OpenAI transcribió más de 1 millón de horas de videos de Youtube para entrenar ChatGPT 4

Se ha revelado que OpenAI transcribió más de un millón de horas de videos de YouTube con el objetivo de alimentar su modelo de IA más avanzado hasta la fecha, el ChatGPT 4. Esta revelación, reportada por The New York Times, despierta interrogantes no solo sobre las prácticas de recopilación de datos de la compañía, sino también sobre los límites legales y éticos en la era de la inteligencia artificial.

La búsqueda de datos de entrenamiento de calidad es una necesidad crítica para las empresas de IA, ya que estos datos son la materia prima fundamental que alimenta y perfecciona sus modelos. Sin embargo, en un panorama donde el suministro de datos valiosos es escaso y altamente disputado, las empresas se enfrentan a dilemas éticos y legales al tratar de obtener acceso a estos recursos. El caso de OpenAI es un ejemplo paradigmático de este desafío, donde la empresa ha optado por una estrategia aparentemente cuestionable pero apremiante para obtener los datos necesarios para avanzar en su investigación y desarrollo.

El método utilizado por OpenAI para transcribir videos de YouTube plantea importantes cuestionamientos éticos y legales. Si bien la empresa afirma que selecciona conjuntos de datos “únicos” para cada uno de sus modelos con el fin de mejorar su comprensión del mundo, el uso masivo de contenido protegido por derechos de autor, como los videos de YouTube, plantea preocupaciones sobre la violación de las políticas de uso de la plataforma y los derechos de los creadores de contenido. 

Violación de los Términos de Servicio

Google, la empresa matriz de YouTube, ha expresado su preocupación al respecto, señalando que tanto sus archivos robots.txt como sus Términos de Servicio prohíben la extracción no autorizada de contenido de YouTube. Este conflicto potencial entre OpenAI y Google podría desencadenar un enfrentamiento legal entre ambas compañías, lo que podría tener repercusiones significativas en el panorama de la IA y la regulación de la recopilación de datos en línea.

El caso de OpenAI no es único en la industria de la IA. Otras empresas, como Meta , también se enfrentan a desafíos similares en cuanto a la disponibilidad y la legalidad de los datos de entrenamiento. La creciente demanda de datos de alta calidad ha llevado a las empresas a explorar diversas estrategias, incluida la creación de datos sintéticos o el uso de técnicas de aprendizaje curricular. Sin embargo, ninguna de estas soluciones ha sido probada de manera exhaustiva, dejando a las empresas en una situación precaria donde la obtención de datos de manera ética y legalmente aceptable se convierte en una tarea cada vez más difícil.

El caso de OpenAI plantea preguntas importantes sobre el futuro de la recopilación de datos en la era de la IA. ¿Hasta qué punto están dispuestas las empresas a ir para obtener los datos necesarios para entrenar sus modelos? ¿Cuáles son los límites éticos y legales en la recopilación y uso de datos de terceros? Estas son preguntas que deben abordarse de manera urgente a medida que la IA continúa avanzando y su impacto en la sociedad se vuelve cada vez más significativo.

Sigue leyendo:
– OpenAI revela secretos de Elon Musk en respuesta a la demanda del multimillonario
– Microsoft y OpenAI planean construir la mayor supercomputadora de la historia y su precio te sorprenderá
– OpenAI planea lanzar su propia tienda de aplicaciones con Inteligencia Artificial