Por Canuto  

La Fundación Wikimedia pidió al tribunal que distinga entre entrenar modelos de IA con obras protegidas y reproducir fragmentos de sitios web en respuestas de chatbots. Su planteamiento podría influir en una disputa que enfrenta a The New York Times con OpenAI y Microsoft.

***

  • Wikimedia sostiene que el entrenamiento de modelos de propósito general probablemente puede considerarse uso legítimo, pero cuestiona la copia de textos mediante RAG.
  • La fundación pide que los chatbots respeten licencias como Creative Commons CC BY-SA 4.0 y alerta sobre la carga que el scraping impone a sus servidores.
  • El escrito se suma a una disputa que reúne 12 demandas contra OpenAI; Wikimedia solicitó permiso para presentar su escrito de amigo del tribunal.

 

 

La Fundación Wikimedia pidió intervenir en la disputa de derechos de autor que enfrenta a The New York Times con OpenAI y Microsoft, con una propuesta que separa dos usos distintos de las obras protegidas. A su juicio, entrenar un modelo de propósito general probablemente puede calificarse como uso legítimo, mientras que un chatbot que recupera y reproduce textos para contestar a sus usuarios podría quedar fuera de esa protección. La posición, presentada en un escrito de amigo del tribunal, busca que el análisis jurídico considere qué hace cada empresa con las copias.

El caso está ante el Tribunal de Distrito de Estados Unidos para el Distrito Sur de Nueva York y reúne 12 demandas contra OpenAI, incluida la acción que The New York Times presentó en 2023 contra la empresa y Microsoft. El juez Sidney H. Stein deberá evaluar si el uso de material protegido para construir grandes modelos de lenguaje constituye uso legítimo, una doctrina que permite ciertos usos de obras con derechos de autor sin autorización. Wikimedia solicitó permiso para presentar un escrito en el caso.

Una distinción entre aprender y reproducir

Wikimedia solicitó permiso para presentar el escrito el jueves y anunció la presentación al día siguiente. La fundación, que opera Wikipedia, aclaró que no respalda a ninguna de las partes y sostuvo que tanto la postura de The New York Times como la de OpenAI y Microsoft simplifican demasiado el alcance del uso legítimo. El periódico argumenta que utilizar sus contenidos para cualquier propósito, incluido el entrenamiento, infringe derechos de autor; las empresas, según el resumen de Wikimedia, consideran legítimo entrenar con datos disponibles públicamente.

La organización propone que los tribunales examinen cada uso de manera separada, en vez de decidir que todo entrenamiento es legal o que cualquier utilización de material protegido resulta ilícita. Para respaldar ese enfoque, cita el fallo de la Corte Suprema de 2023 en el caso Warhol, que, según el escrito, muestra la importancia de analizar el propósito concreto del uso. Wikimedia también plantea que extraer datos de un sitio web no debería contar, por sí solo, como el uso relevante: el análisis tendría que centrarse en lo que la empresa hace luego con las copias.

En esa distinción, el entrenamiento de un modelo de propósito general probablemente sería uso legítimo, sostiene Wikimedia, porque el modelo resultante sería una herramienta nueva y no sustituiría las obras de las que aprendió. La organización no presenta esa conclusión como una decisión judicial ni como una regla ya establecida, sino como su argumento para que el tribunal valore por separado las etapas y funciones de estos sistemas. Así, el debate no quedaría limitado a la pregunta de si una compañía obtuvo textos de internet, sino que incluiría cómo los procesa y qué entrega después.

La fundación marca una frontera distinta para la generación aumentada por recuperación, conocida como RAG. En ese esquema, un chatbot busca pasajes de sitios como Wikipedia o The New York Times cuando recibe una consulta, incorpora los fragmentos relevantes al proceso de respuesta y, según el escrito, puede reproducir una parte sustancial del texto original. Wikimedia sostiene que esa operación no equivale a que un modelo haya aprendido patrones durante el entrenamiento, porque la respuesta puede apoyarse directamente en copias de obras concretas.

Licencias, atribución y presión sobre Wikipedia

La posición de Wikimedia es que el preentrenamiento del modelo general de ChatGPT fue uso legítimo, pero que el uso de copias en la función RAG de ChatGPT no lo sería. El escrito extiende su preocupación a técnicas más recientes de anclaje, o grounding, que cumplen un propósito similar al recuperar información externa para fundamentar las respuestas. Por eso, pide que las compañías que emplean esas herramientas respeten los términos de licencia de cada editor, en lugar de tratar todo contenido disponible en la web como material reutilizable sin condiciones.

En el caso de Wikipedia, esos términos incluyen la licencia Creative Commons CC BY-SA 4.0. Esta exige atribuir el contenido a sus autores originales y establece que las adaptaciones deben conservar la misma licencia, condiciones que, según Wikimedia, los chatbots no siempre cumplen cuando reutilizan material de la enciclopedia. La fundación advierte que la falta de crédito y de respeto a las condiciones de uso puede afectar los incentivos de quienes contribuyen, una comunidad de voluntarios que produce y mantiene el conocimiento de la plataforma.

La organización también plantea un problema operativo: el scraping puede cargar sus servidores y obligarla a implementar salvaguardas técnicas que, según su presentación, actores malintencionados suelen evadir. Para ilustrar el límite, el escrito compara un parque público, que puede permanecer abierto, con la posibilidad de impedir que alguien lo atraviese con un camión de contenedores. La analogía respalda su petición de que los usuarios intensivos respeten los límites públicos de solicitudes o paguen por el servicio Enterprise de Wikimedia.

La preocupación no se limita a un escenario hipotético de tráfico automatizado. Este mes, Wikimedia afirmó que agentes que atribuyó a OpenAI habían editado sus wikis sin autorización, un señalamiento de la fundación que no equivale a una conclusión del tribunal sobre las prácticas de la compañía. La organización relaciona estos episodios con la necesidad de reglas que permitan el acceso a información abierta, pero también preserven la infraestructura y las condiciones de colaboración que hacen posible mantenerla.

La disputa legal y lo que está en juego

La directora ejecutiva de Wikimedia, Bernadette Meehan, explicó que la fundación intervino para defender el conocimiento humano libre y abierto del que depende Wikipedia. También sostuvo que ampliar el acceso al conocimiento mediante inteligencia artificial es un objetivo valioso, siempre que se respeten las personas, los colaboradores y las comunidades que producen información confiable. Su planteamiento ubica la discusión más allá de la relación entre dos grandes empresas: incluye a quienes escriben, editan y mantienen los contenidos que nutren los sistemas digitales.

Stephen LaPorte, consejero general de la fundación, afirmó que el debate sobre uso legítimo y derechos de autor en la era de la IA no debería quedar restringido a organizaciones con fines de lucro. Su argumento pone el foco en los distintos actores del ecosistema de información en línea, que incluye editores, plataformas, comunidades de voluntarios y usuarios. En la práctica, la solicitud de Wikimedia busca que el tribunal considere los efectos de las respuestas generadas y de la extracción de datos, además de la forma en que se entrenan los modelos.

La presentación llega en medio de una ofensiva legal más amplia de medios y editores contra OpenAI y Microsoft. En junio, casi 400 periódicos locales demandaron a ambas compañías; en julio, The New York Times y otros medios solicitaron que un juez sancionara a OpenAI, a la que acusaron de ocultar pruebas. En septiembre, el Departamento de Justicia se puso del lado de OpenAI ante un tribunal de Nueva York y sostuvo que el entrenamiento de inteligencia artificial constituye uso legítimo, un contraste que muestra que la interpretación legal sigue disputada.

El tamaño de Wikipedia ayuda a explicar por qué la fundación considera que las condiciones de reutilización importan para el desarrollo de la IA. Según Wikimedia, la enciclopedia cuenta con más de 67 millones de artículos en 300 idiomas, escritos por voluntarios que recurren a fuentes confiables, entre ellas artículos periodísticos. El escrito no decide el litigio ni establece por sí mismo cómo deberán operar los chatbots, pero introduce ante el juez una distinción concreta: aprender de una obra y devolver copias de esa obra pueden plantear preguntas legales diferentes.

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




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