Según lo que se informa en un nuevo estudio de laEn los proyectos de divulgaciones (Organización sin fines de lucro cofundada en 2024 por el promedio de los medios de comunicación Tim O’Reilly y por el economista Ilan Strauss) Openii probablemente se capacita en el modelo lingüístico al GPT-4O al explotar libros publicados por O’Reilly Media, textos que no son accesibles libremente o con licencia para capacitar.
La organización sin fines de lucro de O’Reilly y Strauss informa que ha explotado un método llamado Des-COP para identificar material protegido por derechos de autor en los datos de entrenamiento de modelos lingüísticos, un instrumento capaz de distinguir entre textos escritos por humanos de versiones parafraseadas generadas por AI que comienzan a partir de los mismos textos.
Los investigadores analizaron (aquí Los detalles en PDF) 13,962 párrafos extrapolados de 34 libros de O’Reilly y reconocieron el contenido de libros pagados de O’Reilly. El método para identificar textos utilizados ilegalmente no está en ningún mod infalible y OpenII también podría haber extrapolado textos de libros pagados, sino que se obtuvieron de los usuarios que los copiaron y los pegaron a chatgpt.

Se sabe que cualquier IA necesita grandes cantidades de datos para la capacitación. Algunas compañías que desarrollan los datos a pagar, otras prefieren obtenerlos con métodos no muy ortodoxos. Hace unas semanas, la noticia del destino que habría pirateado docenas de terabyte de datos, incluidos libros protegidos por copyright descargados a través de Torrent, utilizado para capacitar a los modelos de llama.
Meta, pero también Google y OpenAI, se basan en bibliotecas en línea, la mayoría de las veces sin pedir el permiso explícito de los editores, afirmando que el uso de los datos en cuestión cae dentro del uso justo (uso justo) y, por lo tanto, en la posibilidad de usar libremente el material protegido por los derechos de autor.
El punto de vista de los autores y editores es diferente, muchos de los cuales han comenzado varias causas legales contra los diversos desarrolladores de sistemas de inteligencia artificial. También el Tiempo de Nueva YorkS denunciado Opadai (y Microsoft) por haber explotado ilegalmente sus artículos para capacitación en inteligencia artificial.
Para todos los artículos dedicados a la inteligencia artificial, comenzamos desde esta página de Macitynet.