En marzo de este año, tres autores, Brian Keene, Abdi Nazemian y Stewart O’Nan iniciaron un procedimiento legal contra Nvidia porque sus obras formaban parte de una colección de 196,640 libros, conocida como Books3, utilizada por la compañía para entrenar su plataforma NeMo, que ofrece a sus clientes para la construcción, personalización y despliegue de aplicaciones de inteligencia artificial generativa.
La colección en cuestión, Books3, es polémica porque fue compilada por investigadores precisamente con la función de entrenar algoritmos y compartida a través de Hugging Face, y ha sido utilizada por prácticamente todas las compañías dedicadas a ello, pero nunca solicitó ningún tipo de derechos de autor, porque la función de esa colección no era en ningún momento proporcionar los libros para su lectura ni para su distribución. Pero a partir del momento en que se supo que esa colección estaba siendo ampliamente utilizada, varios autores que encontraron sus obras en ella han denunciado a varias compañías alegando que han sido utilizadas sin su permiso. De hecho, la colección ya no está disponible, ha sido retirada.
¿La respuesta de Nvidia? Muy sencilla: niega cualquier tipo de infracción del copyright y afirma que su plataforma NeMo cumple con los derechos de autor, y que todos los libros han sido utilizados en perfecta consonancia con la doctrina de uso legítimo o fair use. Nvidia, con toda lógica, sostiene que sus modelos de inteligencia artificial no utilizan los libros como lo hacen los humanos, ni mucho menos los reproducen. Lo que hacen, simplemente, es examinar los hechos e ideas que aparecen reflejados en los libros, y transformar su propósito original para construir un modelo de inteligencia artificial complejo.
Según la compañía, los demandantes no pueden pretender utilizar los derechos de autor para impedir el acceso a los hechos y las ideas, porque aceptar la teoría de los demandantes significaría que un autor podría registrar las reglas gramaticales, o los hechos básicos sobre el mundo, algo que nunca ha sido legal – y por una muy buena razón. Por tanto, el proceso de entrenamiento, que transforma completamente las obras y en modo alguno las consume (de manera sustitutiva de un consumo legítimo por un humano) ni las distribuye, está protegido por completo por la bien establecida doctrina del uso legítimo.
El proceso de entrenamiento mide las correlaciones estadísticas en conjunto a lo largo de un enorme conjunto de datos, y las codifica en los parámetros de un modelo. Los demandantes no intentan reclamar derechos de autor sobre esas correlaciones estadísticas, sino que afirman que los datos de entrenamiento en sí mismos se «copian» con fines de infracción, algo completa y absolutamente falso.
El copyright, como todo, debe tener límites. Si creas una obra y está protegida por copyright, debes disfrutar de una protección LIMITADA que impida determinadas explotaciones o usos que puedan resultar competitivos con el que tú deseas hacer. Sin embargo, entrenar a un algoritmo no es leer un libro, ni venderlo, ni reproducirlo, ni mucho menos distribuirlo (no puedes obtener el libro a partir del algoritmo), y por tanto, no debe regirse por los mismos principios que una infracción de copyright al uso, porque no se está produciendo ninguno de los supuestos de esta.
Francamente, y sabiendo que eso será polémico, me alineo completamente con la idea de Nvidia. El copyright no puede servir para impedir cualquier uso, del mismo modo que no puede servir para que alguien se inspire o para que cree nuevas obras basadas en otras, siempre que no las reproduzca de manera textual. Seguir extendiendo el copyright, originalmente «derecho de copia», más allá de lo que ya está extendido – y que, personalmente, siempre he considerado a todas luces excesivo – supone impedir usos que no tiene ningún sentido impedir, basándose en supuestos que no se cumplen y que no reflejan lo que las leyes de protección del copyright pretenden proteger. El copyright nunca incluyó la prohibición de entrenar un algoritmo con una obra, del mismo modo que no podría incluir el hecho de «pensar sobre ella» o «basar un razonamiento en ella».
Estamos, seguramente, ante lo que será una de las grandes polémicas de la inteligencia artificial, y sin duda, tardará mucho en resolverse. Para cuando lo haga, seguramente, será ya irrelevante y únicamente podrá generar, si lo hace, pagos a unos autores cuyos libros no han sido leídos ni consumidos por nadie, que no han sido distribuidos de manera irregular, y sobre todo, de una manera que no ha generado ningún tipo de perjuicio a esos autores (salvo el de no recibir ese dinero). Sería equivalente a tener que pagarles por utilizar sus libros para construir con ellos una estantería o un mueble.
Los excesos y el fundamentalismo aplicados al copyright nunca traerán nada bueno. Dejémonos de utilizar el copyright para todo y por encima de todo, por favor.
This article is also available in English in my Medium page, «Nvidia and the nature of copyright«
Lo he comentado tropecientas veces, Los derechos de autor se diseñaron en el siglo XIX, cuando hacer una copia precisaba de costosos sistemas , (una orquesta, una imprenta,,…), que hacían posible controlar cuantas copias se hacían del original.
La tecnología ha permitido que todos no solo podamos hacer una copia de una obra sin coste, sino que de ella, extractamos otras características no previstas por el autor, como cual la proporción de palabras de cuatro letras que utiliza, el tiempo mas utilizado de los verbos, o cual es la palabra que mas veces sigue a la palabra «anduvo».
Urge hacer una nueva Ley de la Propiedad Intelectual, que defienda los derechos al autor de los ingresos derivados en la explotación de su obra literaria (o artística), pero que no impida que otros la utilicen para asuntos que nada tiene que ver con la obra. (como son las estadísticas realizadas sobre su obra).
Dejo por aquí algunos argumentos que justifican porque pienso que no es necesario nuevas normas de propiedad intelectual.
La “propiedad intelectual” no es algo que aparezca de forma natural, la propiedad de la tierra tiene sentido, porque 2 personas no pueden usar simultáneamente la misma tierra, al aparecer la escasez de tierra, la propiedad es una forma natural de economizar su uso.
Sin embargo, dos personas pueden usar una misma idea a la vez, nada lo impide y es muy deseable. Lógicamente una persona podría callarse sus ideas y morir con ellas o usarla solamente en el ámbito privado o de su propio negocio sin contársela a nadie.
Hoy en día es igual, usted puede inventar algo y quedárselo para si, los “derechos de autor” pretenden en un determinado contexto animarle a compartir esa información por eso son derechos “LIMITADOS”.
Si, la nueva tecnología permite compartir de forma masiva ideas e información pero también ha dado nuevas formas de monetización que no son la venta del contenido en sí.
Si no se demuestra que las ideas y el conocimiento se está escondiendo debajo de una piedra y que hay un perjuicio para las personas por este ocultamiento de las ideas, entonces no veo justificado ampliar los derechos de propiedad intelectual.
Un saludo y por favor, siga con sus comentarios, después del artículo en sí, son lo mejor del blog.
«Urge hacer una nueva Ley de la Propiedad Intelectual,»·
¿Otra ley? ¡Madre mía!
Leí alguna vez que los manuales de documentación sobre tal modelo de helicóptero pesaban más que el propio helicóptero.
Pues empiezo a entender la expresión «el peso de la ley», supongo que sea el peso de los libros en los que están impresas.
Lo vuelvo a repetir para los legos,, – no para cuñados -, ya que soy el único que ha pisado una facultad de derecho, y me dedico a esto de la AI de forma alimenticia, no para Youtube.
El simple tratamiento digital de textos sujetos a derechos de autor, su procesamiento digital por cualquier sistema, implica una infracción de copyright.
Ni siquiera es necesario que se cree una obra derivada.
No importa que tipo de tratamiento ni en cuantos pedacitos se divida el texto, si la obra se toma en su integridad, o incluso parcialmente, en este caso.
El Fair Use nunca ha cubierto la creación de productos con uso comercial, o que permitan el beneficio económico de utilización.
Four Factors of Fair Use
Lo que la gente llama «Inteligencia» no existe en el Machine Learning, es una metáfora que no tiene relación con la aparente capacidad de entendimiento de un LLM. Si alguien tiene esa impresión, es una delusión, un espejismo tecnológico.
Probablemente una foma de superstición cultural de nuestro tiempo, un mito
No hay mucho debate. y 196,640 libros, es una barbaridad de derechos de autor para quien ha creado esas obras.
Un LLM es una Thermomix, no una manifestación de la creatividad gastronómica. Ni piensa, ni razona. Es una fantasía y superstición, desconocimiento en esencia.
Una imprenta aleatoria, que entremezcla textos e imagenes de otros libros, aleatoriamente y sin entendimiento.
No es una opinión.
–
“For first you write a sentence, And then you chop it small; Then mix the bits and sort them out Just as they chance to fall: The order of the phrases makes no difference at all.”
— Lewis Carroll
El simple tratamiento digital de textos sujetos a derechos de autor, su procesamiento digital por cualquier sistema, implica una infracción de copyright.
¿En que artículo te basas ?
¿Por qué no denunciaron a Google, si para indexar un texto, sea libro o hemeroteca, precisa hacer un tratamiento digital?
Hola Menestro,
Aprovechándome de tus conocimientos de derecho tengo algunas preguntas a raíz de tu post. Ninguna es con doble ánimo ni nada, simplemente tengo curiosidad genuina.
1. ¿Cómo puedes aplicar el copyright solo por un procesamiento digital del dato, incluso si el defensor demuestra que nadie ha «leído» la obra? ¿Cuál debería o suele ser la interpretación de los jueces?
2. ¿Hasta dónde llega la jurisprudencia de un autor? País de origen / País de origen + traducciones oficiales / Países de la editorial? Por ejemplo, ¿puedes denunciar a alguien en Kyrgizistán por leer tu libro en un idioma no nativo? ¿Y por traducirlo si la editorial no hace kyrgiz?
3. Si yo, como humano, leo el libro y me inspiro en ese y otros 6 más y lo uso para crear mi propio libro, ¿qué porcentage de cada uno puedo «citar» sin que llegue a ser un plagio o robo? (Como Sánchez o Casado)
4. Si yo usase ese libro en la facultad para enseñar a mis alumnos, ¿cae en la categoría de «fair use» o sería una infracción? Asumiendo que ningún alumno ha comprado ni comprará el libro jamás, solo me escuchan citarlo y poner ciertas frases en la pizarra.
5. ¿Los audiolibros tienen las mismas limitaciones de que un libro o son distintos? ¿Lo suelen gestionar las editoriales o las discográficas?
6. Si yo leo un libro (comprado) en un podcast, ¿es infracción o es publicidad?
En base a las respuestas puedo hacerme una idea mejor de qué va todo este tinglado del copyright a nivel general.
Podría preguntarselo a ChatGPT, pero posiblemente la respuesta esté sesgada (si alguien quiere probarlo…)
Después de acusar a todos de «cuñados», se ha debido ir a la barra de un bar a tomarse una caña con los amigos y explicarlos su particular visión del copyright.
Lo de insultar al que no piensa como uno, no dice nada bueno del insultador, aunque pudiera tener razón, las formas son importantes.
Disculpa mi baja comprensión lectora. ¿Quien insulta a quién?
Era a favor tuyo…
Es el típico ataque «ad homine» Se trata de dirigir la disputa contra la persona y no contra sus tesis,
Se hace cundo se tiene la sensación que tus tesis son endebles y tratas de fortalecer tu posición. Pero es difícil que yo, a mis 81 años, entre el trapo.
Simplemente ataco sus tesis a ser posible con sus propias palabras, muy doctas porque, según declara, es «el único que ha pisado una facultad de derecho, y me dedico a esto de la AI de forma alimenticia,
Ana Rosa sal del cuerpo de Benji !!!
Igual leer el BOE no es tan mala cosa:
https://www.boe.es/buscar/act.php?id=BOE-A-1996-8930
Como sabe AR, ahora copiar trozos de libros, mezclarlos todos juntos y sacar un exquisito «zumo vegaano» de ellos para algunas mentes no es delito, ni se infringen derechos de autor. Eso le pasa por adelantarte a tu tiempo y escoger a un Rojo o un negro con IH(limitaada eso si porque copiar frases enteras era muy detectable). Así que sin «sabor a hiel» ahora Benji, Gorki, Enrique grandes IH-characters de este blog no les parece copieteo lo de la minipimer versión dios de las IAs. Y el problema es que preguntar no es delito, pero si nos da una idea de la confusión mental… que podría ser contestada como:
1. Hacer control C y luego difuminar el control V en una base de datos vectorial donde se entrena de manera determinista un algoritmo ¿es delito? Eso es como matar a una persona, meterla en la trituradora, y echarla a las carpas de el Retiro. ¿es delito? COPIAN LUEGO PECAN !!!
2. Es delito casar a una niña de 10 años con un adulto de 42 años. Para ilustrar el tema, solamente. Si los padres dicen si, en muchos estados de EE. UU. no es delito. Por ejemplo en California (no en Kalifornikation sino en la demócrata California) No es delito… Asi que procesar libros…
mientras no sea los libros de la editorial de la atalaya,… en algunos paises los derechos se la va a traer flojísima… pero como en el ejemplo, no deja de ser violar a una niña, por mucho que te vayas a EE.UU. a hacerlo.
3. Citar no es delito, en eso de basa la divulgación científica, en mostrar tus argumentos, mostrando referencias. Cuanto más te citen mejor. Pero citar NO ES FUSILAR !!
4. Libros en docencia, lo de antes con link
https://www.lindacastaneda.com/docencia/docencia-y-propiedad-intelectual-que-materiales-puedo-utilizar-legalmente-en-la-docencia-universitaria/
5/6
Creo que se responden aplicando algo tan normalito, que una «novela» leída es una novela en otro formato. El medio(audio) no influye en la merma de derechos… ¿Es delito fotocopiar?
Bueno AR, ya sé que tu te sabes la lección, y no has vuelto a pecar. Pero ni Benji, ni Gorki, ni Enrique están de acuerdo con lo mostrado en el comentario y/o en el BOE. Pues nada a seguir pecando de pensamiento y palabra.
Para que algo sea delito ha de estar descrito como tal en un código. Repito la pregunta que hice a MENESTRO ¿En que artículo te basas para asegurar que el tratamiento estadístico automatizados de unos textos supone un delito?
Si es delito. ¿Cómo es que lo que hace el buscador de Google no lo es, si además es con ánimo de lucro. (y muy rentable)?.
Podrá no gustarte la ley, pero creo que procesar en una IA todo el texto es unaa cosa e indexar es otra
PROCESAR
Artículo 11. Obras derivadas.
Sin perjuicio de los derechos de autor sobre la obra original, también son objeto de propiedad intelectual:
1.º Las traducciones y adaptaciones.
2.º Las revisiones, actualizaciones y anotaciones.
3.º Los compendios, resúmenes y extractos.
4.º Los arreglos musicales.
5.º Cualesquiera transformaciones de una obra literaria, artística o científica.
queda claro, en el quinto…
Indexar, lo veo distinto, es simplemente, tener un catálogo de obras, como la que tiene la casa del libro, ningún autor va a decir que le están pirateando su obra, por poner el autor, el titulo y una breve sinopsis de la obra
Por otro lado, mi opinión es que procesar digitalmente no debería ser delito, si esas obras son usadas en modelos sin ánimo de lucro, estariamos en algo similar a la docencia, pero es solo mi opinión, como está el art. 14 parece delito salvo que lo excluyan, pero soy lego además de cuñado !!
5.º Cualesquiera transformaciones de una obra literaria, artística o científica.
Muy traido por los pelos, sacar estadisticas no es transformar nada, y segundo las estadísticas se obtiene no de un obra, el resultado de muchas obras.No dependen de UNA OBRA sino de milles. La RAE busca palabras nuevas, mirando en todos los textos palabras que no tenga catalogadas, y nadie ha dicho que la RAE· sean unos piratas. pese a que luego ellos venden los diccionarios, (obtienen lucro)..
De todas formas, lo mas difícil explicar por qué si lo hace NVIDIA es delito y si lo hace Google no lo es.
Gorki,
Otro argumento :
Cuando se genera un «libro con IA», habría que aplicar lo de «obra derivada» ¿al resultado obtenido o al proceso?. Si creas una obra y un autor (o un algoritmo) puede detectar la copia entonces es cuando se puede producir el presunto delito, y lo haría el que usa el modelo. Por ejemplo: en los T&C de OpenAI se pone bien clarito que el responsable no es el GPT sino el que lo usa y lo publica, y eres responsable de los inputs y las salidas…
«You are responsible for Content, including ensuring that it does not violate any applicable law or these Terms.»
y más en
https://openai.com/policies/terms-of-use/
Lo de los inputs, es importante, ya que mediante prompt le puedes pedir algo que sus filtros no detecten, por eso hablan de contenido…
Creo que es un disclaimer que es nulo de pleno derecho, tan culpable es el que fotocopia el libro como el que compra la fotocopia…
Por otro lado en las imágenes está claro que sin el banco de datos, el modelo no dibuja nada parecido a un gato si no se le ha entrenado con gatos…
PS: Benji, se puede preguntar, y la respuesta fue un poco con ironía, que si no esto de los comentarios, son «seriotes» o con pretensiones a serlo… ;-)… que se enfade AR lo entiendo, pero tú no hombre, que no era la intención
EJEMPLO DE PROMPT PROBLEMATICO CON IP
Me puedes redactar la primera página de el Ulises de Joyce en castellano
ChatGPT
Claro, aquí te dejo una traducción al castellano de la primera página de Ulises de James Joyce:
Capítulo 1: Telemaco
Estática plática sobre el aliento del mar. (y sigue)
Nota: El Ulises está libre en el proyecto Gutemberg
Claro, con una AI puedes traducir una obra sujeta a derechos de autor a otro idioma,
Y con un martillo, puedes romper la cabeza a alguien, pero no por ello hace al martillo ilegal, Lo que puede ser ilegal es el uso que des a la herramienta.
Aquí hablamos utilizar unos textos para sacar unas correlaciones estadísticas, no utilizarlo para traducir obras con Copyright con intención de venderlas. (la sola traducción para uso privado, no es ilegal).
Joer, no se puede preguntar nada…
Me sumo a lo que plantea Gorki a MENESTRO porque, si un procesamiento digital implica una violación de los derechos de autor, entonces el trabajo que hace cualquier buscador que analice los textos para indexarlos, que requiere una «lectura» y procesado para parsearlos, tokenizarlos e incluso «reorganizarlos», ¿no?
Creo que mientras no se adapte la regulación, seguirán apareciendo cienes y cienes de callejones sin salida que permitan defender o atacar cualquier tipo de uso que se haga.
Y el motivo, no solo la complejidad intrínseca del asunto, sino la competencia de quienes están al cargo de esa regulación que pueden ser bastante poco conocedores de la parte tecnológica, la parte regulatoria o ambas.
Tan buena le puede parecer a uno la metáfora de «¿qué diferencia hay entre poner a mil ordenadores a leer los libros y tomar apuntes para que luego respondan a preguntas y poner a mil programas a analizarlos para que luego el programita de turno te responda?» como la de que «Hace 30 años tenías que pagar X de canon por la copia de un libro así que ahora tienes que pagar Y céntimos por cada vez que se imprima ese libro en una pantalla». Ponte tú a discutir sobre los detalles de todo esto con quien crea que esas metáforas son correctas y que realmente presentan situaciones equivalentes.
«El simple tratamiento digital de textos sujetos a derechos de autor, su procesamiento digital por cualquier sistema, implica una infracción de copyright.»
Pues no. No veo ninguna violación del copyright tal como lo define la ley española en su Real Decreto Legislativo 1/1996, de 12 de abril, por el que se aprueba el texto refundido de la Ley de Propiedad Intelectual.
Sección 2.ª Derechos de explotación
Art. 17. Habla dew protección contra las transformaciones, y el artículo 21.1 define «La transformación de una obra comprende su traducción, adaptación y cualquier otra
modificación en su forma de la que se derive una obra diferente.»
Entrenar una IA no deriva en ninguna obra.
Es tan injustificado como reclamar derechos de autor por los libros de texto con los que los estudiantes aprenden en las universidades.
Ya estoy viendo al pobre de Homero muy cabreado, porque el bueno de Cavafis usa «su» vuelta a Ítaca, para montar una serie de versos, de grandes versos por cierto. O ,ya no digamos, que el no nacionalista irlandés, llamado James, se monta su Great Day de paseo por el Dublin, que no sabe si odia o ama.
En fin, más de lo mismo…
Yo también recuerdo muy bien cuando en el LP de Pink Floid, «Whis you were here», prohibía hasta el prestar el disco. Se ve que en aquella época los de EMI fumaban un material bueno de cojones. Igual que ahora, es un material quizás un poco más fuertecillo, pero también es bueno de cojo… (Qué fatiga…)
Opino que las leyes de copyright son muy exageradas y extralimitadas, especialmente en lo que a música y libros se refiere.
Todos estos movimientos de las empresas de IA para trabajar sobre material ajeno sin permiso y sin pagar con la excusa de que “como no somos humanos, ni leemos ni escuchamos”. Ni pagamos. Y todo esto lo visten muy elegantemente de “por el bien de la humanidad”.
Pero al final todo acaba reducido a lo más mundano: lo hacemos para ganar dinero.
Y ahí es donde yo me pi do del lado de los autores y editores. Si esos modelos de IA van a acabar sirviendo para hacer negocio, que paguen por las fuentes utilizadas.
Me recuerda al proyecto World Brain de Google. Todo muy bonito, todo muy humanista, pero al final Google se apropiaba de los derechos de millones de obras. Porque, en definitiva, todo esto va de dinero. Sólo de dinero.
https://www.julianmarquina.es/google-y-su-intencion-de-digitalizar-todos-los-libros-del-mundo/
Todo esto no deja de recordarme el diálogo final de la película Mátalos suavemente:
https://www.imdb.com/title/tt1764234/quotes?item=qt1783166&ref_=ext_shr_lnk
– Mi amigo, Jefferson es un santo norteamericano porque escribió las palabras: «Todos los hombres son creados iguales». Palabras en las que claramente no creía, dado que permitía que sus propios hijos vivieran en esclavitud.
Él era un snob rico y blaco que estaba harto de pagar impuestos a los británicos. Así que, sí, escribió algunas palabras hermosas e incitó a las masas, que salieron y murieron por esas palabras mientras él se sentaba, bebía su vino y se follaba a su esclava.
Este tipo quiere decirme que vivimos en una comunidad. No me hagas reír. Vivo en Estados Unidos, y en Estados Unidos, estás por tu cuenta. Estados Unidos no es un país. Es sólo un negocio.
Ahora, ¡págame HdP!
Totalmente de acuerdo. Y mis dieses por mencionar ese gran monologo de Matalos suavamente.
De monólogo, nada.
Pero al final todo acaba reducido a lo más mundano: lo hacemos para ganar dinero.
Y ahí es donde yo me pi do del lado de los autores y editores. Si esos modelos de IA van a acabar sirviendo para hacer negocio, que paguen por las fuentes utilizadas.
Una clara respuesta diferente, que se aleja de considerar si es legal o no extraer digitalmente estadísticas de un texto,
¡Se hace por la pasta, no es así!.- Pues repartimos los beneficios, ¿Con los autores de los textos? NO, con la SGAE que ella repartirá los ingresos.
Una versión Luis Candelas del siglo XXI
En cierta manera, esta cuestión ya la planteaba Eugenio d’Ors en 1911: «Todo lo que no es tradición es plagio». Incluso parece que la frase está en la fachada norte del Casón del Buen Retiro en Madrid. Vía Perplexity
El principal problema es el modelo planteado de la gestión económica de la propiedad intelectual.
Debemos dejar de lado el modelo de pago por copia y pasar al mismo modelo que se utiliza en la propiedad industrial, el pago por licencia.
Escribes una obra, la registras y tienes x años de explotación económica exclusiva de la obra PARA TODO. Pasado ese plazo, decides si renuevas la licencia o si pasa al dominio público.
De ese modo, si la obra es rentable, el que tenga la licencia (autor o editorial) se preocuparan de explotarla, en caso contrario revertirá en la sociedad.
Cada vez que veo este tipo de noticias, me pregunto cuantas de las obras sobre las que los autores se tiran de los pelos porque no les han pagado sus derechos, tienen más de 20 años y es imposible encontrarlas si no rebuscas en librerías de lance o lugares de segunda mano. Y si alguien duda de esto, que busque las obras publicadas en España hace más de 20 años (se puede ver por registro de ISBN) y cuantas de ellas siguen accesibles al público.