[…]

Principales hallazgos del estudio:

[…]

Reproducción y transformación: Una vez que los modelos de IA generativa están implementados, los usuarios pueden reproducir o transformar las obras protegidas por derechos de autor que se utilizaron durante el proceso de entrenamiento. Por ejemplo, cuando los usuarios interactúan con sistemas como ChatGPT, el sistema puede generar resultados basados en los materiales con derechos de autor con los que fue entrenado. La disponibilidad de estos sistemas de IA, incluyendo la posibilidad de descargarlos, constituye una divulgación pública de materiales protegidos por derechos de autor […].

Límites legales y excepciones a los derechos de autor: El estudio critica el marco legal existente, que solo tiene en cuenta excepciones a los derechos de autor en escenarios limitados y prácticamente irrelevantes. En particular, las excepciones para el Text and Data Mining (TDM), que se establecieron para permitir la extracción automática de información de grandes conjuntos de datos, no se aplican al entrenamiento de modelos de IA generativa. Estos modelos, a diferencia del TDM tradicional, procesan no solo datos semánticos (contenido informativo) sino también la estructura creativa y sintáctica de las obras protegidas por derechos de autor, lo que complica aún más la situación legal.

El estudio destaca que las acciones de copia relacionadas con la recopilación, preparación y almacenamiento de datos de entrenamiento no se encuentran dentro de las excepciones de derechos de autor para reproducciones temporales […].

Desafíos para definir las violaciones de derechos de autor: El estudio plantea un problema fundamental en cuanto a la categorización de los procesos de entrenamiento de IA. Desafía la noción legal común de que los modelos de IA simplemente usan las obras como puntos de datos en lugar de tratarlas como obras artísticas o creativas. Esta interpretación a menudo lleva a la suposición de que analizar estas obras para el entrenamiento del modelo no constituye una violación de derechos de autor, algo que el estudio cuestiona.

Los autores argumentan que las tecnologías actuales de IA generativa no distinguen entre el contenido semántico (por ejemplo, ideas) y el contenido sintáctico (por ejemplo, la expresión creativa), lo que significa que también se utilizan los elementos creativos del material protegido durante el entrenamiento. Esto diferencia el entrenamiento de IA del TDM convencional, que se centra principalmente en extraer información fáctica no protegida.

Protecciones insuficientes de los derechos de autor: El estudio concluye que la protección legal ofrecida por la ley de derechos de autor actual es insuficiente para cubrir los desafíos únicos que plantean los modelos de IA generativa. Con la creciente prevalencia del contenido generado por IA, es probable que la demanda de obras creativas humanas disminuya, ya que los sistemas de IA ocupan cada vez más este rol. Este cambio requiere una reconsideración del valor económico de la creatividad humana y la protección de los derechos de los creadores frente a las tecnologías de IA en avance.

[…]

Puedes leer aquí el artículo completo.

Los contenidos publicados en la sección Revista de prensa del sitio web de ADEPI están autorizados mediante la licencia de utilización de resúmenes de prensa número 177/20/GN/MIXTA/MXUF concedida por la entidad CEDRO.