Las webs secretas con las que se entrena ChatGPT para parecer 'inteligente'
Las webs secretas con las que se entrena ChatGPT para parecer 'inteligente'
La popularidad de los chatbots de inteligencia artificial se ha disparado, alimentada por la ingesta masiva de texto extraído de internet. Este análisis revela que sus conjuntos de datos están dominados por sitios centrados en periodismo, entretenimiento y desarrollo de software, con plataformas como Wikipedia y repositorios de patentes como pilares fundamentales. Esta dependencia de fuentes públicas define la capacidad de imitación lingüística del modelo, aunque carece de comprensión real. La composición de los datos plantea implicaciones críticas sobre la calidad y neutralidad de la información generada. La inclusión predominante de portales de noticias y blogs personales puede propagar sesgos o noticias falsas, dificultando el rastreo de las fuentes originales. Además, la representación desequilibrada en categorías religiosas y la explotación de ideas en plataformas de crowdfunding cuestionan la ética y equidad inherentes a los procesos de entrenamiento automático. Esta investigación es esencial para la comunidad de open data, ya que desmitifica la transparencia en el ciclo de vida de los modelos de IA. Al exponer qué información propietaria o personal se utiliza sin consentimiento explícito, subraya la urgencia de regular la recolección de datos web. Fomenta así el debate sobre la integridad, la privacidad y la responsabilidad en el acceso a la información pública necesaria para entrenar tecnologías que impactan profundamente a la sociedad.
Fuente: 20minutos.esPublicado el 2023-05-30