sistemas IA, planteando interrogantes cada vez más apremiantes sobre la forma en que las empresas tecnológicas recopilan y emplean contenidos protegidos por derechos de autor.

Adobe en el punto de mira: los detalles de la controversia

El asunto gira en torno al modelo SlimLM de la empresa californiana. Según la denuncia presentada por Elizabeth Lyon, escritora de Oregón especializada en manuales de no ficción, Adobe habría utilizado versiones pirateadas de numerosos libros—incluidas las obras de la propia demandante—para pre-entrenar SlimLM. La empresa describe este proyecto como una serie de modelos lingüísticos compactos, diseñados para optimizar tareas de procesamiento de documentos en dispositivos móviles.

La problemática tiene sus raíces en una cadena de conjuntos de datos procesados. SlimLM parecería estar basado en SlimPajama-627B, un conjunto de datos multi-corpus y de código abierto puesto a disposición por Cerebras en junio de 2023. Sin embargo, según la demanda, SlimPajama sería una derivación manipulada del conjunto de datos RedPajama, que a su vez incluiría la recopilación Books3—una base de datos que contiene 191.000 volúmenes utilizados para entrenar sistemas generativos de IA.

Un problema sistémico en la industria

El recurso legal representa el último capítulo de una disputa que aqueja al sector tecnológico. En septiembre pasado, Apple fue citada en juicio con acusaciones similares relacionadas con su modelo Apple Intelligence, mientras que en octubre la demanda también se extendió a Salesforce. Ambos casos giraban en torno al uso indebido de conjuntos de datos que contienen materiales protegidos por derechos de autor, sin autorización ni compensación a los autores originales.

La cuestión adquiere proporciones aún más significativas considerando el acuerdo alcanzado entre Anthropic y varios escritores: la compañía aceptó pagar 1,5 mil millones de dólares para resolver las reclamaciones relacionadas con el uso de obras pirateadas en el entrenamiento del chatbot Claude. Esta transacción podría marcar un precedente importante para futuras controversias en el sector.

Firefly y la estrategia IA de Adobe

Es importante destacar que Firefly, la suite generativa multimedial lanzada por Adobe a partir de 2023, representa el núcleo de la estrategia de la empresa hacia la inteligencia artificial. Sin embargo, estas disputas legales amenazan con comprometer la credibilidad de todo el ecosistema de soluciones IA de Adobe y de avivar aún más la vigilancia normativa sobre el sector.