Unity says it shared AI training data with devs in bid for transparency
Unity says it shared AI training data with devs in bid for transparency
Unity enfrenta importantes déficits de confianza tras las recientes controversias, incluidas las despidos masivos y la reacción adversa a la tarifa de Runtime, lo que ha llevado a los desarrolladores a sospechar que la empresa prioriza el valor de sus acciones por encima del bienestar de sus clientes. En medio de este panorama turbulento, la integración de herramientas de IA generativa añadió fricción adicional debido a las amplias preocupaciones sobre la infracción de derechos de autor y la opacidad de los datos de entrenamiento. La falla inicial de la empresa para verificar el origen de los activos, evidenciada por la retirada de una herramienta poco después de su lanzamiento, exacerbó la ansiedad de los desarrolladores respecto a la legalidad y la procedencia ética del contenido generado por IA. En respuesta, Unity ha adoptado una estrategia de transparencia radical al permitir que un grupo selecto de desarrolladores audite los datos de entrenamiento detrás de sus modelos de IA, como Unity Muse y Sentris. Este enfoque contrasta marcadamente con competidores del sector como OpenAI, que a menudo ocultan información sobre el origen de sus datos. Al permitir que los ingenieros inspeccionen los conjuntos de datos, Unity busca demostrar que sus modelos se entrenan con material obtenido legalmente, abordando así las objeciones legales y éticas centrales que inicialmente dificultaron la adopción de estas tecnologías. Esta estrategia es relevante para el concepto de datos abiertos, ya que demuestra una aplicación práctica de la transparencia de datos para resolver problemas de cumplimiento normativo y confianza en ecosistemas de software propietario. Al abrir los conjuntos de datos de entrenamiento a escrutinio, Unity establece un precedente sobre cómo las empresas pueden utilizar el acceso abierto a subconjuntos específicos de datos para mitigar los riesgos de derechos de autor y reconstruir su credibilidad. Esto resalta que compartir la procedencia de los datos de entrenamiento no es solo una preferencia ética, sino un paso necesario para una integración sostenible de la IA en los flujos de trabajo de desarrollo profesional.
Fuente: gamedeveloper.comPublicado el 2024-04-02