\n
Casi un mill\u00f3n de libros publicados inclusive en una \u00e9poca tan antigua como el siglo XV<\/strong> \u2013y en 254 idiomas\u2013 forman parte de una colecci\u00f3n de la Universidad de Harvard<\/strong> que se comparti\u00f3 <\/strong>recientemente con investigadores. Pr\u00f3ximamente tambi\u00e9n se incluir\u00e1n tesoros de peri\u00f3dicos antiguos y documentos gubernamentales en poder de la biblioteca p\u00fablica de Boston.<\/strong><\/p>\n<\/div>\n\n
Abrir las b\u00f3vedas para tener acceso a tomos centenarios podr\u00eda suponer una fortuna de datos para las empresas de tecnolog\u00eda que enfrentan demandas de novelistas, artistas visuales y otros<\/strong> cuyas obras creativas han utilizado sin su consentimiento <\/strong>para entrenar a chatbots de IA.<\/p>\n<\/div>\n
Dominio p\u00fablico<\/h2>\n<\/p>\n\n
\u201cEs una decisi\u00f3n prudente comenzar con la informaci\u00f3n de dominio p\u00fablico<\/strong>, porque eso es menos controversial en este momento que el contenido que todav\u00eda tiene derechos de autor\u201d, expres\u00f3 Burton Davis, abogado general adjunto de Microsoft.<\/p>\n<\/div>\n\n
Davis indic\u00f3 que las bibliotecas tambi\u00e9n resguardan \u201denormes cantidades de datos culturales, hist\u00f3ricos y ling\u00fc\u00edsticos interesantes\u201d<\/strong>, ausentes en las \u00faltimas d\u00e9cadas de comentarios en l\u00ednea de los que los chatbots de IA han aprendido en su mayor\u00eda. Los temores a quedarse sin informaci\u00f3n tambi\u00e9n han llevado a los desarrolladores de IA a recurrir a datos \u201csint\u00e9ticos\u201d, creados por los propios chatbots y de menor calidad.<\/p>\n<\/div>\n\n
Con el apoyo de \u201cobsequios sin restricciones\u201d de Microsoft y OpenAI \u2013el fabricante de ChatGPT\u2013, la Iniciativa de Datos Institucionales con sede en Harvard est\u00e1 trabajando con bibliotecas y museos de todo el mundo<\/strong> sobre c\u00f3mo hacer que sus colecciones hist\u00f3ricas est\u00e9n listas para la IA de una manera que tambi\u00e9n beneficie a las comunidades a las que atienden.<\/p>\n<\/div>\n\n
\u201cEstamos tratando de trasladar parte del poder que en este momento est\u00e1 en manos de la IA de vuelta a estas instituciones\u201d, manifest\u00f3 Aristana Scourtas, quien dirige la investigaci\u00f3n en el Laboratorio de Innovaci\u00f3n de Bibliotecas de la Facultad de Derecho de Harvard<\/strong>. \u201cLos bibliotecarios siempre han sido los administradores de los datos y la informaci\u00f3n\u201d.<\/p>\n<\/div>\nChatbots. Archivo Clar\u00edn.<\/span><\/button><\/span><\/picture><\/div>\n\n
El conjunto de datos que reci\u00e9n public\u00f3 Harvard, Institutional Books 1.0, contiene m\u00e1s de 394 millones de p\u00e1ginas de papel escaneadas<\/strong>. Una de las obras m\u00e1s antiguas es del siglo XV: las reflexiones escritas a mano de un pintor coreano sobre el cultivo de flores y \u00e1rboles. La mayor concentraci\u00f3n de obras es del siglo XIX, sobre temas como literatura, filosof\u00eda, derecho y agricultura, todas ellas meticulosamente conservadas y organizadas por generaciones de bibliotecarios.<\/p>\n<\/div>\n
Mejorar la precisi\u00f3n<\/h2>\n<\/p>\n\n
Promete ser muy beneficioso para los desarrolladores de IA que intentan mejorar la precisi\u00f3n y confiabilidad de sus sistemas.<\/strong><\/p>\n<\/div>\n\n
\u201cMuchos de los datos que se han utilizado en la capacitaci\u00f3n en IA no provienen de fuentes originales\u201d,<\/strong> se\u00f1al\u00f3 el director ejecutivo de la iniciativa de datos, Greg Leppert, quien tambi\u00e9n es jefe de tecnolog\u00eda en el Berkman Klein Center for Internet & Society de Harvard, un organismo enfocado en el estudio del ciberespacio. Esta colecci\u00f3n de libros cubre \u201chasta la copia f\u00edsica que escanearon las instituciones que, de hecho, reunieron dichos materiales\u201d, agreg\u00f3.<\/p>\n<\/div>\n\n
Antes de que ChatGPT desencadenara un frenes\u00ed comercial por la inteligencia artificial, a la mayor\u00eda de los investigadores de IA no les interesaba mucho la procedencia de los pasajes de texto que extra\u00edan de Wikipedia,<\/strong> de foros de redes sociales como Reddit y, a veces, de amplios dep\u00f3sitos de libros pirateados<\/strong>. S\u00f3lo necesitaban lo que los especialistas en inform\u00e1tica llaman tokens: unidades de datos, cada una de las cuales puede representar el fragmento de una palabra.<\/p>\n<\/div>\nChatbots.REUTERS\/Dado Ruvic\/Illustration<\/span><\/button><\/span><\/picture><\/div>\n\n
La nueva colecci\u00f3n de capacitaci\u00f3n en IA de Harvard tiene un estimado de 242 mil millones de tokens, una cantidad que es dif\u00edcil de comprender para los humanos<\/strong>, pero que sigue siendo s\u00f3lo una gota de lo que se est\u00e1 introduciendo en los sistemas de IA m\u00e1s avanzados. Por ejemplo, la empresa matriz de Facebook, Meta, ha dicho que la \u00faltima versi\u00f3n de su amplio modelo de lenguaje de IA fue entrenada con m\u00e1s de 30 billones de tokens extra\u00eddos de texto, im\u00e1genes y videos.<\/p>\n<\/div>\n\n
Meta tambi\u00e9n hace frente a una demanda de la comediante Sarah Silverman y de otros autores con obras publicadas que acusan a la compa\u00f1\u00eda de robar sus libros a partir de \u201cbibliotecas fantasma\u201d de obras pirateadas.<\/strong><\/p>\n<\/div>\n\n
Ahora, con algunas reservas, las bibliotecas reales est\u00e1n imponiendo sus condiciones.<\/p>\n<\/div>\n
Violaciones de derechos de autor<\/h2>\n<\/p>\n\n
OpenAI, que tambi\u00e9n est\u00e1 enfrentando una serie de demandas por violaciones de derechos de autor,<\/strong> don\u00f3 50 millones de d\u00f3lares este a\u00f1o a un grupo de instituciones de investigaci\u00f3n, incluida la Biblioteca Bodleian de 400 a\u00f1os de antig\u00fcedad, perteneciente a la Universidad de Oxford, que est\u00e1 digitalizando libros raros y usa IA para transcribirlos.<\/p>\n<\/div>\n\n
Cuando la compa\u00f1\u00eda contact\u00f3 por primera vez a la Biblioteca P\u00fablica de Boston, una de las m\u00e1s grandes de Estados Unidos, la biblioteca especific\u00f3 claramente que cualquier informaci\u00f3n que digitalizara estar\u00eda disponible para todo el mundo<\/strong>, comparti\u00f3 Jessica Chapel, su directora de servicios digitales y en l\u00ednea.<\/p>\n<\/div>\n\n
\u201cOpenAI ten\u00eda este inter\u00e9s en cantidades masivas de datos de entrenamiento. Nosotros tenemos inter\u00e9s en cantidades masivas de objetos digitales. As\u00ed, este parece ser un caso en el que los intereses est\u00e1n coincidiendo<\/strong>\u00ab, expres\u00f3 Chapel.<\/p>\n<\/div>\n\n
La digitalizaci\u00f3n es costosa. <\/strong>Por ejemplo, para la biblioteca de Boston ha sido un trabajo meticuloso escanear y organizar docenas de peri\u00f3dicos en franc\u00e9s de Nueva Inglaterra que se distribuyeron ampliamente a fines del siglo XIX y principios del XX entre las comunidades de inmigrantes canadienses de Quebec. Ahora que dicho texto se utiliza para entrenar IA, ayuda a financiar proyectos que los bibliotecarios quieren hacer de todos modos.<\/p>\n<\/div>\nChatbots.REUTERS\/Dado Ruvic\/Illustration<\/span><\/button><\/span><\/picture><\/div>\n\n
La colecci\u00f3n de Harvard ya se hab\u00eda empezado a digitalizar desde el 2006<\/strong> para otro gigante tecnol\u00f3gico, Google, en su controvertido proyecto de crear una biblioteca en l\u00ednea con capacidad de b\u00fasqueda de m\u00e1s de 20 millones de libros.<\/p>\n<\/div>\n\n
Google pas\u00f3 a\u00f1os defendi\u00e9ndose de demandas de autores por su biblioteca en l\u00ednea<\/strong>, que inclu\u00eda muchas obras m\u00e1s nuevas y con derechos de autor. Por fin se solucion\u00f3 en 2016, cuando la Corte Suprema de Estados Unidos dio el visto bueno a fallos de tribunales inferiores que rechazaron reclamos por infracci\u00f3n de derechos de autor.<\/p>\n<\/div>\n
95 a\u00f1os de protecci\u00f3n<\/h2>\n<\/p>\n\n
Ahora, por primera vez, Google ha trabajado con Harvard para extraer vol\u00famenes de Google Books que son del dominio p\u00fablico<\/strong> y allanar el camino para compartirlos con los desarrolladores de IA. Las protecciones de derechos de autor en Estados Unidos suelen durar 95 a\u00f1os, y m\u00e1s tiempo para las grabaciones de sonido.<\/p>\n<\/div>\n\n
La nueva iniciativa fue aplaudida por el mismo grupo de autores que demand\u00f3 a Google por su proyecto de libros y que m\u00e1s recientemente ha llevado a empresas de IA a los tribunales.<\/p>\n<\/div>\n
\n
\u201cMuchos de estos t\u00edtulos s\u00f3lo existen en los estantes de las principales bibliotecas, y la creaci\u00f3n y el uso de este conjunto de datos ampliar\u00e1 el acceso a estos vol\u00famenes y al conocimiento que contienen\u201d, manifest\u00f3 en un comunicado Mary Rasenberger, directora ejecutiva de la Asociaci\u00f3n de Escritores. \u201cSobre todo, la creaci\u00f3n de un extenso conjunto de datos jur\u00eddicos para capacitaci\u00f3n democratizar\u00e1 la creaci\u00f3n de nuevos modelos de IA\u201d.<\/p>\n<\/div>\n
Fotograf\u00eda cedida por Google donde se muestra las dos p\u00e1ginas de entradas de Gemini, el chatbot con inteligencia artificial (IA) de Google. EFE\/Google <\/span><\/button><\/span><\/picture><\/div>\n\n
Queda por verse qu\u00e9 tan \u00fatil ser\u00e1 todo esto para la pr\u00f3xima generaci\u00f3n de herramientas de IA<\/strong>, a medida que los datos se comparten en la plataforma Hugging Face, que alberga conjuntos de datos y modelos de IA de c\u00f3digo abierto que cualquier persona puede descargar.<\/p>\n<\/div>\n\n
La colecci\u00f3n de libros es m\u00e1s diversa ling\u00fc\u00edsticamente que las fuentes de datos caracter\u00edsticas de IA. Menos de la mitad de los vol\u00famenes est\u00e1n en ingl\u00e9s, aunque los idiomas europeos siguen predominando, en particular el alem\u00e1n, el franc\u00e9s, el italiano, el espa\u00f1ol y el lat\u00edn.<\/p>\n<\/div>\n
Inmensamente crucial<\/h2>\n<\/p>\n\n
Una colecci\u00f3n de libros imbuida del pensamiento del siglo XIX tambi\u00e9n podr\u00eda ser \u201cinmensamente crucial\u201d para los intentos de la industria tecnol\u00f3gica de construir agentes de IA que puedan planificar y razonar tan bien como los humanos,<\/strong> se\u00f1al\u00f3 Leppert.<\/p>\n<\/div>\n\n
\u201cEn una universidad, tienes muchos materiales pedag\u00f3gicos sobre lo que significa razonar\u201d, observ\u00f3. \u201cTienes mucha informaci\u00f3n cient\u00edfica sobre c\u00f3mo ejecutar procesos y c\u00f3mo ejecutar an\u00e1lisis\u201d.<\/p>\n<\/div>\n
\n
Al mismo tiempo, tambi\u00e9n hay muchos datos obsoletos<\/strong>, desde teor\u00edas cient\u00edficas y m\u00e9dicas desacreditadas hasta narrativas racistas y coloniales.<\/p>\n<\/div>\n\n
\u201cCuando uno trata con un conjunto de datos tan extenso, hay algunas cuestiones complicadas en torno al contenido y el lenguaje da\u00f1inos\u201d, indic\u00f3 Kristi Mukk, coordinadora del Laboratorio de Innovaci\u00f3n de Bibliotecas de Harvard, quien dijo que la iniciativa est\u00e1 tratando de proporcionar orientaci\u00f3n para mitigar los riesgos del uso de los datos, y as\u00ed \u201cayudar a los usuarios a tomar sus propias decisiones informadas y usar la IA de manera responsable\u201d.<\/p>\n<\/div>\n
\n
Con informaci\u00f3n de The Associated Press.<\/em><\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"Todo lo que se ha dicho en internet fue tan s\u00f3lo el comienzo de ense\u00f1arle a la inteligencia artificial acerca de la humanidad. Ahora las empresas de tecnolog\u00eda est\u00e1n recurriendo a un dep\u00f3sito de conocimiento m\u00e1s antiguo: las estanter\u00edas de libros en las bibliotecas. Casi un mill\u00f3n de libros publicados inclusive en una \u00e9poca tan […]<\/p>\n","protected":false},"author":1,"featured_media":108887,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[22],"tags":[],"_links":{"self":[{"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/posts\/108886"}],"collection":[{"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/comments?post=108886"}],"version-history":[{"count":0,"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/posts\/108886\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/media\/108887"}],"wp:attachment":[{"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/media?parent=108886"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/categories?post=108886"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/cordobateve.net\/index.php\/wp-json\/wp\/v2\/tags?post=108886"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![](\"http:\/\/cordobateve.net\/wp-content\/uploads\/2025\/06\/los-chatbots-de-ia-necesitan-mas-libros-para-aprender-y-varias-bibliotecas-de-ee-uu-se-los-prestaran.jpg\")
<\/p>\n![\"Chatbots.](\"http:\/\/cordobateve.net\/wp-content\/uploads\/2025\/06\/los-chatbots-de-ia-necesitan-mas-libros-para-aprender-y-varias-bibliotecas-de-ee-uu-se-los-prestaran-2.jpg\")
Chatbots. Archivo Clar\u00edn.<\/span>