Las empresas de IA navegan por áreas grises legales para los datos de entrenamiento

Al discutir el reciente debate sobre cómo Open y Google obtienen sus datos para ajustarse al modelo, notarás que dos términos dominan el debate más: abierto y Google. Los artículos publicados recientemente en The Wall Street Journal y el NY Times ilustran que la forma en que las empresas relacionadas con la IA recopilan datos no estaba a la altura y creó un problema sobre qué datos son verdaderos y qué ángulo ético se utilizó en la creación del sistema relacionado con la IA.

Las cuestionables tácticas de OpenAI

Sin embargo, en su apogeo, el New York Times enfatizó los resultados mayores de Open AI establecidos con Whisper. Este modelo de transcripción de audio a texto se presenta como un complemento para el Procesador de Lenguaje de Open AI, la tecnología LP-4. De hecho, el coche autónomo de OpenAI no se basa en la recopilación de información, que es un problema desafiante con el que la empresa se enfrenta; más bien, este último entra en juego bajo tales condiciones. 

Aunque la popularidad inicial de las leyes de recopilación de datos estaba relacionada con las consideraciones de derechos de uso justo, este último también se convirtió en una base legal para estos actos. Como dijo Brockman, uno de los miembros fundadores y el CEO de OpenAI proporcionó alguna información necesaria para la transcripción. Sin embargo, continúa diciendo que el historiador también contribuyó a la transcripción.

Sin embargo, Google Corporation está tomando el centro del escenario incluso para estos pequeños problemas hasta empresas más grandes, es decir, una función de recopilación de datos como OpenAI es una organización más pequeña y participa en proyectos orientados al gigante de la industria, y el usuario solo fue advertido y no se le dijo quién debía ser culpado por YouTube. 

Además de este enfoque, Facebook también cubrió la base de cumplimiento en los TOS y prohibió acciones no autorizadas, especialmente el llamado raspado de datos. En el caso de John Conly (portavoz de YouTube), respondió a la pregunta de si los modelos se utilizaron para el entrenamiento de IA basado en contenido después de recopilar datos de los creadores de contenido.

Por el contrario. Además de entrenar máquinas en qué lado Meta es un problema actual que conduce a su inviabilidad. El grupo de IA en la empresa, que tuvo éxito con la rivalidad de OpenAI, consideró que ambos equipos utilizaron todos los medios disponibles para trabajar en un mejor resultado para sus empresas, incluyendo el pensamiento original sin prestar atención a ningún asunto en favor de la parte rechazada.

Meta parece haber preparado tipos de preguntas que tenían como objetivo obtener su respuesta en lo que se hará en el trabajo delegado, quién estará a cargo de la compra de libros de qué editores especializados en campos específicos. Aunque la experiencia del usuario de la red es extremadamente increíble, la política gubernamental establecida ha adquirido la iniciativa de entrometerse en la privacidad individual, lo cual fue destacado en 2018 por el asunto Cambridge Analytica.

El panorama más amplio del entrenamiento de IA enfrenta un dilema urgente: por un lado, la pregunta sobre la escasez de datos se ha vuelto más aguda en los últimos dos años, por otro lado. Aunque la conexión entre los dos permanece, los investigadores siempre insisten en tener datos adecuados para mejorar la precisión y el aumento del rendimiento. 

Además, la predicción del Wall Street Journal despierta entusiasmo, que proyecta elevaciones más allá de todos los objetivos para el año anterior 2020 y cruza el final del año con el punto más alto del mercado. Este método se basa en dos factores: confiar en los modelos, que pueden ser sintéticos para el estado de la matriz externa, y un proceso de currículum de toma de decisiones, donde los modelos aprenden de sus decisiones. No esperes que produzcan resultados, pero permíteles ser observables.

Implicaciones legales y éticas

La ausencia de la regla de piratería podría traer problemas porque nada puede permitir a los usuarios acceder a los elementos con derechos de autor, y podría surgir una comprensión de la misión alrededor de la ley, la ética, etc. ¿Se convierte el dato en una propiedad intangible y la base para saber y declarar qué es tuyo y qué no lo es, en la que se sabe que los datos y el usuario son la fuente del negocio cuando el uso de esos datos no está justificado? Este riesgo sería para los líderes de programas del equipo de I+D concentrarse en revisarlos y trabajar en respuestas. 

La relación en el propósito de las campañas de acción colectiva implicaría que la privacidad y el uso de datos son respuestas que la organización no conoce lo suficiente como para legitimar sus operaciones. De hecho, los desafíos (como los problemas éticos respecto al proceso de minería de datos utilizado para la investigación y desarrollo de IA) se vuelven complicados porque tenemos que considerar las restricciones regulatorias y la privacidad de los datos (ya que la naturaleza de los datos está dentro del contexto de cómo se procesan y utilizan los datos).

La competencia de IA más difícil del futuro radica en identificar los mejores datos para el entrenamiento de los sistemas de IA, y aún más, se trata de si dichos datos se someterán a marcos regulatorios éticos o legales comunes. Todo lo relacionado con la IA, en su propia naturaleza, enfatiza y amplía conceptos como la innovación y la implementación mediante filtros de conjuntos de datos para las corporaciones. 

Ser una Inteligencia Artificial Tecnológica nunca es estática, por lo que el principal problema siempre será el uso de los datos, y continuará siendo una de las prioridades de los miembros de la comunidad que toman forma a través del uso de la Inteligencia Artificial, la Mejor.

Historia original de: https://www.nytimes.com/2024/04/06/technology/tech-giants-harvest-data-artificial-intelligence.html?smid=nytcore-ios-share&sgrp=c-cb