Archivo de la etiqueta: Inteligencia artificial

Copyright y obras generadas por IA: el caso Zarya of the Dawn y sus implicaciones legales

Pina, Carolina. 2023. «Copyright and AI-Generated Works: Zarya of the Dawn.» Garrigues Digital, March 16, 2023. https://www.garrigues.com/en_GB/garrigues-digital/copyright-and-ai-generated-works-zarya-dawn

El 23 de febrero de 2023, la Oficina de Copyright de Estados Unidos (USCO) revocó el registro de derechos de autor de la obra Zarya of the Dawn, un cómic creado parcialmente mediante inteligencia artificial (IA). Aunque figuraba como autora Kristina Kashtanova, el motivo de la cancelación fue claro: las imágenes generadas por IA no son fruto de la creatividad humana directa, requisito esencial para que una obra sea protegida por derechos de autor.

Kashtanova defendió que había intervenido activamente proporcionando indicaciones detalladas («prompts») a Midjourney, la IA utilizada. Según ella, fueron necesarios cientos de indicaciones para lograr el resultado deseado. Sin embargo, la USCO argumentó que, aunque los prompts pueden influir, el resultado final sigue siendo impredecible y escapa al control absoluto del humano, pues las IA no siguen órdenes específicas sino que interpretan sugerencias.

Además, se descartó el argumento del «sweat of the brow» (esfuerzo invertido), ya que el copyright no protege simplemente el trabajo arduo o el tiempo empleado, sino la creatividad original.

Según la legislación vigente, tanto en EE. UU. como en la Unión Europea, hay consenso en torno a dos ideas fundamentales para otorgar protección:

  • La obra debe ser fruto de una creación humana.
  • Debe poseer un mínimo de originalidad y reflejar elecciones libres y creativas del autor

En línea con esto, el Parlamento Europeo ya advirtió en 2020 sobre la necesidad de distinguir entre:

  • Creaciones asistidas por IA (donde el humano lidera el proceso creativo).
  • Creaciones generadas por IA de forma autónoma, que presentan un vacío legal, al no cumplir con el principio de originalidad vinculado a una persona natural.

Aunque simples o complejos, los prompts podrían ser protegibles por derechos de autor si son suficientemente creativos. Esto ha dado lugar al surgimiento de una nueva figura profesional: el prompt engineer (ingeniero de indicaciones), pero hasta ahora, los textos de prompts suelen considerarse solo una herramienta previa al resultado final, no como una obra en sí misma.

El marco de alfabetización en IA

Stanford Teaching Commons. «Understanding AI Literacy.» Teaching Commons, last modified 2024. https://teachingcommons.stanford.edu/teaching-guides/artificial-intelligence-teaching-guide/understanding-ai-literacy

La alfabetización en IA se define como un conjunto de competencias que permite a las personas evaluar críticamente las tecnologías de IA, colaborar efectivamente con ellas y utilizarlas de manera ética, tanto en el hogar como en el trabajo. Se relaciona estrechamente con la alfabetización digital y de datos, ya que la IA depende de estos aspectos.

El marco de alfabetización en IA incluye cuatro dominios: funcional, ético, retórico y pedagógico. Cada uno tiene objetivos progresivos de competencia, buscando que se superpongan y se informen mutuamente.

El marco de alfabetización en IA sigue un enfoque centrado en el ser humano, subrayando que los individuos deben liderar el uso de la IA para maximizar sus beneficios y minimizar impactos negativos. El objetivo es emplear la IA para potenciar el aprendizaje y las capacidades humanas. Además, se destaca la responsabilidad ética en el uso de la tecnología, reconociendo que las decisiones informadas requieren esfuerzo y tiempo continuo.

El marco de alfabetización en IA identifica cuatro dominios clave:

  1. Alfabetización funcional: ¿Cómo funciona la IA?
  2. Alfabetización ética: ¿Cómo abordar los problemas éticos de la IA?
  3. Alfabetización retórica: ¿Cómo usar el lenguaje natural y generado por IA para lograr objetivos?
  4. Alfabetización pedagógica: ¿Cómo usar la IA para mejorar la enseñanza y el aprendizaje?

La alfabetización funcional en IA abarca el conocimiento de cómo funciona la IA, las habilidades necesarias para usar herramientas comunes y la conciencia sobre el desarrollo de la tecnología. Comienza con el uso básico de herramientas y la comprensión de términos y procesos clave, como el papel de los datos en el entrenamiento de la IA. Con el tiempo, se pueden evaluar las capacidades y limitaciones de la IA, usar herramientas avanzadas y crear recursos personalizados para la comunidad.

Los chatbots de IA basados en modelos de lenguaje grandes (LLM) generan respuestas al analizar datos masivos de la web, creando una voz compuesta basada en patrones comunes. Aunque pueden ser útiles en tareas como la lluvia de ideas o explicaciones generales, no son ideales para contenido especializado o soluciones originales. Comprender cómo funcionan los LLMs puede mejorar el uso de herramientas de IA y permitir aplicaciones más sofisticadas.

La alfabetización ética en IA implica comprender los problemas éticos relacionados con la IA y las prácticas para su uso responsable. Inicia con la evaluación de la precisión, fiabilidad y sesgos implícitos, y avanza hacia la reflexión sobre la integridad académica, la equidad, la privacidad y otros temas éticos. Con el tiempo, se pueden investigar impactos en comunidades marginadas y diseñar herramientas más éticas para la educación.

Al usar herramientas de IA para trabajos académicos, como un artículo de investigación, es crucial examinar sus implicaciones en términos de autoría, originalidad y propiedad. Aunque las herramientas de IA pueden ser muy útiles, pueden generar confusión sobre quién posee el contenido. Con el uso colaborativo de IA, las diferencias entre el material generado por IA y el creado por humanos pueden volverse más sutiles, y las políticas sobre transparencia y atribución pueden variar según el contexto.

La alfabetización retórica en IA se refiere a la habilidad de usar el lenguaje de manera efectiva para lograr objetivos y analizar la relación entre el lenguaje humano y el generado por IA. Comienza con la experimentación en la estructuración de tus escritos y en la elección de palabras al interactuar con herramientas de IA. A medida que adquieres experiencia, puedes colaborar con la IA para mejorar la calidad del contenido y utilizarla de manera más inclusiva y crítica, promoviendo lenguajes y perspectivas marginadas.

La alfabetización pedagógica en IA implica integrar prácticas de enseñanza efectivas con herramientas de IA para apoyar el aprendizaje estudiantil. Se comienza explorando teorías del aprendizaje, métodos de diseño de cursos y estrategias pedagógicas, además de herramientas educativas impulsadas por IA. Con el tiempo, se identifican prácticas basadas en evidencia para promover el pensamiento crítico, la inclusión y el bienestar. Con maestría, se evalúan los efectos de la IA en la enseñanza y se promueven innovaciones pedagógicas.

La inteligencia artificial y la generación de contenidos académicos

La inteligencia artificial y la generación de contenidos académicos

27 DE FEBRERO de 2025 10:00 AM de Colombia. 16 h. de España Escuela de Ingenieros Militares de Colombia Biblioteca Coronel Lino de Pombo de la Escuela de Ingenieros Militares los invita: CONFERENCIA Virtual GRATUITA

Conferenciante: Julio Alonso Arévalo Universidad de Salamanca

Los trabajadores estadounidenses están más preocupados que esperanzados por el futuro uso de la IA en el lugar de trabajo

Pew Research Center. «U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace.» Pew Research Center, February 25, 2025.

Texto completo

Aunque existe un interés por parte de los trabajadores en la IA, las preocupaciones sobre su impacto negativo en el empleo y la falta de conocimientos y apoyo sobre cómo integrar la IA en sus trabajos son los principales obstáculos. Los trabajadores más jóvenes y con mayor formación son los más abiertos al uso de estas tecnologías, pero en general, la adopción sigue siendo baja.

Según una encuesta del Pew Research Center realizada entre 5,273 trabajadores estadounidenses en octubre de 2024, la mayoría de los trabajadores tienen más preocupaciones que expectativas sobre el impacto de la inteligencia artificial (IA) en el lugar de trabajo.

Alrededor de un tercio de los trabajadores afirma que el uso de la IA les ofrecerá menos oportunidades laborales a largo plazo; los chatbots se consideran más útiles para acelerar el trabajo que para mejorar su calidad.

Preocupaciones y Opiniones Generales

  • El 52% de los trabajadores se sienten preocupados por el impacto futuro de la IA en sus trabajos.
  • Un 32% de los encuestados cree que la IA llevará a menos oportunidades laborales a largo plazo, mientras que solo el 6% considera que resultará en más oportunidades.
  • Aunque el 36% de los trabajadores se sienten esperanzados por el uso de la IA, el 33% se siente abrumado por ella.
  • Entre los trabajadores que usan IA, el 16% afirma que al menos parte de su trabajo se realiza con herramientas de IA, con un 25% adicional que considera que su trabajo puede realizarse parcialmente con IA.

Uso y Percepciones sobre la IA

  • La mayoría de los trabajadores (63%) no usan IA en su trabajo, siendo los trabajadores jóvenes (menores de 50 años) y los que tienen títulos universitarios los más propensos a utilizarla.
  • Un 10% de los trabajadores afirma utilizar chatbots de IA (como ChatGPT) en su trabajo diariamente o varias veces a la semana, y un 7% lo hace algunas veces al mes.
  • El uso más común de los chatbots es para la investigación (57%), la edición de contenido escrito (52%) y la redacción de contenido (47%).

Eficacia de los Chatbots de IA

  • Los trabajadores que han usado chatbots de IA reportan que estos son más útiles para acelerar su trabajo que para mejorar su calidad. Un 40% de los usuarios de chatbots los consideran extremadamente útiles para hacer su trabajo más rápido, mientras que un 29% los considera igualmente útiles para mejorar la calidad de su trabajo.
  • Los trabajadores más jóvenes (18-49 años) son más propensos a considerar los chatbots de IA como útiles tanto para acelerar su trabajo como para mejorar su calidad.

Desafíos y Barreras

  • Los trabajadores con ingresos bajos y medianos son más propensos a creer que la IA reducirá las oportunidades laborales para ellos, mientras que los trabajadores de ingresos altos consideran que la IA no tendrá un gran impacto en sus oportunidades laborales.

Yippity herramienta de IA que permite transformar cualquier texto o página web en un cuestionario

https://yippity.io/

Yippity es una herramienta basada en inteligencia artificial diseñada para transformar texto o páginas web en cuestionarios de manera rápida y sencilla. Al ingresar hasta 10.000 caracteres de texto o la URL de una página web, Yippity genera automáticamente un conjunto de preguntas y respuestas que pueden copiarse y pegarse en aplicaciones de tarjetas didácticas o herramientas de cuestionarios.

Entre sus características principales, destaca la capacidad de generar preguntas de forma automática a partir de cualquier contenido textual o sitio web. Además, permite ingresar texto directamente o mediante la URL de una página web, lo que facilita su uso en distintos contextos educativos. También ofrece una función para compartir los cuestionarios generados mediante un enlace, lo que posibilita su distribución rápida y sencilla entre usuarios.

Otra ventaja de Yippity es la opción de editar y personalizar las preguntas y respuestas generadas, lo que permite a los usuarios adaptarlas a sus necesidades específicas. Esto es especialmente útil para docentes y estudiantes que desean ajustar el nivel de dificultad o el enfoque del material de estudio.

En cuanto a su modelo de acceso, Yippity dispone de una versión gratuita que permite generar hasta tres conjuntos de preguntas al mes. Para quienes requieren un uso más frecuente, existe un plan de pago sin limitaciones por 7,99$ al mes, lo que lo convierte en una opción accesible para quienes desean maximizar su potencial educativo.

El uso de Yippity ofrece múltiples beneficios. Automatiza la creación de materiales de estudio, lo que permite ahorrar tiempo y facilita el aprendizaje. Además, el uso de cuestionarios personalizados mejora la retención de información, ya que la práctica constante refuerza el conocimiento adquirido. También es una herramienta versátil, ideal para preparar exámenes, evaluaciones rápidas o sesiones de repaso, adaptándose a diversas necesidades académicas.

The Public Interest Corpus es un proyecto para desarrollar un corpus de entrenamiento de IA de alto nivel basado en libros y otros materiales de bibliotecas y archivos

 The Public Interest Corpus. 

El proyecto The Public Interest Corpus se enmarca en una tendencia global donde instituciones culturales y académicas buscan desarrollar infraestructuras de inteligencia artificial (IA) que prioricen el interés público. Estas iniciativas buscan democratizar el acceso a la IA y garantizar que su desarrollo beneficie a toda la sociedad.

En Europa, por ejemplo, se ha lanzado ALIA, la primera infraestructura pública, abierta y multilingüe de IA en el continente. Financiada completamente con fondos públicos, ALIA tiene como objetivo servir a la ciudadanía, administraciones públicas, universidades y empresas, asegurando un acceso universal a tecnologías avanzadas de IA. Este esfuerzo representa un paso significativo hacia la soberanía digital europea y la creación de modelos de lenguaje que reflejen la diversidad lingüística y cultural de la región.

Además, la Authors Alliance, con el apoyo de la Fundación Mellon, ha iniciado un proyecto para planificar un archivo de libros orientado al interés público en el desarrollo de la IA. En colaboración con la Biblioteca de la Universidad de Northeastern, esta iniciativa busca crear un corpus de entrenamiento de IA de alta calidad, basado en colecciones de bibliotecas y archivos, para promover el aprendizaje y el acceso al conocimiento.

Estas iniciativas reflejan un esfuerzo concertado por parte de diversas organizaciones para garantizar que el desarrollo de la IA se alinee con valores éticos y beneficie al público en general, evitando la concentración de poder en manos de unos pocos actores corporativos.

Undetectable AI; detecta y camufla el contenido generado por IA

https://undetectable.ai/

Se trata de una plataforma que ofrece servicios para hacer que textos generados por IA parezcan escritos por humanos, evitando su detección por herramientas como Turnitin, GPTZero y otros detectores de IA.

Undetectable AI es una plataforma en línea que ofrece herramientas para detectar y modificar contenido generado por inteligencia artificial (IA), con el objetivo de que este sea indistinguible del creado por humanos. Su servicio principal incluye un detector de IA gratuito que analiza textos para determinar la probabilidad de que hayan sido generados por IA, proporcionando resultados de múltiples detectores de IA con un solo clic.

Además, Undetectable AI ofrece una función de «humanización» que reescribe el texto generado por IA, mejorando su vocabulario, gramática y estructura para que parezca escrito por una persona, manteniendo el significado original y el valor del contenido

Esta plataforma en realidad se enfoca en camuflar el contenido generado por IA para que no sea identificado como tal. Sin embargo, su uso plantea cuestiones éticas y académicas, ya que puede facilitar el plagio o la desinformación.

Cómo los modelos de Inteligencia Artificial amenazan la sostenibilidad de Wikipedia

Vetter, Matthew A., Jialei Jiang, y Zachary J. McDowell. «An Endangered Species: How LLMs Threaten Wikipedia’s Sustainability.» AI & Society, 2024. https://doi.org/10.1007/s00146-025-02199-9.

El estudio de Matthew A. Vetter, Jialei Jiang y Zachary J. McDowell analiza el impacto de los modelos de lenguaje a gran escala (LLMs) en la sostenibilidad de Wikipedia. Aunque la enciclopedia abierta es una fuente clave para entrenar inteligencia artificial, su uso plantea desafíos éticos en cuanto a la procedencia de los datos, la producción de conocimiento y el trabajo digital. Mediante entrevistas con expertos, la investigación destaca la falta de claridad sobre el papel de Wikipedia en el entrenamiento de LLMs, así como los riesgos de sesgos sistémicos y sostenibilidad. Los autores abogan por mayor transparencia y responsabilidad en el uso de bases de datos abiertas por parte de las grandes tecnológicas, promoviendo marcos colaborativos que prioricen la ética y la representación equitativa.

A partir de entrevistas con expertos en la intersección entre Wikimedia y la IA, la investigación identifica tres desafíos clave:

  1. Falta de transparencia en el uso de Wikipedia: No está claro en qué medida Wikipedia es utilizada en el entrenamiento de los LLMs, lo que impide evaluar su impacto en la generación de conocimiento automatizado.
  2. Problemas éticos y de sesgo sistémico: Los modelos de IA pueden amplificar desigualdades existentes en la producción de conocimiento, reproduciendo sesgos presentes en Wikipedia y en los datos utilizados en su entrenamiento.
  3. Sostenibilidad y reconocimiento del trabajo colaborativo: La creciente dependencia de Wikipedia por parte de las empresas de IA sin un retorno claro a la comunidad plantea desafíos para su mantenimiento a largo plazo.

El estudio subraya la necesidad de mayor transparencia y responsabilidad en el uso de bases de datos abiertas como Wikipedia por parte de grandes empresas tecnológicas. Los autores proponen marcos colaborativos que prioricen principios éticos, equidad en la representación y mecanismos para asegurar que el valor generado por la IA también beneficie a la comunidad que sustenta Wikipedia.

Reducir la inteligencia artificial: muchos modelos de inteligencia artificial son caros y consumen mucha energía

«A tinyML chip: Cutting AI down to size.» Science, 20 de febrero de 2025. https://www.science.org/content/article/what-s-tinyml-global-south-s-alternative-power-hungry-pricey-ai.

Muchos modelos de inteligencia artificial son caros y consumen mucha energía. Los investigadores del Sur Global están adoptando cada vez más alternativas de bajo coste y bajo consumo. TinyML es una subdisciplina del aprendizaje automático (Machine Learning, ML) que se enfoca en ejecutar modelos de aprendizaje automático directamente en dispositivos de bajo consumo y recursos limitados, como microcontroladores, sensores y otros dispositivos integrados.

El artículo de Science titulado «What’s TinyML? Global South’s Alternative to Power-Hungry, Pricey AI» pone de manifiesto cómo la tecnología TinyML está emergiendo como una alternativa innovadora y accesible a las soluciones de inteligencia artificial (IA) tradicionales, que suelen depender de infraestructuras costosas y un alto consumo de energía. Este avance está ganando especial relevancia en el Sur Global, es decir, en regiones del mundo que enfrentan desafíos relacionados con recursos limitados, infraestructura insuficiente y conectividad inestable.

TinyML es una tecnología que permite ejecutar modelos de aprendizaje automático (machine learning) en dispositivos de muy bajo consumo energético, como sensores, microcontroladores o dispositivos portátiles, sin necesidad de conectarlos a servidores poderosos en la nube. Esto se logra a través de la optimización de algoritmos de IA, que pueden ser ejecutados directamente en el hardware del dispositivo con una eficiencia energética mucho mayor que los enfoques tradicionales que dependen de grandes centros de datos.

Entre los principales beneficios de TinyML destacan la latencia reducida, ya que al procesar los datos directamente en el dispositivo, se elimina el retraso asociado con la transferencia de datos a servidores. Además, los dispositivos de bajo consumo como microcontroladores permiten que funcione durante largos períodos sin necesidad de recargarse. Otro beneficio importante es la reducción del uso de ancho de banda, ya que los dispositivos con esta tecnología no requieren transferir grandes cantidades de datos a servidores. Por último, la privacidad de los datos se ve reforzada, ya que los datos no se envían a servidores externos y son procesados localmente en el dispositivo.

TinyML está siendo utilizado en diversas áreas, especialmente en industrias que dependen de dispositivos conectados a Internet de las Cosas (IoT). Algunas de sus aplicaciones incluyen el monitoreo en tiempo real de cultivos y ganado utilizando dispositivos para gestionar de manera eficiente estos recursos en la agricultura. También se aplica en el mantenimiento predictivo industrial, donde los dispositivos TinyML pueden detectar fallas en máquinas antes de que ocurran, ayudando a reducir los costos asociados con el mantenimiento de equipos. Además, permite personalizar las interacciones con los usuarios en tiempo real, mejorando la publicidad dirigida y la comprensión del comportamiento del consumidor en la experiencia del cliente.

Esta tecnología está ganando popularidad gracias a su capacidad para integrar inteligencia artificial en dispositivos con recursos limitados, sin depender de conexión constante a internet o infraestructura costosa. Esta tecnología tiene el potencial de revolucionar áreas como el IoT, la agricultura, el mantenimiento industrial y la personalización de la experiencia del usuario.

Spotify abre su plataforma para generar audiolibros por inteligencia artificial

Bastian, Matthias. “Spotify Opens Platform to More AI-Generated Audiobooks.” The Decoder, 20 de febrero de 2025. https://the-decoder.com/spotify-opens-platform-to-more-ai-generated-audiobooks/#google_vignette

Spotify está ampliando su oferta de audiolibros generados por IA gracias a una nueva asociación con ElevenLabs. Esta empresa ofrece voces sintéticas como una alternativa accesible a las grabaciones en estudio, permitiendo a los autores, especialmente los independientes, crear narraciones profesionales con presupuestos reducidos.

Spotify ha decidido ampliar su oferta de audiolibros generados por inteligencia artificial (IA) mediante una nueva asociación con ElevenLabs, una empresa especializada en la creación de voces sintéticas avanzadas. Esta tecnología se presenta como una alternativa más accesible a las tradicionales grabaciones en estudio, lo que facilita a los autores, especialmente a los independientes y autopublicados, la posibilidad de producir narraciones profesionales sin incurrir en altos costos de producción. Gracias a la IA, se eliminan barreras económicas y logísticas que anteriormente dificultaban la creación de audiolibros para escritores sin acceso a grandes editoriales o recursos financieros significativos.

Hasta ahora, Spotify ya permitía audiolibros narrados por IA a través de su plataforma de distribución Findaway Voices, pero con ciertas limitaciones. Solo socios específicos podían acceder a esta funcionalidad, y cada audiolibro generado con IA debía pasar por una revisión individual antes de su publicación. Con esta nueva iniciativa, se espera que el proceso sea más flexible y accesible para un mayor número de creadores, lo que podría impulsar significativamente la cantidad de audiolibros disponibles en la plataforma.

No obstante, la expansión del uso de IA en la narración de audiolibros no está exenta de controversia. En primer lugar, plantea preocupaciones sobre el impacto en la industria del doblaje y la locución. Muchos actores de voz han expresado su inquietud ante la posibilidad de que la automatización de este trabajo reduzca la demanda de narradores humanos, afectando sus oportunidades laborales y devaluando la calidad artística de las interpretaciones. Si bien las voces sintéticas han mejorado notablemente en términos de naturalidad y expresividad, aún existen diferencias en comparación con la interpretación emocional y matices que solo un ser humano puede aportar.

Otro aspecto crítico es el de los derechos de autor. La forma en que Spotify y ElevenLabs manejan el entrenamiento de sus modelos de IA podría generar disputas legales si se utilizan grabaciones de voz preexistentes sin consentimiento. Este es un tema especialmente sensible en la industria musical y del entretenimiento, donde ya han surgido debates sobre el uso de contenido protegido para alimentar modelos de IA sin compensar a los creadores originales.

Esta estrategia de Spotify también se inscribe en un contexto más amplio en el que la inteligencia artificial está transformando la producción y el consumo de contenido auditivo. La proliferación de canciones generadas por IA en la plataforma ha sido un fenómeno creciente, y ahora el sector de los audiolibros parece estar siguiendo un camino similar. La clave para el éxito de esta iniciativa dependerá de cómo la empresa equilibre la innovación tecnológica con la protección de los derechos de los creadores y la calidad del contenido ofrecido a los oyentes.