La directora de tecnología de OpenAI, Mira Murati, "No está segura" sobre las fuentes de datos de entrenamiento de Sora.

Vi esa entrevista del Wall Street Journal con Mira Murati y me quedé completamente desconcertado. ¿Aquí está la CTO de una compañía de IA de $80 mil millones afirmando que "no está segura" de dónde proviene los datos de entrenamiento de su modelo de video insignia? ¡Dame un respiro!

Cuando se le preguntó si Sora fue entrenada con contenido de YouTube, Instagram o Facebook, Murati titubeó con la respuesta más evasiva que he escuchado: "En realidad, no estoy seguro de eso... si estaban disponibles públicamente—disponibles públicamente para su uso. Pero no estoy seguro. No estoy seguro de eso."

¿No estás seguro? ¿CÓMO no estás seguro? ¡Eres el maldito CTO! Esto huele a que estás haciendo el tonto deliberadamente para evitar responsabilidad legal. OpenAI ya ha sido demandada múltiples veces por supuestamente raspar contenido con derechos de autor - por autores como Sarah Silverman e incluso The New York Times.

Lo que más me enfurece es cómo se esconden detrás de una terminología vaga como "datos disponibles públicamente" y "datos con licencia." ¡Solo porque algo esté "disponible públicamente" en línea no significa que sea gratuito para usar en el entrenamiento de sistemas de IA de mil millones de dólares!

Murati ocupó brevemente el cargo de CEO interina después del despido dramático de Sam Altman en noviembre pasado. Quizás aprendió que el lenguaje corporativo es más valioso que la transparencia. Cuando el entrevistador preguntó específicamente sobre los datos de Shutterstock, Murati primero desvió la pregunta antes de confirmar más tarde que sí los utilizaron.

La verdad es que OpenAI probablemente recopiló todos los videos que pudo conseguir sin el consentimiento adecuado o compensación a los creadores. Es el procedimiento operativo estándar de la industria tecnológica: tomar primero, disculparse después (si te atrapan).

Mientras tanto, la valoración de OpenAI sigue aumentando, mientras que los creadores cuyo trabajo explotan no reciben nada. Las demandas se están acumulando, pero son solo el costo de hacer negocios para estas empresas de IA.