La captura privada del genio público

Alcance global de la compensación

• Varios comentaristas se oponen a un “fondo de corpus” solo para EE. UU., argumentando que los datos de entrenamiento y las contribuciones culturales son globales, por lo que cualquier compensación o redistribución debería ser mundial.
• Las propuestas incluyen un bien común de datos gestionado por la ONU y un gravamen global sobre las empresas de IA, con redistribución centrada en la reducción de la pobreza, pero otros señalan la falta de poder coercitivo de la ONU, la corrupción y las distorsiones políticas (por ejemplo, la exclusión de Taiwán, los regímenes autoritarios).

Mecanismos alternativos de redistribución

• Sugerencias en lugar de pagos per cápita:
  • Impuestos más altos sobre modelos de IA muy capaces para financiar infraestructura pública, atención sanitaria o un impuesto negativo sobre la renta.
  • Políticas de estilo georgista dirigidas a la tierra y otros recursos inelásticos en lugar de una RBU genérica.
• Algunos sostienen que los fondos deberían reforzar el “ecosistema del conocimiento” (publicar investigación abierta, apoyar el software libre, mantener comunidades) en lugar de pequeñas transferencias en efectivo a los ciudadanos.

Bien común del conocimiento e incentivos

• Preocupación de que la IA tanto consume como degrada el acervo público de conocimiento:
  • La web y las bases de código corren el riesgo de “colapso del modelo” a medida que el material generado por IA se reingiere.
  • Los creadores podrían dejar de publicar en abierto o de difundir si su trabajo solo enriquece a grandes laboratorios y atrae contribuciones de baja calidad impulsadas por IA.
• Otros cuestionan si el “conocimiento” en sí se ve dañado o solo ciertos modelos de negocio e ingresos.

Bien público vs captura privada

• Debate sobre si los modelos de frontera constituyen un “bien público”: son excluibles y están controlados por empresas privadas, por lo que no cumplen la definición económica estándar.
• Algunos ven los niveles de acceso gratuito actuales como marketing, no como servicio público, y quieren garantías legales o lanzamientos obligatoriamente abiertos de generaciones anteriores.

Open source, destilación y cumplimiento

• Desacuerdo sobre el papel de los modelos de pesos abiertos y realmente open source; algunos creen que su existencia depende de los grandes laboratorios de frontera, otros los ven como una difusión de beneficios.
• Propuestas para permitir legalmente la destilación sin restricciones si se permite entrenar con datos protegidos por copyright, negando en la práctica a los pesos del modelo una protección similar a la del copyright.

Copyright, legalidad y realpolitik

• Argumentos de que el entrenamiento actual de IA probablemente infringe el copyright, pero será tolerado por la competencia geopolítica (“si no lo hacemos nosotros, lo harán otros”).
• Debate sobre el uso legítimo: capacidad de producir obras similares frente al daño al mercado, con la preocupación de que la IA pueda destruir mercados para las obras originales y obligar a cambiar la ley.

Importancia de la IA e “inteligencia”

• Debate en curso sobre si los LLM muestran inteligencia general real o si son sofisticados detectores de patrones que carecen de modelos del mundo y de razonamiento genuino.
• Algunos esperan que los LLM se conviertan en una utilidad básica; otros creen que su importancia social está sobrevalorada en comparación con cuestiones como el comercio, la demografía o el clima.