Wikimedia pide matices en el caso de derechos de autor contra OpenAI

La Fundación Wikimedia, la organización sin ánimo de lucro detrás de Wikipedia, ha entrado en la disputa por derechos de autor entre The New York Times y OpenAI y Microsoft. En un escrito amicus presentado ante el tribunal, la fundación pide a los jueces que sigan un camino intermedio entre las dos partes, advirtiendo de que una decisión extrema en cualquier dirección podría dañar la web abierta y el futuro del conocimiento libre.

La disputa sobre los datos de entrenamiento de la IA

La demanda, presentada por The New York Times, acusa a OpenAI y Microsoft de utilizar los artículos publicados por el periódico sin permiso para entrenar y operar sistemas de inteligencia artificial. El Times argumenta que las empresas tecnológicas no deberían tener acceso sin restricciones a su periodismo protegido por derechos de autor. OpenAI y Microsoft responden que entrenar modelos de IA con material publicado es una práctica legítima que se enmarca en el uso justo, y que restringirla frenaría el progreso tecnológico.

El uso justo es una doctrina legal que permite el uso limitado de material protegido sin permiso en ciertas circunstancias, como comentarios, críticas o trabajos transformadores. La cuestión central en este caso es si entrenar un modelo de IA con texto protegido cuenta como uso transformador o simplemente como copia no autorizada.

Este caso es uno de más de una docena de demandas similares que están en los tribunales, pero los observadores legales señalan que esta disputa en particular podría sentar un precedente importante sobre cómo las empresas de IA utilizan contenido protegido en toda la industria.

La tercera posición de Wikimedia

En su escrito, la Fundación Wikimedia coincide con OpenAI y Microsoft en que una interpretación demasiado restrictiva del uso justo podría sofocar la innovación. Pero también advierte de que un fallo amplio a favor del uso justo generalizado podría conducir a una web más cerrada, donde el conocimiento se debilite por la falta de materiales de fuentes secundarias disponibles.

La fundación propone aplicar el uso justo a dos escenarios específicos. El primero cubre ciertas situaciones de entrenamiento de modelos, donde el contenido protegido se utiliza para construir grandes modelos de lenguaje que producen algo nuevo y diferente de las fuentes originales. El segundo implica la generación aumentada por recuperación, o RAG, una técnica que mejora la salida de la IA al incorporar información de bases de conocimiento externas. Wikimedia apoya el RAG en principio, pero se opone a los sistemas que simplemente reproducen artículos existentes sin atribución.

Por qué importa la voz de Wikipedia

Wikipedia está considerada ampliamente como uno de los conjuntos de datos de mayor calidad utilizados para entrenar grandes modelos de lenguaje, lo que da a la fundación un interés directo en el resultado. En un comunicado, el consejero general de Wikimedia, Stephen LaPorte, dijo que el tribunal debe entender que Wikipedia se construye mediante un proceso colaborativo que depende de una base sólida de conocimiento humano abierto y accesible. Advirtió de que un fallo que no aplique los principios de uso justo con cuidado podría amenazar la sostenibilidad del conocimiento libre y frenar las tecnologías de código abierto, limitando en última instancia el acceso a la información para todos.

La participación de la fundación es notable porque Wikipedia en sí misma se construye a partir de conocimiento humano con licencia libre, pero se beneficia de una web donde las fuentes secundarias y los comentarios pueden florecer. Un fallo que se incline demasiado en cualquier dirección podría alterar ese equilibrio.

Qué viene después

Se espera una sentencia sumaria en el caso en un futuro próximo, según la fuente. El resultado podría influir en cómo las empresas de IA manejan el contenido protegido en toda la industria, y cómo los editores protegen su contenido en una era de aprendizaje automático. El escrito de la Fundación Wikimedia añade una voz distintiva al debate, una que no representa ni a la industria editorial tradicional ni a las empresas de IA, sino al ecosistema de conocimiento abierto que se sitúa entre ambas.