IA, autoría y creatividad: ¿batalla sin fin o redefinición necesaria?

Alejandro Urueña
Ética e Inteligencia Artificial (IA) - Founder & CEO Clever Hans Diseño de Arquitectura y Soluciones en Inteligencia Artificial. Magister en Inteligencia Artificial.

María S. Taboada
Lingüista y Mg. en Psicología Social. Prof. de Lingüística General I y Política y Planificación Lingüísticas de la Fac. de Filosofía y Letras de la UNT.

En los últimos tiempos vemos multiplicarse las demandas y juicios a las empresas tecnológicas sobre  derechos de autor y propiedad intelectual. En otros artículos hemos señalado que el concepto actual de autor como creador, “dueño” de la obra, vinculado al de la propiedad intelectual, emerge cuando la imprenta posibilita transformaciones en la edición y distribución de las creaciones. Con la imprenta, las obras saltan el cerco del manuscrito, se reproducen en escala y se constituyen en mercancía (de ahí el concepto de propiedad). A la vez, la imprenta abre la puerta de acceso al conocimiento y al arte a grandes sectores, democratizando el saber.

La IA constituye un segundo hito que hace explotar las dimensiones conceptuales, éticas y legales del concepto de autor y de creación, que hace 500 años (en el mundo llamado “occidental”) reinauguró la imprenta. La creación puede no sustanciarse en el continente del objeto material libro/ obra de arte, sino que vuelve a saltar el cerco para circular digitalmente en el mundo, en principio infinito,  de la web e internet. Y ese territorio “abierto” permite a las empresas hacer uso de todos los datos, estén protegidos o no, para el entrenamiento de la IA y sus incesantemente renovados algoritmos. ¿Qué pasa entonces con el estatuto de los autores de esos datos? ¿La IA (y las empresas por detrás) son ahora los autores? La cuestión se complejiza aún más porque entre los autores originarios de “los datos” y el producto final, hay multitud de  personas que trabajan, con muy bajos salarios, para el etiquetado de esos datos sin un reconocimiento de la ardua tarea intelectual que ello implica. ¿Éstos que han sido designados como “trabajadores fantasmas”, precisamente por su invisibilización y anonimato, son parte del “proceso de autoría” de la IA, si puede calificarse como tal?

Un interrogante ineludible es: qué es lo que se entiende por autor. Aunque parezca una pregunta obvia, precisamente en su obviedad está el desafío. ¿Cómo se vincula hoy en el espacio digital el  concepto de autor con el de propiedad intelectual (PI)?

Micaeal Mantegna ha desarrollado en un artículo publicado en  The Yale Law Journal un análisis de la complejidad de la problemática actual  https://www.yalelawjournal.org/forum/artificial-why-copyright-is-not-the-right-policy-tool-to-deal-with-generative-ai. Señala que el derecho de autor tiene como objetivo proteger los derechos de los creadores al consentimiento, atribución y compensación. Se funda entonces en la idea de que el autor es el “dueño” del producto de su trabajo, que tiene características peculiares: creatividad, originalidad y apreciación artística (esta última, en el caso de las obras de ese campo). Estos rasgos fundamentan la PI. Pero, como señala lúcidamente la autora: “la PI ya no es un área nicho del derecho diseñada para regular las relaciones entre autores y editores. Se ha vuelto omnipresente en nuestra sociedad digital.”

La inteligencia artificial generativa (GAI) ahonda aún más la problemática porque hay que decidir si lo que produce el modelo de IA es una copia o una nueva creación con rasgos de originalidad frente a los datos de base. Demás está decir que se debería explicitar cuáles, de dónde y de quiénes son los datos de base. Del lado de las empresas se argumenta que estos datos se cuentan por millones y que si se reconocen específicamente las fuentes, el avance de los modelos sería imposible. Por otra parte, con  la GAI  emerge el objetivo de “crear nuevos datos” pero “para ser útiles, los datos sintéticos no deben ser simplemente información aleatoria, sino datos que puedan simular la pertenencia a un determinado grupo”. Volvemos entonces al punto de partida: la serpiente se muerde la cola.

Para desmitificar este proceso, es útil entender, aunque sea a nivel macro, cómo operan estos modelos. El núcleo de esta ingeniería se puede resumir en la frase “La letra más cara del mundo: W, (weights). La ingeniería oculta que desafía la creatividad y la propiedad intelectual en los modelos de lenguaje generativo, como GPT, Claude o Gemini entre otros, se basa en redes neuronales profundas del tipo transformer, presentadas en el célebre paper “Attention is All you Need”. A diferencia de los enfoques secuenciales clásicos que podían acarrear  errores en los resultados, el transformer aplica mecanismos de atención que ponderan la relevancia contextual de cada término, aun a largas distancias, y aprende a predecir la siguiente palabra probable tras haber ingerido billones de fragmentos de texto convertidos en vectores en un espacio semántico de alta dimensión. Su capacidad de generar respuestas útiles se perfecciona en una fase posterior al pre-entrenamiento, que usualmente combina un ajuste fino supervisado  con un alineamiento mediante aprendizaje por refuerzo con retroalimentación humana según el modelo, como se detalla en el paper de InstructGPT. De este modo, millones o billones de parámetros se optimizan para imitar la coherencia, el estilo y las inferencias humanas. Los modelos no “entienden”, pero su precisión estadística lo hace parecer.

Dentro del LLM, cada token atraviesa un pipeline de procesamiento profundo. La arquitectura se organiza en módulos clave: una capa inicial de embeddings que convierte texto en vectores, seguida de una pila de bloques transformer. Cada uno de estos bloques contiene subcapas esenciales, principalmente un mecanismo de multi-atención y una red neuronal feed-forward, interconectadas con normalización y conexiones residuales. Esta estructura, organizada en codificadores (encoders), decodificadores (decoders) o ambos, permite recombinar patrones con sorprendente fluidez. Sin embargo, como recuerdan los experimentos de “Sparks of AGI” y los más recientes estudios sobre Modelos de Lenguaje Auto-Recompensados , esa recombinación no equivale a creatividad humana: la “autoría” sigue siendo una coproducción de datos de ingenieros y miles de etiquetadores invisibles.

El elemento más caro y crítico es la “W” de weights (pesos), las matrices numéricas que codifican todas esas relaciones aprendidas entre tokens. Afinar las matrices W exige semanas de cómputo en clusters de GPUs como las Nvidia con gran eficacia y eficiencia. Lograr que esos pesos generalicen de forma robusta sin caer en el sobreajuste (overfitting) es un arte algorítmico que combina descenso de gradiente, regularización y las ya mencionadas técnicas de ajuste fino. Así, la eficiencia real de un modelo no depende solo de su arquitectura o del volumen de datos, sino de la calibración precisa de esas gigantescas matrices W: el alma invisible y multimillonaria que convierte distribuciones de probabilidad en lenguaje con sentido.

Siguiendo con el  orden de ideas de este pequeño ensayo, el concepto de creatividad se vincula estrechamente al de originalidad: gestar algo innovador. Es cierto que el conocimiento y la producción humana nunca nacen de la nada, pero no es menos cierto que explicitar el precedente o la fuente permite precisamente visibilizar esa dialéctica entre originalidad y continuidad y evitar las tergiversaciones. En esta línea, Margaret Boden, citada -en el artículo mencionado inicialmente- como  una de las principales especialistas en creatividad e IA, considera tres tipos de creatividad:  combinacional (hacer combinaciones desconocidas de ideas familiares), exploratoria (explorar los límites de los espacios conceptuales) y transformacional (cambios de paradigma trascendentales frente a lo que se conocía antes). De acuerdo con esta tipología, la IA sería creativa en las dos primeras dimensiones que, de todos modos, parecen confundir “creatividad” con “metodología de procesamiento” porque no concluyen -desde decisiones autónomas- en la innovación, el cambio, la transformación o la originalidad en el producto que surge de esos procedimientos.

La clasificación de Baden conduce a uno de los ejes del debate en torno a la autoría y la IA: ¿es una herramienta -tecnología en sentido estricto- o es una creadora con la capacidad de autonomía originaria y original del humano?

Quienes se sitúan más cercanos a las orillas de la IA sostienen que estamos encerrados en cosmovisiones antropocéntricas que es necesario deconstruir. ¿Habría entonces que abandonar las categorías éticas, refundarlas y, con ellas,  redefinir el derecho y los derechos?,¿sobre qué bases?

Tránsitos y precedentes  legales

En los últimos días se han difundido en diversos sitios de la web https://www.lanacion.com.ar/estados-unidos/juez-de-eeuu-desestima-que-meta-violara-derechos-de-autor-al-entrenar-a-su-ia-nid26062025 fallos que desestiman las acusaciones de violaciones al derecho de autor por parte de las empresas de IA. Los fundamentos se centran en que el resultado del entrenamiento es transformador, aunque los mismos jueces advierten que la permisividad podría producir una cantidad ilimitada de obras competidoras que dañen el mercado de los libros y a sus autores.

A esos fallos se suma el hecho que la oficina de derechos de autor de EEUU ha reconocido el derecho de autoría de la IA sobre la obra A Single Piece of Cheese,  en la que destaca la coordinación y disposición de los elementos que la asemejan a una obra humana. Precisamente este último es uno de criterio que la Oficina emplea para rechazar o aceptar obras generadas por IA https://elzaburu.com/eeuu-otorga-derechos-autor-imagen-generada-por-ia/

Los criterios para la decisión son similares a los enunciados por Baden, se refieren a la distribución y organización de los elementos, lo que hace esta obra semejante a las humanas. ¿La creatividad humana implicaría entonces esos dos parámetros? ¿Un poema, una novela, una escultura, una pintura, una obra arquitectónica se reducen a la distribución y organización de elementos? ¿Se tratará de antropocentrismo o de iacentrismo?

La IA coloca entre las cuerdas una serie de conceptos que hasta el presente parecían claros e irrefutables. En el centro de la polémica está el de creatividad, hasta ahora capacidad específicamente humana, como las de pensamiento, racionalidad e inteligencia. ¿Deberemos multiplicar las acepciones de cada término sin más, incluyendo a la capacidad ética?

Las múltiples aristas de la problemática nos conducen a insistir en el desafío urgente de redefinir las características y por lo tanto las categorías de lo humano y de la humanidad y establecer límites claros con lo “artificial”: diferenciar y no confundir (o fundir)  agregando adjetivos a los atributos humanos (inteligencia artificial, redes neuronales artificiales, etc). No se trata de una polémica teórica sin consecuencias. Para sólo citar una de las tantas (sobre la   que hemos escrito en otra columna): las perturbaciones psicológicas que genera la interacción con los modelos aduladores de chatbots o con los (una vez más atribuidos) “humanos sintéticos”.  Redefinir, reconceptualizar no puede anclarse en presupuestos que parecen resolverse agregando el adjetivo artificial o sintético;  implica analizar, cotejar  los conceptos en el contexto de nuestras condiciones histórico sociales, de las producciones culturales, científicas y tecnológicas  e  interpretarlos innovadoramente  a la luz de las complejas relaciones del presente.