Anthropic entrenó a Claude con libros de profesores de Stanford obtenidos ilegalmente
El uso por parte de Anthropic de copias pirateadas de libros de profesores de Stanford para entrenar sus modelos de IA Claude ha reavivado el debate sobre copyright, equidad y dobles raseros en tecnología. Los comentaristas señalan que una sentencia reciente consideró uso legítimo el entrenamiento con libros adquiridos legalmente, mientras sancionó a Anthropic con 1.500 millones de dólares por descargar obras de bibliotecas sombra como LibGen. Muchos sostienen que esto revela un sistema en el que las grandes empresas de IA pueden infringir reglas y pagar acuerdos mientras las personas individuales afrontan una dura persecución, y surgen preguntas más amplias sobre si el copyright y los ideales de “la información quiere ser libre” pueden coexistir en la era del entrenamiento de IA a gran escala.
Título, legalidad y hallazgos judiciales
- Muchos señalan que el titular original era engañoso: el tribunal concluyó que entrenar con libros adquiridos legalmente constituye uso legítimo; la ilegalidad fue obtener libros electrónicos pirateados (p. ej., de LibGen).
- El gran acuerdo fue por infracción de copyright en la adquisición/almacenamiento, no por el acto de entrenar el modelo en sí.
- Algunos ven el cambio de título (“entrenado ilegalmente” → “obtenido ilegalmente”) como una insinuación de que entrenar con datos obtenidos ilegalmente aún podría ser legal; otros consideran que esto no está claro.
Piratería vs. uso legítimo en el entrenamiento de IA
- Un sector dice que la distinción es irrelevante: piratear libros “para estudiarlos” sigue siendo piratería y debería contaminar a los modelos resultantes.
- Otro sector subraya la línea legal: el uso legítimo solo se aplica a copias obtenidas legalmente; descargar de bibliotecas pirata es una falta distinta.
- Debate sobre la práctica actual: comprar grandes lotes de libros usados y escanearlos “parece ser legal”.
- Varios señalan que los LLM a veces pueden reproducir textualmente datos de entrenamiento, lo que debilita las afirmaciones de que nada se “copia”.
Comparaciones con Aaron Swartz y la CFAA
- Un largo subhilo contrapone la dura persecución penal de una persona por descargar en masa PDFs académicos con un acuerdo civil por piratería masiva de libros por parte de una empresa.
- Algunos enfatizan las diferencias legales: la CFAA cubre el acceso no autorizado a sistemas, no la simple descarga desde sitios pirata.
- Otros se centran en la desigualdad moral y estructural: a individuos se les amenazan décadas de prisión, mientras que las corporaciones escriben cheques grandes.
- Debate sobre si usar teorías al estilo Swartz para perseguir penalmente a ejecutivos de IA corregiría una injusticia o consolidaría un mal precedente.
Copyright, moralidad y “la información quiere ser libre”
- Fuertes voces anticopyright sostienen que el conocimiento debería compartirse libremente, que los profesores son guardianes del acceso y que la “propiedad intelectual” es ilegítima.
- Otros defienden el copyright como algo con base constitucional y necesario para compensar a los autores; les preocupa que el entrenamiento de IA sin pago erosione los incentivos para crear.
- La afirmación de que usar obras de autores sin pagar es “trabajo esclavo” es ampliamente criticada como hiperbólica u ofensiva, aunque algunos empatizan con la sensación de perder el control sobre la propia obra.
Impactos económicos y competitivos
- Preocupa que reglas estrictas sobre la adquisición pero un uso legítimo amplio para el entrenamiento creen un foso para los laboratorios bien financiados que pueden comprar/escanear enormes corpus.
- Algunos temen que los LLM sustituyan a los libros, socavando los medios de vida de los autores; otros señalan que la gente sigue comprando libros a pesar de décadas de piratería e información gratuita en línea.
- Unos pocos ven a los LLM como “máquinas de lavado de propiedad intelectual”; otros los reciben como una forma de democratizar el acceso al conocimiento.
Justicia, aplicación y remedios deseados
- Tema recurrente: doble rasero en la aplicación —“reglas para el ciudadano pequeño, acuerdos para los ricos”.
- Algunos argumentan que esto debería desencadenar causas penales/RICO, retirada de modelos, reentrenamiento bajo auditorías estrictas o incluso nacionalización.
- Otros advierten contra la sobrercriminalización y sostienen que deberíamos corregir las malas leyes en lugar de ampliar precedentes punitivos.