{"id":73680,"date":"2024-06-26T19:12:42","date_gmt":"2024-06-27T01:12:42","guid":{"rendered":"http:\/\/mickyandoniehn.com\/radio\/2024\/06\/26\/hay-companias-entrenando-sus-modelos-de-ia-con-reddit-sin-permiso-la-plataforma-acaba-de-declararles-la-guerra\/"},"modified":"2024-06-26T19:12:42","modified_gmt":"2024-06-27T01:12:42","slug":"hay-companias-entrenando-sus-modelos-de-ia-con-reddit-sin-permiso-la-plataforma-acaba-de-declararles-la-guerra","status":"publish","type":"post","link":"https:\/\/mickyandoniehn.com\/radio\/2024\/06\/26\/hay-companias-entrenando-sus-modelos-de-ia-con-reddit-sin-permiso-la-plataforma-acaba-de-declararles-la-guerra\/","title":{"rendered":"Hay compa\u00f1\u00edas entrenando sus modelos de IA con Reddit sin permiso: la plataforma acaba de declararles la guerra"},"content":{"rendered":"<\/p>\n

Las compa\u00f1\u00edas de inteligencia artificial (IA) est\u00e1n hambrientas de datos para entrenar sus modelos. Una de las alternativas que m\u00e1s utilizan para saciar este apetito es el\u00a0web scraping<\/em>, una t\u00e9cnica que permite extraer y almacenar\u00a0informaci\u00f3n p\u00fablica<\/strong> de p\u00e1ginas web a diestra y siniestra. La mayor\u00eda de las veces esta actividad se realiza sin el consentimiento de los creadores o los licenciatarios del contenido, por lo que no existe pago alguno de por medio.<\/p>\n

Reddit ha anunciado<\/a>\u00a0una medida para frenar el\u00a0web scraping<\/em>\u00a0no deseado. La plataforma, que es el hogar de millones de conversaciones sobre una amplia variedad de temas catalogadas en subreddits, impedir\u00e1 que compa\u00f1\u00edas no autorizadas puedan utilizar su contenido p\u00fablico. Se trata de un cambio a nivel de\u00a0backend<\/em>, espec\u00edficamente en el protocolo de exclusi\u00f3n del archivo robots.txt, que se pondr\u00e1 en marcha \u201cen las pr\u00f3ximas semanas\u201d.<\/p>\n

Reddit, en pie de guerra con los web scrapers<\/h2>\n

El mencionado movimiento busca restringir el acceso al contenido de la firma liderada por Steve Huffman para aquellos actores que\u00a0no tienen un acuerdo con la plataforma<\/strong>. Durante los \u00faltimos meses, recordemos, hemos sido testigos de como gigantes tecnol\u00f3gicos como OpenAI, propietario de\u00a0ChatGPT<\/a>, y Google, creador de\u00a0Gemini<\/a>,\u00a0han formalizado alianzas con Reddit<\/a>. En otras palabras, si no tienes un acuerdo, te quedas sin acceder a los datos.<\/p>\n

Los cambios anunciados este mi\u00e9rcoles se han visto reflejados en la\u00a0Pol\u00edtica de contenido p\u00fablico<\/a>\u00a0de la plataforma. Cabe se\u00f1alar que, aunque la compa\u00f1\u00eda le est\u00e1 declarando la guerra a los\u00a0web scrapers<\/em>\u00a0promete seguir ofreciendo sus contenidos a investigadores y acad\u00e9micos. La plataforma tambi\u00e9n dice que garantizar\u00e1 el acceso a moderadores y organizaciones como Internet Archive, que busca preservar los contenidos en l\u00ednea.<\/p>\n

\n
<\/div>\n<\/div>\n

En el mundo de la IA que estamos viviendo no solo importa el texto, sino tambi\u00e9n las im\u00e1genes, la m\u00fasica o los v\u00eddeos. Durante mucho tiempo, como hemos visto, las compa\u00f1\u00edas\u00a0han \u201craspado\u201d la web<\/strong>\u00a0para alimentar sus modelos con contenido de todo tipo. Firmas como OpenAI, no obstante, son esquivas a responder detallar de d\u00f3nde provienen los datos que utilizan, y se\u00f1alan que utilizan\u00a0contenido con licencia, mediante acuerdo, y contenido \u201cdisponible p\u00fablicamente\u201d<\/a>.<\/p>\n

Lo mencionado, sin embargo, no ha impedido que un gigante como The New York Times\u00a0demande por infracci\u00f3n de derechos de autor<\/a>\u00a0a Microsoft y OpenAI. O que discogr\u00e1ficas como Sony Music, Warner Music y Universal Music\u00a0inicien una batalla legal contra los generadores de m\u00fasica Suno AI y Udio<\/a>\u00a0por aparentemente utilizar sus canciones. Estamos presenciando en directo la batalla por los datos para alimentar a la IA. Con el tiempo sabremos c\u00f3mo acabar\u00e1 todo esto.<\/p>\n","protected":false},"excerpt":{"rendered":"

Las compa\u00f1\u00edas de inteligencia artificial (IA) est\u00e1n hambrientas de datos para entrenar sus modelos. Una de las alternativas que m\u00e1s utilizan para saciar este apetito es el\u00a0web scraping, una t\u00e9cnica que permite extraer y almacenar\u00a0informaci\u00f3n p\u00fablica de p\u00e1ginas web a diestra y siniestra. La mayor\u00eda de las veces esta actividad se realiza sin el consentimiento …<\/p>\n","protected":false},"author":0,"featured_media":73681,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[5],"tags":[],"class_list":["post-73680","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-noticias"],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/mickyandoniehn.com\/radio\/wp-content\/uploads\/2024\/06\/500_333-R4O0NP.jpeg","_links":{"self":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/73680","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/comments?post=73680"}],"version-history":[{"count":0,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/73680\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media\/73681"}],"wp:attachment":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media?parent=73680"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/categories?post=73680"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/tags?post=73680"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}