Durante más de 20 años, Kit Loffstadt ha escrito fan fiction que explora universos alternativos de héroes de “Star Wars” y villanos de “Buffy the Vampire Slayer”, compartiendo sus historias de forma gratuita en línea.
Pero en mayo, Lofstadt dejó de publicar sus creaciones después de enterarse de que una empresa de datos había copiado sus historias y las había introducido en la tecnología de inteligencia artificial detrás de ChatGPT, el chatbot viral. Horrorizada, escondió su escritura detrás de una cuenta bloqueada.
La Sra. Lofstadt también ayudó a organizar un acto de rebelión el mes pasado contra los sistemas de IA. Junto con docenas de otros escritores de fan fiction, ha publicado un torrente de historias irreverentes en línea para abrumar y ofuscar los servicios de recopilación de datos que alimentan el trabajo de los escritores sobre la tecnología de IA.
“Cada uno de nosotros tiene que hacer todo lo posible para mostrarles que el resultado de nuestra creatividad no se limita a cosechar máquinas como ellos desean”, dijo la Sra. Lofstadt, una actriz de voz de 42 años de South Yorkshire en Gran Bretaña.
Los escritores de fanfiction son solo un grupo que ahora está haciendo revoluciones contra los sistemas de inteligencia artificial a medida que la fiebre tecnológica se apodera de Silicon Valley y del mundo. En los últimos meses, empresas de redes sociales como Reddit y Twitter, organizaciones de noticias como The New York Times y NBC News, y autores como Paul Tremblay y la actriz Sarah Silverman se han opuesto a que la IA absorba sus datos sin permiso.
Sus protestas tomaron varias formas. Los escritores y artistas bloquean sus archivos para proteger su trabajo o boicotean algunos sitios web que publican contenido generado por IA, mientras que empresas como Reddit quieren cobrar por acceder a sus datos. Este año se han presentado al menos 10 demandas contra empresas de IA, acusándolas de entrenar sus sistemas en el trabajo creativo de artistas sin consentimiento. La semana pasada, Silverman y los autores Christopher Golden y Richard Cadre demandaron a OpenAI, el fabricante de ChatGPT, y a otros por el uso de inteligencia artificial para su trabajo.
En el corazón de las rebeliones hay una nueva comprensión de que la información en línea (historias, obras de arte, artículos de noticias, publicaciones en tableros de mensajes y fotos) puede tener un gran valor sin explotar.
La nueva ola de inteligencia artificial, conocida como “IA generativa” por el texto, las imágenes y otros contenidos que produce, se basa en sistemas complejos, como grandes modelos de lenguaje capaces de producir una prosa similar a la humana. Estos modelos están entrenados en acumulaciones de todo tipo de datos para que puedan responder a las preguntas de las personas e imitar sus estilos de escritura o producir cómics y poesía.
Esto llevó a las empresas tecnológicas a buscar más datos para alimentar sus sistemas de IA. Google, Meta y OpenAI utilizaron principalmente información de Internet, incluidas grandes bases de datos de fan fiction y una variedad de artículos de noticias y colecciones de libros, muchos de los cuales estaban disponibles gratuitamente en Internet. En el lenguaje de la industria tecnológica, esto se conoce como “raspar” Internet.
GPT-3 de OpenAI, un sistema de inteligencia artificial lanzado en 2020, abarca 500 mil millones de “fichas”, cada una de las cuales representa partes de palabras que se encuentran principalmente en Internet. Algunos modelos de IA abarcan más de un billón de tokens.
La práctica del raspado de Internet es antigua y ha sido desacreditada en gran medida por las empresas y organizaciones sin fines de lucro que lo han hecho. Pero qué empresas son propietarias de los datos no se entendía bien o se consideraba particularmente problemático. Eso cambió después de que ChatGPT debutó en noviembre y el público aprendió más sobre los modelos de IA subyacentes que impulsan los chatbots.
“Lo que está sucediendo aquí es una realineación fundamental del valor de los datos”, dijo Brandon Duderstadt, fundador y director ejecutivo de Nomic, una empresa de inteligencia artificial. “Antes, la idea era obtener valor de los datos haciéndolos abiertos a todos y mostrando anuncios. Ahora, la idea es bloquear sus datos, porque puede extraer más valor cuando los usa como entrada en su IA .”
Las protestas de datos pueden tener poco efecto a largo plazo. Los gigantes tecnológicos con mucho dinero como Google y Microsoft ya se sientan en montañas de información privada y tienen los recursos para otorgar más licencias. Pero a medida que se acerca la era del contenido fácil de detectar, es posible que las pequeñas empresas emergentes de IA y las organizaciones sin fines de lucro que esperaban competir con las grandes no puedan obtener suficiente contenido para entrenar sus sistemas.
En un comunicado, OpenAI dijo que ChatGPT fue capacitado en “contenido con licencia, contenido disponible públicamente y contenido creado por entrenadores humanos de IA”. Añadió: “Respetamos los derechos de los creadores y autores y esperamos seguir trabajando con ellos para proteger sus intereses”.
Google dijo en un comunicado que ha estado involucrado en conversaciones sobre cómo los editores administrarán su contenido en el futuro. “Creemos que todos se benefician de un ecosistema de contenido vibrante”, dijo la compañía. Microsoft no respondió a una solicitud de comentarios.
Las revoluciones de datos estallaron el año pasado después de que ChatGPT se convirtiera en un fenómeno global. En noviembre, un grupo de programadores presentó una propuesta de demanda contra Microsoft y OpenAI, alegando que las empresas infringieron sus derechos de autor después de que su código se usara para capacitar a un asistente de programación impulsado por IA.
En enero, Getty Images, que proporciona imágenes y videos, demandó a Stability AI, una empresa de inteligencia artificial que produce imágenes a partir de descripciones de texto, alegando que la startup había utilizado imágenes con derechos de autor para entrenar sus sistemas.
Luego, en junio, Clarkson, un bufete de abogados de Los Ángeles, presentó una propuesta de demanda colectiva de 151 páginas contra OpenAI y Microsoft, describiendo cómo OpenAI recopilaba datos de menores y diciendo que el web scraping violaba la ley de derechos de autor y constituía un “robo”. El martes, la empresa presentó una demanda similar contra Google.
Ryan Clarkson dijo: “La rebelión de datos que estamos viendo en todo el país es la forma en que la sociedad responde a esta noción de que Big Tech simplemente tiene derecho a tomar toda la información de cualquier fuente y hacerla propia”. Fundador de Clarkson.
Eric Goldman, profesor de la Facultad de Derecho de la Universidad de Santa Clara, dijo que los argumentos de la demanda eran amplios y que era poco probable que el tribunal los aceptara. Pero dijo que la ola de litigios apenas comienza, con el surgimiento de la “segunda y tercera ola” que definirán el futuro de la IA.
Las grandes empresas también están luchando contra los raspadores de IA. En abril, Reddit dijo que quería cobrar por el acceso a su interfaz de programación de aplicaciones, o API, que es la forma en que terceros pueden descargar y analizar la vasta base de datos de conversaciones personales de la red social.
El CEO de Reddit, Steve Hoffman, dijo en ese momento que su empresa “no necesitaba dar todo ese valor a algunas de las empresas más grandes del mundo de forma gratuita”.
En el mismo mes, Stack Overflow, un sitio de preguntas y respuestas para programadores de computadoras, dijo que también requeriría que las empresas de inteligencia artificial paguen por los datos. El sitio contiene casi 60 millones de preguntas y respuestas. Su movimiento fue informado anteriormente por Wired.
Las organizaciones de noticias también están luchando contra los sistemas de IA. En un memorando interno sobre el uso de la IA generativa en junio, The Times dijo que las empresas de IA deberían “respetar nuestra propiedad intelectual”. Un portavoz del Times se negó a dar más detalles.
Para artistas y escritores individuales, resistirse a los sistemas de IA significa repensar dónde publicar.
Nicholas Cole, de 35 años, pintor de Vancouver, Columbia Británica, estaba alarmado por cómo un sistema de inteligencia artificial podía replicar su estilo artístico distintivo, y sospechaba que la tecnología había superado su trabajo. Planea continuar publicando sus creaciones en Instagram, Twitter y otros sitios de redes sociales para atraer clientes, pero ha dejado de publicar en sitios como ArtStation que publican contenido generado por IA junto con contenido generado por humanos.
“Es solo un plagio deliberado por parte mía y de otros artistas”, dijo el Sr. Cole. “Pone un agujero de pavor existencial en mi estómago”.
En Archive of Our Own, una base de datos de fan fiction de más de 11 millones de historias, los escritores han presionado cada vez más al sitio para prohibir el raspado de datos y las historias generadas por IA.
En mayo, cuando algunas cuentas de Twitter compartieron ejemplos de ChatGPT que imitaban el estilo de un fan fiction popular publicado en Archive of Our Own, decenas de escritores se levantaron. Prohibieron sus historias y escribieron contenido disruptivo para engañar a los raspadores de IA. También presionaron a los líderes de Archive of Our Own para que dejaran de permitir contenido generado por IA.
Betsy Rosenblatt, quien brinda asesoría legal a Our Private Archives y es profesora en la Facultad de Derecho de la Universidad de Tulsa, dijo que el sitio tiene una política de “máxima inclusión” y no quiere estar en posición de señalar historias escritas con inteligencia artificial.
Para la Sra. Loffstadt, la escritora de fanfiction, la batalla contra la IA se produjo cuando estaba escribiendo una historia sobre “Horizon Zero Dawn”, un videojuego en el que los humanos luchan contra robots impulsados por IA en un mundo posapocalíptico. Dijo que algunos de los bots eran buenos en el juego y otros malos.
Pero en el mundo real, dijo, “gracias a la arrogancia y la codicia de las empresas, están siendo desviados para que hagan cosas malas”.