Investigadores clave de Stable Diffusion abandonan Stability AI mientras la empresa se tambalea
Los problemas financieros de Stability AI y la marcha de investigadores clave de Stable Diffusion plantean dudas sobre la viabilidad de los modelos de negocio de IA de código abierto, aunque muchos reconocen a la empresa el mérito de haber evitado que potentes generadores de imágenes quedaran encerrados tras muros de pago propietarios. Los comentaristas debaten si entrenar modelos generativos con arte y texto sin licencia se parece a la piratería a gran escala o es comparable a cómo aprenden los humanos, con frecuentes comparaciones con fan art, Google Search y batallas pasadas por derechos de autor como Napster. Bajo la incertidumbre legal subyace una preocupación más amplia: los artistas, ya económicamente vulnerables, están viendo cómo su trabajo se usa para construir herramientas que podrían perjudicar sus medios de vida, mientras inversores y startups compiten por captar el valor resultante.
Reacciones a los problemas de Stability AI
- Algunos expresan schadenfreude, viendo las dificultades de la empresa como merecidas debido al daño percibido a los artistas.
- Otros destacan que, a pesar de los problemas empresariales y de un CEO controvertido, Stability lanzó potentes modelos abiertos que impidieron que esta tecnología quedara encerrada tras muros de pago propietarios.
- Hay curiosidad sobre si algún escándalo no revelado está impulsando la marcha de empleados e inversores, pero en el hilo no hay nada concreto.
Ética y legalidad de los datos de entrenamiento
- Muchos sostienen que la IA actual se construye sobre “piratería” a gran escala: rastrear obras protegidas por derechos de autor sin permiso ni compensación, y luego vender el acceso.
- Contraargumento: los humanos también aprenden de arte sin licencia; si los modelos son lo suficientemente “abstractos”, algunos argumentan que no deberían necesitar licencias.
- Otros rechazan esta analogía, subrayando que descargar en masa obras con copyright para productos comerciales no es lo mismo que el aprendizaje humano.
- Debate sobre los remedios: las sugerencias van desde hacer que dichos modelos sean de dominio público hasta destruir por completo los modelos infractores.
Fan art, uso legítimo y dobles raseros
- Un sector dice que gran parte de la “comunidad artística” ya vive del fan art infractor, así que su indignación ante el entrenamiento de IA es incoherente.
- Otros responden que el fan art suele ser no comercial, de bajo impacto o tolerado por los titulares de derechos, mientras que los modelos generativos son productos comerciales que compiten directamente con los creadores originales.
- Hay desacuerdo sobre cuán “comercial” es realmente el fan art y si compite de forma significativa con la propiedad intelectual original.
Impacto económico en los artistas
- Muchos ven la IA como extracción de valor sin compensación de artistas ya precarios, agravando la desigualdad y “alquilando de nuevo a nosotros nuestra mente”.
- Otros presentan la pérdida de empleo como otra ola de automatización; el foco debería estar en la reconversión laboral y las redes de seguridad, no en “nerfear” la tecnología.
- Algunos señalan que las empresas de IA siguen dependiendo de la producción artística humana continua; sobreexplotar este bien común podría volverse en su contra.
Código abierto frente a modelos cerrados y el papel de Stability
- Se elogia a Stability por lanzar modelos abiertos utilizables (SD 1.5, SDXL) que impulsan ricos ecosistemas comunitarios y flujos de trabajo locales.
- Preocupaciones: dificultades de monetización, movimientos hacia licencias más restrictivas y competencia de forks que superan al original.
- Debate sobre financiación: el entrenamiento sigue siendo caro, lo que empuja a muchos actores “abiertos” hacia un cierre parcial o hacia el “openwashing”.
Escepticismo sobre los medios y las fuentes
- Varios comentaristas desconfían de Forbes y de los medios tradicionales en general, viendo los artículos de pago y los “hit articles” como sesgados o de pago por participar.
- Se debate el uso de enlaces de archivo: útil para el acceso, pero en conflicto con las normas de HN y la capacidad de búsqueda.