Gigantes da IA ​​aprendem o que todos os outros na internet moderna já sabem

Anthropic, OpenAI e Google estão descobrindo o que o resto da internet já aprendeu por meio de experiências dolorosas: ao colocar algo online, não há mais nenhum controle sobre isso.

Eis aqui uma deliciosa ironia da IA para você. Durante anos, gigantes da tecnologia argumentaram que, se uma informação está disponível na internet, ela pode ser usada para o desenvolvimento e geração de modelos de IA. Eles chamam isso de uso justo ou fair use. Os detentores dos direitos autorais tentaram impedir isso, sem sucesso.

Agora, a Anthropic, a OpenAI e o Google estão descobrindo o que o resto da internet já aprendeu por meio de experiências dolorosas: uma vez que você coloca algo online, as pessoas encontrarão maneiras de usá-lo de formas que você não gosta e não pode impedir.

O ponto de conflito mais recente é algo chamado “destilação”, que consiste em usar os resultados de um modelo de IA para aprimorar outro. A Anthropic afirma que concorrentes estão colhendo seus resultados em larga escala, transformando bilhões de dólares em pesquisa em um atalho para rivais. A OpenAI e o Google fizeram alertas semelhantes recentemente.

O receio é óbvio. Por que gastar bilhões construindo os melhores modelos de IA se outra pessoa pode recriar grande parte dessa inteligência por uma fração do custo?

Essa é uma preocupação comercial legítima. Mas aqui está a parte constrangedora.

A grande ironia

De uma perspectiva geral, a destilação parece muito com o que as empresas de IA vêm fazendo com o resto da internet. Extraem conteúdo da web gratuitamente (e sem permissão) e o transformam em um produto para venda alegando que isso recai sobre o uso justo. Esperam que os advogados resolvam os detalhes depois.

A Anthropic afirma que concorrentes estão extraindo informações de seus modelos principais. Proprietários de sites passaram os últimos três anos alegando que a Anthropic extraiu informações deles. Ambos os lados argumentam que isso viola seus termos de serviço. A simetria é difícil de ignorar.

E apesar de se apresentar como a empresa de IA mais ética, a Anthropic é de longe a pior nesse quesito. Seus bots que coletam dados rastreiam páginas da web milhares de vezes para cada referência que a empresa envia de volta para a internet.

A Anthropic, a OpenAI e, principalmente, o Google, enquadram isso como um problema de segurança cibernética, apontando para enxames de bots “atacando” seus modelos para extrair informações. Mas eles têm feito o mesmo com muitos sites, bombardeando-os com tanta atividade de rastreamento de bots que os proprietários dos sites viram seus custos operacionais dispararem . Alguns sites não só têm seu conteúdo usado sem permissão, como também estão pagando mais por isso.

Pesquisadores de IA afirmam que a destilação é diferente da extração de dados da web. Mas a indústria de IA sequer consegue decidir se a destilação é aceitável ou não, ou onde traçar a linha divisória.

​Existe a forma original e benigna de destilação, onde os laboratórios usam os resultados de seus próprios modelos para criar modelos diferentes, geralmente menores. Depois, há o que a Anthropic chama de “ataques de destilação”, onde os concorrentes usam os resultados de IA de outras pessoas para desenvolver ou aprimorar suas próprias ofertas.

Mesmo aqui, porém, as linhas se confundem, com alguns pesquisadores de IA agora preocupados com o fato de a postura agressiva da Anthropic prejudicar todos os tipos de destilação. O especialista em IA de código aberto Nathan Lambert chama isso de “pânico da destilação”.

Então, para resumir, da perspectiva das gigantes da IA: elas podem extrair informações da web gratuitamente e sem permissão. Isso é diferente de destilação, o que é aceitável. Mas não quando a destilação envolve usar o conteúdo delas de maneiras que elas não aprovam.

Gato e rato

Esse argumento distorcido está sendo demolido pelas brutais realidades da internet moderna. A Anthropic passou meses restringindo o acesso aos seus melhores modelos para impedir que concorrentes aprendessem demais. Esses esforços ou se mostraram contraproducentes ou estão apenas incentivando soluções alternativas mais elaboradas.

Uma vez que a informação entra na internet, pessoas inteligentes descobrem como coletá-la, remixá-la e lucrar com ela. Isso vale para blogs, fotos, código de software, vídeos e, sim, para os preciosos resultados dos modelos das gigantes da IA.

“É sempre uma espécie de jogo de gato e rato”, disse Zilan Qian, pesquisadora do Oxford China Policy Lab. Enquanto os resultados dos modelos de IA estiverem disponíveis, “provavelmente as pessoas encontrarão uma maneira de acessá-los”.

Bem-vindos à nova internet, Anthropic, OpenAI e Google. Acostumem-se.

Se você trabalha com IA, um tablet eficiente faz toda a diferença. Caso esteja pensando em trocar o seu, o Tablet Samsung Galaxy TAB A11+ é uma das melhores opções atualmente no mercado. Compre com desconto neste link.

Quando você compra usando nossos links, você apoia o Futuro Guiado e isso não afeta a nossa independência editorial.