¿Deepseek de China violó los derechos legales de Openai?

Supongamos que fue OpenAI, el desarrollador de ChatGPT. Has invertido quizás $ 500 millones o más en él. Entrenar la última versión, ChatGPT-4, ha costado otros $ 100 millones o más. La capacitación explotó y procesó sobre un petabyte de datos basados ​​en Internet. Eso es equivalente a un millón de gigabytes, o alrededor de 500 mil millones de páginas de texto en inglés.

Luego viene Deepseek, propiedad y con sede en China, que es un sistema como ChatGPT. Pero en lugar de construir toda la infraestructura y hacer toda la capacitación de abajo hacia arriba, Deepseek ha utilizado “destilación” para ponerse al día con ChatGPT a una fracción del costo. Oye, no justo, ¿verdad?

¿Se robó la información?

Cuando Deepseek se convirtió en un jugador de IA, Openai declaró que creía que Deepseek había robado esencialmente datos y texto de ChatGPT. Lo vio como infracción de derechos de autor.

La semana pasada, un sitio de AI e Internet Watchdog publicó “Microsoft y OpenAI investigan si Deepseek obtuvo datos ilícitamente de ChatGPT”. Informó que tanto Microsoft como OpenAI están investigando si Deepseek accedió a los datos de OpenAI a través de su interfaz de programación de aplicaciones (API) sin autorización. El Financial Times Aprendió que OpenAI tiene evidencia de robo de datos, y los funcionarios estadounidenses sospechan que Deepseek usó los resultados de OpenAI para capacitar a su propio modelo mediante un proceso llamado “destilación”.

El cargo inicial contra Deepseek es el robo de datos que también podría equivaler a una infracción de derechos de autor. De hecho, utilizando la destilación, Deepseek puede haber imitado con éxito el chatgpt.

En términos simplificados, así es como funciona la destilación, utilizando el ejemplo de chatgpt:

Chatgpt explora exhaustivamente Internet para construir su modelo de idioma grande (LLM), que alimenta los algoritmos que responden a las preguntas que plantean los usuarios. Otro sistema de LLM, como Deepseek, luego le pregunta a ChatGPT mil millones de preguntas (en sentido figurado, podría ser mucho más) y utiliza las respuestas de ChatGPT como su punto de partida para desarrollar su propia base de conocimiento.

La destilación acorta enormemente el tiempo de “entrenamiento” para un LLM. De esta manera, Deepseek podría comenzar a hacer coincidir el chatgpt, pero sin realizar primero toda la investigación y procesamiento a nivel del suelo.

¿Violación de derechos de autor?

Anteriormente hemos analizado si los sistemas de IA pueden infringir derechos de autor. Básicamente, una persona humana crea un texto escrito que, según la ley estadounidense, está protegida por la ley de derechos de autor. Cuando otra persona hace una copia de ese texto sin permiso, la copiadora infringe el derecho del creador.

Ahora considere lo que sucede cuando Deepseek se está educando a sí mismo haciendo una pregunta a Chatgpt y recibiendo una respuesta de texto. Qué persona crea el texto escrito de esa respuesta? Ninguna persona humana escribe las respuestas de texto de Chatgpt. Por lo tanto, ninguna persona tiene un copyright de las respuestas.

Por lo tanto, si Deepseek recibió, procesó y almacenó los miles de millones de respuestas de Chatgpt a las preguntas, Deepseek no violaba los derechos de autor de una persona. Esa es la respuesta simple.

Por supuesto, los abogados podrían desarrollar un argumento complicado que dice que los propietarios o programadores de ChatGPT deben poseer el texto escrito que el bot genera por sí mismo. Sin embargo, tal argumento extiende el significado tradicional de los derechos de autor, y los tribunales bien podrían rechazarlo. El Congreso de los Estados Unidos ciertamente podría cambiar los estatutos para aplicar la protección de los derechos de autor a los textos e imágenes generados por Chatbot, pero eso aún no ha sucedido.

¿Términos de violación de uso?

Según se informa, la investigación de Microsoft encontró volúmenes inusualmente altos de recuperación de datos por parte de los usuarios que podrían estar vinculados a Deepseek. OpenAI permite a los usuarios una cantidad sustancial pero no ilimitada de acceso a ChatGPT, y sus términos de uso prohíben la información minera de ChatGPT para construir un competidor.

El equipo de seguridad de Microsoft detectó un grupo que se cree que tiene vínculos con un análisis profundo de extraer grandes cantidades de datos del software Operai que permite a los desarrolladores acceder a modelos propietarios por una tarifa. Los investigadores de Microsoft detectaron un volumen inusualmente alto de recuperación de datos, que viola los términos de servicio de OpenAI y sugiere un intento de eludir sus restricciones.

Los términos de servicio publicados de ChatGPT prohíben a todos los usuarios de ChatGPT, humanos o de otro tipo, de:

(1) Ingeniería inversa del software OpenAI para aprender sus modelos y algoritmos;

(2) usar bots o programas automatizados para extraer datos o salidas de chatgpt;

(3) exceder o evitar límites de velocidad de transferencia de datos; y

(4) “Usar las salidas de ChatGPT para crear modelos de IA competidores”.

Si Deepseek o cualquier otro sistema de IA utilizaron técnicas de “destilación” para piratear información de ChatGPT, violó los términos de servicio. La destilación utiliza un bot automatizado para realizar grandes cantidades de transferencia de datos a velocidades relativamente altas. Y si Deepseek estille de ChatGPT, utilizaría las salidas de ChatGPT para crear el sistema de IA competidores. Estas violaciones constituirían una violación directa del contrato.

AI fomenta un accidente de políticas públicas

Las leyes de derechos de autor tienen como objetivo lograr dos objetivos principales:

(1) reconocer y acreditar la creatividad humana única, y así apoyar los derechos de cada creador humano a los productos del esfuerzo intelectual creativo; y

(2) Alentar la creatividad e iniciativa humana para producir productos de trabajo intelectual que beneficien y elevan a la sociedad en general.

Los chatbots ahora pueden producir obras que parecen obras creativas humanas. Otorgando protección de derechos de autor a los productos de Chatbots socava el objetivo de la política de reconocer y proteger la creatividad humana. Pero otorgar productos de los productos BOT alienta a las personas a construir bots siempre “mejores” cuyo trabajo es “mejor” que los productos humanos, posiblemente Sirviendo la política de beneficiar a la sociedad. Eso supone que los productos BOT son veraz y no engañosos o suprimen los hechos y puntos de vista.

Personalmente, aconsejaría contra el tratamiento de productos de IA como legalmente equivalentes a los productos humanos. La IA produce cualquier producto solo por la creatividad humana, lo que refleja la chispa de lo divino. Las leyes nunca deben tratar a los humanos como la versión de carne de las máquinas AI.