Wikimedia, en el caso NYT contra OpenAI: el entrenamiento puede ser uso legítimo, la copia mediante RAG no

La organización sin ánimo de lucro detrás de Wikipedia ha entrado en el mayor litigio sobre derechos de autor e IA generativa de Estados Unidos. La Fundación Wikimedia pidió el 29 de octubre al tribunal federal de Manhattan permiso para presentar un escrito amicus curiae y lo dio a conocer al día siguiente, según The Next Web.

En qué punto está el caso

El escrito se dirige al expediente In re: OpenAI, Inc. Copyright Infringement Litigation, que agrupa 12 demandas contra OpenAI, entre ellas la que The New York Times presentó en 2023 contra OpenAI y Microsoft. El juez Sidney H. Stein, del Distrito Sur de Nueva York, debe decidir si construir grandes modelos de lenguaje con material protegido constituye uso legítimo (fair use). A 30 de octubre no se había pronunciado sobre ello ni sobre la admisión del escrito. Engadget, citando a AI Lawsuit Tracker, señala que se espera pronto una resolución de juicio sumario.

Entrenamiento y recuperación, por separado

Wikimedia no respalda a ninguna parte: considera que ambas interpretan el uso legítimo de forma demasiado amplia y pide examinar cada uso por separado, apoyándose en la sentencia Warhol del Tribunal Supremo de 2023. A su juicio, lo relevante no es extraer un sitio, sino qué hace la empresa con las copias.

Con ese criterio, el escrito sostiene que entrenar un modelo de uso general probablemente es uso legítimo, porque el resultado es nuevo y no sustituye a las obras de las que aprende. La generación aumentada por recuperación (RAG), en la que un chatbot toma pasajes de fuentes como Wikipedia o el Times y a menudo repite buena parte de ellos en su respuesta, recibe otro trato: Wikimedia afirma que probablemente no es un uso legítimo, incluida la función RAG de ChatGPT, informa The Next Web. Engadget, por su parte, centra la objeción en las respuestas que reproducen artículos sin atribución.

Lo que Wikipedia se juega

Los textos de Wikipedia se publican con una licencia CC BY-SA que obliga a citar a sus autores. La fundación sostiene que los chatbots que ignoran esa condición desaniman a los voluntarios y que el rastreo masivo sobrecarga sus servidores; quiere que los grandes usuarios respeten sus límites públicos de consultas o paguen su servicio Enterprise. Su asesor jurídico general, Stephen LaPorte, advirtió de que un fallo descuidado "could threaten the sustainability of free knowledge" (podría amenazar la sostenibilidad del conocimiento libre), según recoge The A.V. Club.

En septiembre, el Departamento de Justicia de Estados Unidos ya había defendido ante un tribunal de Nueva York que el entrenamiento de IA es uso legítimo, en apoyo de OpenAI. Las informaciones consultadas no recogen respuesta de OpenAI ni del Times.