Por Canuto  

Un tribunal de Delhi rechazó provisionalmente la medida cautelar solicitada por ANI contra OpenAI y consideró que el entrenamiento de modelos de IA podría estar cubierto por una excepción de investigación. El fallo no resuelve el caso principal, pero plantea nuevas preguntas sobre RAG, memorización, competencia y el futuro económico de los medios.
***

  • El Tribunal Superior de Delhi rechazó la solicitud preliminar de ANI contra OpenAI por presunta infracción de derechos de autor.
  • La agencia no demostró que ChatGPT reprodujera sus artículos palabra por palabra, mientras que varias pruebas correspondían a textos publicados después del entrenamiento de los modelos.
  • El juez consideró provisionalmente que el entrenamiento de IA puede encajar en una excepción de uso privado o investigación, aunque dejó asuntos clave para el juicio principal.

 

El Tribunal Superior de Delhi rechazó provisionalmente la solicitud de medida cautelar presentada por Asian News International, conocida como ANI, contra OpenAI. La agencia de noticias india acusó a la empresa de utilizar material protegido por derechos de autor durante el entrenamiento de sus modelos y en las respuestas de ChatGPT.

El juez Amit Bansal negó el alivio solicitado en relación con ambas reclamaciones. La decisión no representa un fallo definitivo sobre el caso, pero sí ofrece a OpenAI una ventaja temprana en una disputa que podría influir en el tratamiento legal del entrenamiento de inteligencia artificial en India, indica The Decoder.

El experto en derechos de autor y tecnología Andrés Guadamuz calificó la resolución como una importante victoria inicial para OpenAI. Según el análisis del caso, el tribunal examinó cuestiones relacionadas con la memorización, la Generación Aumentada por Recuperación, conocida como RAG, y la situación legal del entrenamiento de modelos de lenguaje.

ANI presentó ante el tribunal varias respuestas de ChatGPT que, según su argumento, constituían copias sustanciales de sus artículos. Sin embargo, la evidencia terminó debilitando parte de la reclamación porque OpenAI cuestionó la fecha de publicación de los textos usados como prueba.

Los modelos GPT-4 y GPT-4o citados en el proceso habían sido entrenados con datos correspondientes a abril de 2022 y abril de 2024. Muchos de los artículos presentados por ANI fueron publicados en agosto y septiembre de 2024, por lo que no podían haber formado parte de los datos de entrenamiento de esos modelos.

RAG, memorización y copias literales

La opinión preliminar del juez fue que varias similitudes podían explicarse mediante RAG. Esta tecnología permite que un sistema de lenguaje recupere información disponible en internet en tiempo real, de una manera comparable con el funcionamiento de un motor de búsqueda.

ANI no abordó de forma específica el funcionamiento de RAG en su presentación inicial. Por esa razón, el tribunal no pudo resolver de manera definitiva si las respuestas generadas mediante esa técnica constituyen una comunicación al público.

El juez señaló que las respuestas basadas en RAG podrían entrar dentro de esa categoría jurídica. El asunto quedará para las etapas principales del procedimiento, donde las partes podrán presentar argumentos y pruebas más detalladas sobre la recuperación de información en línea.

La agencia también empleó preguntas adversariales para intentar demostrar que ChatGPT podía reproducir sus textos. En esas consultas se pidió explícitamente al sistema que copiara artículos de forma exacta, pero ANI no logró presentar un solo ejemplo de reproducción palabra por palabra.

El tribunal consideró además que los hechos generales de las noticias no suelen estar protegidos por derechos de autor. La reproducción de temas y titulares tampoco fue suficiente, en esta etapa, para demostrar una competencia directa entre OpenAI y ANI.

La evidencia presentada tampoco respaldó la afirmación de que OpenAI almacena permanentemente los datos de entrenamiento dentro de sus modelos. El tribunal revisará esa cuestión durante el proceso principal, junto con la posibilidad de que un sistema reproduzca literalmente una obra bajo demanda.

El entrenamiento de IA como posible uso justo

ANI y OpenAI coincidieron en que contenido de la agencia fue utilizado durante el entrenamiento. La empresa defendió que ese material representaba una parte pequeña del conjunto total de datos y que el modelo extraía elementos no expresivos, como gramática, sintaxis y patrones de lenguaje.

El juez analizó las excepciones previstas en la legislación india de derechos de autor. Su interpretación preliminar fue que la cláusula referida al uso privado o personal, incluida la investigación, podía abarcar el entrenamiento de inteligencia artificial.

El tribunal estableció condiciones para que esa excepción pueda sostenerse. Las copias utilizadas durante el entrenamiento deben proceder de fuentes legales, y no de bibliotecas clandestinas o de sitios de pago a los que se haya accedido sin autorización.

OpenAI tampoco hizo públicas las copias empleadas en el entrenamiento, según la información revisada por el tribunal. La empresa las procesó internamente, un elemento que el juez consideró relevante para su análisis provisional.

Guadamuz sostuvo que esta sería la primera ocasión en que un tribunal determina de forma explícita que el entrenamiento de IA puede quedar incluido en una excepción de uso privado. La resolución aplicó una prueba de equidad de tres partes y se alineó provisionalmente con la posición de OpenAI en los tres aspectos.

El juez concluyó que el uso de las obras de ANI se limitó al entrenamiento, ya que no se demostró memorización ni reproducción directa. También indicó que la agencia no pudo acreditar un perjuicio económico, en parte porque las dos organizaciones operan en sectores diferentes.

Incluso cuando los usuarios preguntan a ChatGPT por titulares de ANI, el modelo devolvería principalmente temas y, en el mejor de los casos, algunos títulos. Para el tribunal, esa conducta no demostró una sustitución directa de los artículos completos de la agencia.

La resolución citó decisiones estadounidenses como Bartz v. Anthropic y Kadrey v. Meta, en las que ciertas salidas de modelos de lenguaje fueron consideradas transformativas. También hizo referencia a la resolución anterior relacionada con Google Books.

El juez destacó los beneficios públicos atribuidos a los modelos de lenguaje. Entre ellos mencionó la educación, la investigación científica, el desarrollo de software, la traducción, el acceso a la información y la creación de herramientas para personas con discapacidades.

Un panorama internacional dividido

La decisión de Delhi se suma a una serie de casos internacionales con resultados contradictorios. Las disputas comparten preguntas sobre la permanencia de los datos en los modelos, el alcance del uso justo y la diferencia entre información obtenida legalmente e ilegalmente.

En Estados Unidos, un juez desestimó la demanda de Raw Story y AlterNet contra OpenAI. Los demandantes no pudieron demostrar un daño suficiente y tampoco acreditaron una probabilidad elevada de copias exactas.

El caso relacionado con GitHub Copilot también fracasó porque los demandantes no presentaron un ejemplo concreto de código idéntico. En contraste, The Intercept consiguió una victoria parcial mediante una queja vinculada con material protegido que había sido eliminado antes del entrenamiento.

En Ross Intelligence v. Thomson Reuters, un tribunal rechazó el uso justo porque la herramienta de investigación basada en IA competía directamente con Westlaw. El tribunal consideró que aquel uso no era transformativo, aunque aclaró que su conclusión correspondía a un caso de uso no generativo y no debía extenderse automáticamente a los grandes modelos de lenguaje.

En el caso Anthropic, un tribunal federal de San Francisco describió el entrenamiento con obras protegidas como “espectacularmente” transformativo. Sin embargo, también comparó el uso de libros pirateados de bibliotecas clandestinas con Napster, al considerar que el uso justo no cubre material obtenido ilegalmente.

Anthropic pagó posteriormente USD $1.500 millones a autores de libros por el uso de copias pirateadas. El acuerdo subrayó que la legalidad de la fuente puede ser tan importante como el carácter transformativo del entrenamiento.

La Oficina de Derechos de Autor de Estados Unidos rechazó el argumento de la industria de IA según el cual el entrenamiento con grandes fragmentos de obras protegidas califica ampliamente como uso justo. El funcionario que redactó el informe fue despedido poco después por la administración de Donald Trump.

En Europa también surgieron conclusiones opuestas. El Tribunal Regional de Múnich determinó en el caso GEMA que las letras de canciones podían reproducirse en los pesos de un modelo, lo que constituiría una reproducción relevante para los derechos de autor.

El Tribunal Superior de Londres desestimó la demanda Getty Images v. Stability AI y concluyó que un modelo de inteligencia artificial no es una copia infractora. La diferencia entre ambos casos muestra que los tribunales siguen evaluando tecnologías y usos concretos, en lugar de aplicar una regla única.

Nuevas investigaciones sobre la capacidad de los modelos de lenguaje para memorizar libros protegidos podrían intensificar el debate. La cuestión será determinar cuándo una representación interna equivale legalmente a una copia y cuándo refleja una transformación estadística de la información.

El riesgo para el modelo de negocio de las noticias

La disputa de ANI plantea un problema que va más allá de los derechos de autor. Incluso si los tribunales concluyen que el entrenamiento de IA es legal, los productos de búsqueda con resúmenes automáticos podrían reducir el tráfico hacia los sitios de noticias.

Un estudio reciente del Pew Research Center encontró que la tasa de clics hacia sitios externos cae a 8% cuando Google muestra resúmenes de IA. Sin esos resúmenes, la tasa alcanza 15%.

Los usuarios suelen abandonar la búsqueda después de recibir una respuesta generada por IA. El estudio también indica que no siempre verifican la información en otras fuentes, una conducta que puede afectar la visibilidad y la credibilidad de los medios.

Para agencias como ANI, la amenaza no depende necesariamente de una copia directa. Un sistema que resume noticias y elimina la necesidad de visitar la fuente original podría erosionar los ingresos de la industria con el tiempo.

El Tribunal Regional de Múnich I determinó recientemente que Google puede ser responsable por afirmaciones falsas incluidas en sus resúmenes de IA. Según esa resolución, los resúmenes constituyen contenido independiente y no simples resultados de búsqueda.

La responsabilidad limitada que tradicionalmente protege a los operadores de motores de búsqueda no se extendería automáticamente a los resúmenes generados por IA. Esta conclusión podría adquirir relevancia para las respuestas de ChatGPT que recuperan y sintetizan información mediante RAG.

Cuando un sistema resume una noticia y formula afirmaciones independientes, su operador podría asumir responsabilidades similares a las de un proveedor de medios. Ese posible cambio modificaría la evaluación jurídica de las respuestas generadas.

También podría influir en el análisis del uso justo. Uno de los factores centrales consiste en determinar si el nuevo producto compite con las obras utilizadas para entrenarlo.

Si los resúmenes de IA sustituyen las visitas a los portales periodísticos, a los jueces podría resultarles más difícil concluir que el uso no es competitivo. La decisión de Delhi, por ahora, no resuelve ese dilema porque se concentró en la medida cautelar y en la evidencia presentada por ANI.

El proceso principal deberá examinar la diferencia entre entrenamiento, recuperación en tiempo real y reproducción. También tendrá que establecer cómo deben medirse el daño económico y la eventual competencia entre los modelos de IA y las agencias de noticias.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados