¡Agárrense que vienen curvas digitales! Meta, la compañía detrás de Facebook e Instagram, está en el ojo del huracán y no precisamente por un nuevo filtro de Stories. Según un informe explosivo de The Wall Street Journal, la gigante tecnológica podría haber estado jugando con fuego –o mejor dicho, con contenido con derechos de autor y algún que otro material para adultos– para afinar sus modelos de inteligencia artificial.
La cosa es que, al parecer, para darle chicha y ‘sabiduría’ a sus algoritmos, Meta habría recurrido a material con derechos de autor de todo tipo: libros, artículos, canciones, imágenes… ¡un auténtico buffet libre digital! Pero aquí viene lo interesante (y picantón): el informe menciona específicamente que, en un momento de desesperación por encontrar suficientes datos de texto para entrenar sus grandes modelos de lenguaje, un empleado de Meta ¡estuvo pidiendo a sus compañeros que descargasen libros de torrents e incluso imágenes pornográficas para diversificar los conjuntos de datos!
Meta, por supuesto, ha saltado como un resorte negándolo todo. Su respuesta oficial es cristalina: «Utilizamos información disponible públicamente y también hemos trabajado para filtrar datos privados de los conjuntos de datos públicos que utilizamos». Es decir, que ellos solo cogen lo que está al aire libre en internet, muy limpito y sin pirateo de por medio. ¡Faltaría más!
Pero claro, el WSJ tiene sus ases bajo la manga. Según el periódico, un documento interno de Meta sugería explícitamente «descargar libros de torrents» como una solución a la escasez de datos. Y la cosa se pone aún más… digamos, explícita. El informe cita un intercambio en Slack donde un ingeniero solicitaba «cualquier tipo de dato» para la generación de imágenes. La respuesta de un gerente fue aún más directa, sugiriendo «porno» para diversificar el conjunto de datos, eso sí, con la aclaración: «solo para ser claros, para investigación interna, no para el público». ¡Menudo lío!
La empresa insiste en que toma «varias medidas» para mantener el contenido protegido por derechos de autor fuera de sus datos de entrenamiento, y que la información que utilizan es, mayoritariamente, de dominio público. Además, recuerdan que su modelo Llama 2 fue entrenado con «datos online disponibles públicamente».
Este embrollo llega en un momento delicado, ya que Meta también se enfrenta a una demanda colectiva que alega haber extraído datos de internet sin permiso, lo que añade más leña al fuego de la ética de la IA. En fin, un lío de faldas digitales que deja a Meta intentando convencer al mundo de que sus máquinas son tan inocentes como un bebé… pero que quizás, solo quizás, hayan tenido un pasado un pelín más ‘atrevido’.
