Cuando se divulgaron los planes para utilizar robots en el ámbito militar, representantes de organizaciones de derechos humanos plantearon el dilema: ¿quién es el responsable del crimen cometido por una máquina? ¿El operario, en caso de que lo hubiere?, ¿el desarrollador de esa tecnología?, ¿el mismísimo autómata?
Un dilema similar —menos trágico, aunque relevante— se agita en el mundo del arte. En este caso, la pregunta es la siguiente: ¿quién es el autor de una obra generada por una inteligencia artificial?
Un estudio realizado por investigadores del Instituto Tecnológico de Massachusetts (MIT) propone respuestas a ese interrogante, arribando a una conclusión sustancial: la capacidad de atribución se diluye gradualmente, porque la distancia entre los originales y los resultados es cada vez más grande.
El arte generado con inteligencia artificial y el decaimiento de la atribución
La pregunta acerca de la autoría de una obra generada con una herramienta de IA —por ejemplo, un dibujo— no es trivial. De hecho, es el eje de demandas, propuestas de regulación y algunos acuerdos.
Cabe recordar en este punto la gran cantidad de presentaciones judiciales realizadas por dibujantes, escritores, músicos, etcétera, quienes acusaron a las empresas detrás de las inteligencias artificiales más conocidas de usar sus obras sin el debido reconocimiento y, en tanto, violando las leyes de propiedad intelectual.
Para entender este tironeo es preciso conocer el funcionamiento básico de los sistemas de IA generativa. Por ejemplo, para que un chatbot escriba un texto con el estilo de Julio Cortázar, es necesario que previamente haya leído la obra del autor de Rayuela. A ese proceso se lo conoce como “entrenamiento”. Lo que hará luego es imitar, reordenar, conservar algunos matices y aplicar cambios, siempre en función del pedido realizado por el usuario.
La nueva investigación del MIT CSAIL, la división de la universidad estadounidense especializada en inteligencia artificial, sugiere una especie de camino sin salida. La pregunta acerca de la autoría de las obras creadas con IA quedaría sin respuesta porque las conexiones que permitirían el rastreo desparecen a medida que los modelos se entrenan con nuevos datos.
Ese fenómeno es llamado “decaimiento de la atribución” e implica que conforme se utilizan más datos para un modelo generativo, menos relevante es cualquier ejemplo individual para el resultado final.
Una de las conclusiones más intrigantes del informe apunta que, cuando la base de información es lo suficientemente grande, podría eliminarse cualquier imagen que se usó en el entrenamiento, incluso todas las correspondientes a un artista determinado, sin que cambie la muestra generada.
“Si se elimina un dato y el resultado del modelo no cambia, entonces ese dato no afectó al resultado”, explicó Zheng Dai, autor principal del trabajo. “Por lo tanto, no tiene mucho sentido atribuir el resultado a ese dato. Y si luego se repite este proceso con todos los demás datos y se observa que el resultado tampoco cambia, entonces tampoco tiene mucho sentido atribuir el resultado a ninguno de ellos”, señaló.
¿Cuáles son las implicancias del decaimiento de la atribución?
El investigador principal del MIT CSAIL, David Gifford, notó que los hallazgos —el paulatino distanciamiento entre las obras originales utilizadas para el entrenamiento, con los resultados generados, incluso cuando se eliminan datos de entrada— tiene consecuencias que atañen a los reclamos legales de artistas enfadados con los modelos de IA.
“Una forma de entenderlo es que estos modelos son creativos. No se limitan a copiar los datos de entrada, sino que crean resultados completamente nuevos. Si esos resultados no tienen nada que ver con ningún dato de entrenamiento individual, surgen interrogantes sobre el uso legítimo, sobre si los resultados en sí mismos son susceptibles de protección por derechos de autor como obras novedosas, y sobre cómo se compensa a los autores cuando lo que surge de un modelo no es atribuible a nada en Internet”, comentó.
Gifford también remarcó que este estudio demuestra cómo producir resultados que garantizan el anonimato, una capacidad que considera una obligación para la industria y no una laguna legal. “Para que estas empresas puedan afirmar que sus resultados no son derivados de Internet de forma que infrinjan los derechos de autor, necesitan revisar sus modelos para aprovechar los avances de este trabajo, de modo que puedan demostrar que no están creando derivados de personas u objetos individuales”, observó.
Publicado en la revista Nature Communications con el título Los resultados de los modelos de difusión generativa a menudo no son atribuibles, el estudio plantea un horizonte complejo. Sin poder determinar fielmente las similitudes entre el resultado de un modelo de IA y una obra protegida por derechos de autor, la justicia deberá recurrir a nuevos métodos para evaluar posibles plagios.
