Robar a todos, pero que nadie me copie

El pasado día 1 de septiembre, el Departamento de Justicia de los Estados Unidos presentó ante el tribunal un escrito en apoyo de la posición de OpenAI en la defensa de la demanda que le ha sido planteada por parte de medios como el New York Times y otros, en la que afirma que el entrenamiento de modelos de inteligencia artificial es, según ellos, una actividad «altamente transformadora», y que por tanto, justifica el robo de propiedad intelectual de terceros porque esa actividad plantea «grandes beneficios para el público que compensan el posible daño a los titulares de esos derechos», porque restringir esa actividad plantearía «un daño a la innovación norteamericana» y «un problema para la seguridad nacional».

Una semana después, la NSA, el FBI y CISA han publicado otra nota en la que describen «la destilación sistemática de modelos de compañías estadounidenses por parte de compañías chinas» como «una amenaza para la economía y la seguridad nacional» que reduce los costes de desarrollo para esas compañías chinas y debilita el liderazgo tecnológico estadounidense.

Sinceramente, es la mayor colección de asquerosa y maloliente basura que he visto en muchas décadas. La evidente conclusión de estas dos notas es que la apropiación sin permiso de ningún tipo de la propiedad de terceros es socialmente beneficiosa cuando la hacen compañías estadounidenses y sirve para mejorar un modelo estadounidense, pero es terrible, inmoral y profundamente maliciosa cuando se hace para mejorar un modelo chino. Alucinante no, directamente alucinógeno. Como dice el refrán español, «quien roba a un ladrón, tiene cien años de perdón».

Pongamos las cosas en su sitio: en primer lugar, la destilación de modelos como tal no es ninguna invención siniestra de los chinos: es una técnica de machine learning perfectamente establecida y formalizada como tal desde el paper que en 2015 publicaron Hinton, Vinyals y Dean, «Distilling the knowledge in a neural network«. La propia nota federal admite, porque no queda otra, que la destilación es «una técnica legítima y útil». Pero para hacer la cosa todavía más interesante, la propia OpenAI trata la destilación como un producto que vende, y explica cómo las salidas producidas por un modelo potente pueden ser utilizadas para entrenar un modelo más barato. Por tanto, el «problema» no es con la destilación en sí misma, sino en quién destila, qué destila, a qué escala y con permiso de quién. Aparentemente, cuando OpenAI destila un modelo construido con información robada a todos nosotros, es innovación, pero cuando lo hace DeepSeek, es una cibercampaña maléfica que debe ser detenida a toda costa. Lo dicho: pura y vergonzante basura.

Para ser exactos con las alegaciones de las agencias de seguridad estadounidenses, lo que hacen exactamente es nombrar a una serie de compañías chinas (DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun y Z.AI), y afirmar que han obtenido miles de millones de tokens a través de millones de peticiones y que, usando cuentas falsas, suscripciones compartidas, proxies y «estaciones de transferencia» han podido, supuestamente, saltarse las restricciones geográficas. De hecho, utilizan términos como “malicioso”, “acceso no autorizado”, “evasión” o “infracción de los términos de servicio” para describir esas prácticas. CyberScoop llega a calificarlas como “ilegales”, aunque esa palabra no aparece en la nota federal. Pero claro, hay un problema: que «violar los términos de servicio de OpenAI» no es para nada un sinónimo de «robar propiedad intelectual de la humanidad en su conjunto».

La propia OpenAI dijo al Parlamento británico que «habría sido imposible entrenar los modelos actuales de inteligencia artificial sin utilizar materiales con propiedad intelectual«. Anthropic, por su parte, descargó más de siete millones de libros de fuentes irregulares como sitios de torrents, lo que llevó al juez William Alsup a afirmar que por muy transformadora que pueda ser la actividad, todo tiene un límite, que obtener los libros de esas fuentes supone una infracción de los derechos de autor, sí o sí, lo que terminó dando lugar a un acuerdo de 1,500 millones de dólares, posteriormente aprobado por el tribunal, para compensar a los titulares de los derechos de más de 482,000 libros. Meta está en el mismo caso: Zuckerberg aprobó el uso de LibGen, a pesar de saber perfectamente de dónde venían esos libros. Las compañías discográficas, en su demanda contra Suno, también han alegado infracciones y copias masivas de obras sometidas a derechos de autor. Es decir, existe ya una combinación abrumadora de hechos probados, acuerdos judiciales, documentos internos y alegaciones fundadas que muestra hasta qué punto esta industria se construyó mediante la ingestión masiva de libros, canciones, noticias, imágenes y textos sin permiso ni compensación. Y la voracidad extractiva, lejos de haber desaparecido, continúa: lo siguen haciendo, sistemáticamente, día sí y día también.

¿Qué dice al respecto la Oficina del Copyright de los Estados Unidos? Que está muy claro, y que si bien algunos usos pueden ser considerados altamente transformadores, el uso comercial de enormes colecciones para producir contenidos potencialmente competitivos, cuando encima esos contenidos han sido obtenidos de forma abiertamente ilegal, excede claramente los límites de cualquier uso legítimo. La conducta de las compañías norteamericanas, por tanto, sigue estando legalmente en disputa y, en algunos casos, ha violado claramente la ley.

El argumento filosófico que se me plantea de manera creo que absolutamente lógica es el de la reciprocidad, no el de que «dos errores hacen un acierto»: que sí, que a lo mejor las compañías chinas han utilizado cuentas falsas y han violado términos de servicio, pero eso en absoluto consigue de ninguna manera restaurar la moralidad de las compañías estadounidenses, se pongan como se pongan sus autoridades. Si robar las creaciones de millones de autores sin permiso alguno es supuestamente legítimo porque es una actividad transformadora y supuestamente beneficiosa para la humanidad (cosa que ya veremos), entonces usar las salidas de un modelo para entrenar a otro no puede, de ninguna manera, ser un «sacrilegio» simplemente porque quienes lo hacen son chinos. Es simplemente absurdo. O al revés: si lo que se discute es que lo han hecho sin permiso y sin compensación, entonces las compañías estadounidenses tendrán que compensar a todos aquellos cuya información fue utilizada sin contraprestación ni permiso alguno.

No sé si el hecho de que las compañías de inteligencia artificial hayan robado sin permiso alguno la información de la humanidad justifica o no que los modelos que han creado deban pertenecer directamente «a todos». Suena retóricamente atractivo y yo soy de los que adorarían una solución así, pero ni soy legalmente competente como para intentar justificarla, ni sería jamás aprobado por quienes aprueban estas cosas. Desarrollar modelos no sólo implica obtener información, sino también mucha ingeniería, curación de contenidos, computación, evaluación e implementación, y todas esas cosas cuestan dinero y es legítimo, si se quiere, hacerlo bajo un modelo propietario. Pero lo que sí sé es que compañías que han legitimado socializar el coste de su componente principal y esencial, la información, no pueden de ninguna manera reclamar un supuesto derecho moral ilimitado a privatizar cada una de las capacidades resultantes de sus modelos. Eso no funciona ni puede funcionar así. Si declararon la totalidad de la cultura humana como un procomún accesible por ellos cuando necesitaron materia prima para sus modelos, no pueden ahora «redescubrir» la propiedad intelectual en el momento en que alguien trata sus modelos como una materia prima. Sea chino, europeo, estadounidense o de donde sea.