One million public Bluesky posts scraped for AI training

La primera extracción significativa de datos mediante inteligencia artificial en Bluesky pone de manifiesto la tensión inherente entre la arquitectura abierta y la privacidad de los usuarios. A pesar de la postura de la empresa en contra de entrenar modelos de IA generativa con datos de los usuarios, se recopiló un enorme conjunto de datos de publicaciones públicas a través de su API pública, lo que subraya cómo los protocolos descentralizados pueden facilitar, de manera inadvertida, la extracción de datos a gran escala. Este incidente es crucial para la comunidad de datos abiertos, ya que ilustra las limitaciones de los mecanismos actuales de transparencia. El evento demuestra que simplemente hacer que los datos sean accesibles públicamente a través de APIs no garantiza un uso ético ni el consentimiento de los usuarios, lo que impulsa debates urgentes sobre cómo los desarrolladores pueden implementar controles significativos para los usuarios y respetar la propiedad de los datos en entornos descentralizados. En última instancia, aunque el conjunto de datos fue eliminado tras surgir preocupaciones éticas, la situación sirve como una advertencia crítica sobre el consentimiento en las redes abiertas. Hace hincapié en la necesidad de marcos robustos que permitan a los usuarios decidir cómo se utiliza su información pública por parte de terceros, asegurando que la apertura no se logre a costa de la privacidad o la autonomía individual.

Fuente: mashable.com
Publicado el 2024-11-28

Noticias relacionadas

« Peso, ‘sensible’ por aranceles de Trump: ¿En cuánto cotiza este miércoles frente al dólar?

New FOIA emails: NIH silenced own expert on COVID origins »