Inteligencia artificial y copyright. Del dilema de Thaler a la doctrina «the right to read is the right to mine»

Introducción

Muchos reflexionan sobre las consecuencias de la irrupción de la IA en la profesión jurídica, si los juristas humanos pueden ser sustituidos por ingenios inteligentes ¹ y si en un futuro más o menos cercano las labores jurídicas serán asumidas por estos.

Mi planteamiento es distinto. Creo que también es importante reflexionar sobre las consecuencias jurídicas de la irrupción de esta tecnología en nuestras vidas. Sobre todo, teniendo en consideración que los vigentes ordenamientos jurídicos están redactados por y para los humanos. La irrupción de un nuevo «actor» que la vigente normativa no contempla y cuya actuación tiene relevancia jurídica en el entorno parece que puede suscitar diversos retos jurídicos a los que habrá que dar cumplida respuesta.

El copyright es un magnífico ejemplo de lo dicho. La doctrina mundial debate sobre el estatus legal de los «modelos de inteligencia artificial» (IA).

En el centro del debate se sitúan tres importantes cuestiones. La primera sobre la forma de proteger el ingenio en sí mismo; la segunda, sobre el estatus de las creaciones generadas por estos ingenios, si pueden ser reconocidos como autores y titulares de los derechos de sus creaciones; y, la tercera, sobre la protección de los derechos de los titulares de las obras con las que se alimenta a los ingenios inteligentes: datos, fórmulas, textos, imágenes o sonidos protegidos por derechos de autor o patente.

1 En la reflexión se utiliza de forma recurrente este término para referirse a la inteligencia artificial (IA). Pretende ser un término aglutinador de las diversas formas en las que se puede presentar esta tecnología. En cualquier caso, pienso en un software que se ejecuta en un hardware y cuyas variables son alimentadas por «datos» de cualquier naturaleza.

2

¿A qué nos referimos con el término inteligencia artificial?

Para reflexionar con el rigor necesario, conviene comenzar con el significado que atribuimos al término «inteligencia artificial» (IA). Lo digo porque no hay un claro consenso. A los efectos de esta reflexión entenderemos que estamos ante un sistema de IA cuando tiene «independencia cognitiva y de acción» —aprende y actúa por sí mismo— , sin necesidad de intervención humana. Para entenderlo, permítanme contarles la historia de GO.

Hace unos años una división de la multinacional norteamericana Google —Google Deep Mind— anunciaba que una máquina de su creación, denominada AlphaGo Zero, había ganado a su predecesora (una versión anterior de la máquina —AlphaGo—) por un contundente 100 a 0. Ambas versiones eran ingenios diseñados para jugar a un juego de mesa conocido como «go».

Se trata de un juego de origen chino, más complejo que el ajedrez, que se juega en un tablero de 19 x 19 casillas con fichas blancas y negras; cada color, de un jugador. Es un juego de estrategia. El objetivo es rodear con tus piedras un área mayor del tablero que el oponente. Una piedra o cadena de piedras del mismo color es capturada y retirada del juego si después de una jugada no posee intersecciones; se encuentra completamente rodeada por piedras del color con el que juega el rival. Gana la partida el jugador que termine con mayor territorio.

A pesar de que las reglas del go son sencillas, la estrategia es extremadamente compleja y supone manejar muchas variables; algunas contradictorias. Por ejemplo, ubicar piedras juntas ayuda a mantenerlas conectadas y sin embargo colocarlas separadas hace que se tenga influencia sobre una mayor porción del tablero, abriendo la posibilidad de apropiarse de un territorio más extenso y así ganar la partida. La dificultad estratégica del juego está en equilibrar ambas alternativas. Los movimientos de los jugadores son tanto ofensivos como defensivos y deben combinar estrategias a corto y largo plazo.

AlphaGo, la primera máquina diseñada para jugar a este juego, fue entrenada basándose en la experiencia humana. Se alimentó con los datos de miles de partidas y millones de movimientos de jugadores humanos. Tras el entrenamiento fue capaz de ganar, en marzo de 2016, a Lee Sedol, campeón mundial de go.

La segunda versión desarrollada por DeepMind —AlphaGo Zero— ejecuta nuevos algoritmos que le permiten aprender a jugar sin previo entrenamiento supervisado. Se sustentan en una red neuronal basada en el «aprendizaje por refuerzo»: la máquina se autoenseña practicando consigo misma hasta alcanzar una capacidad muy superior a la de sus previas versiones. Hace lo mismo que el Doctor B, personaje del relato La novela de ajedrez, escrito en 1941 por Stefan Zweig. El protagonista es sometido por los nazis a un aislamiento total, sin siquiera lectura. Solo consigue sortear la locura gracias a un manual de ajedrez que cae en sus manos de manera fortuita. Memoriza cada partida, analizando posibles variaciones en cada movimiento y logrando que su cerebro se bifurque en dos jugadores distintos —el jugador de las blancas y el de las negras—. De esta forma, puede jugar una vez tras otra contra sí mismo alcanzando una notable destreza en su desempeño. Tras su liberación, derrota con facilidad al campeón mundial de ajedrez.

Lo anterior supone que se han creado ingenios capaces de aprender de la experiencia humana (machine learning) y sobre todo máquinas con independencia cognitiva, que adquieren conocimientos de forma autónoma, sin el concurso humano (deep learning). En definitiva, supone la constatación de que la inteligencia artificial es una realidad. Por ello, unos cuantos países ya han comenzado a prever y regular las consecuencias de lo que se ha dado en denominar la 4.ª revolución industrial.

2.1. Deep learning y la computación neuronal

¿Cómo consigue AlphaGo Zero emular al doctor B y, sin previa supervisión humana, adquirir esa destreza en el juego? Pues con algoritmos matemáticos y «modelos de computación neuronal».

Las redes neuronales, también conocidas como «sistemas conexionistas», son modelos computacionales que se basan en un elevado número de neuronas artificiales —ordenadores—, conectadas entre sí y formando un número aleatorio de capas. Asemejan el funcionamiento de las neuronas cerebrales, y se distinguen en ambas tres capas claramente diferenciadas. Mientras nuestras neuronas adquieren la información a través de las dendritas, hay una capa de procesamiento oculto (soma) y hay otra capa de salida de la información en dirección a otras neuronas (axón); en las neuronas artificiales se distingue claramente la capa de entrada de información, la de procesamiento oculto y la de salida de esta con dirección a otras neuronas artificiales (ordenadores). Generalmente, las conexiones se realizan entre neuronas de distintas capas, pero puede haber conexiones intracapa o laterales y también conexiones de realimentación que siguen el sentido contrario —hacia la entrada—. Cada una de las neuronas artificiales cuenta con una «memoria» capaz de albergar algoritmos que procesan la información recibida. Cuentan, asimismo, con una función de transferencia que permite que, en función de las entradas y la ejecución del código de la memoria, se produzca una salida o una alteración del código (algoritmo) almacenado en la memoria (reescritura de código). Como ellas mismas, en función de su propia experiencia, pueden reescribir el código de su memoria interna, su actuación en el entorno se vuelve impredecible. Nadie sabe de antemano cuál va a ser la reescritura que las neuronas artificiales van a realizar al código almacenado en su memoria ni tampoco la ponderación que de los datos que entran van a hacer los algoritmos y, por lo tanto, nadie sabe cuál va a ser la concreta actuación de la máquina.

Habrá también que prever que, toda vez que la máquina puede evolucionar de forma independiente, aunque las primeras generaciones de IA queden vinculadas a sus creadores humanos, no ocurrirá lo mismo con las sucesivas, donde la posibilidad de desvinculación aumenta cuando mayor es la estirpe.

2.2. Inteligencia artificial general y específica y evolución hacia la IA general

El paulatino desarrollo de la inteligencia artificial se dirige de momento a la creación de IA de propósito específico —se crean ingenios capaces de resolver problemas concretos con una capacidad y velocidad superiores a las humanas—. Sin embargo, todavía no se ha conseguido una inteligencia artificial general —ingenios artificiales capaces de acometer cualquier tarea de las que de forma espontánea puede acometer la mente humana—. Aunque los científicos no se ponen de acuerdo sobre «cuándo», si hay consenso en que llegará un momento en el que la IA superará la capacidad intelectual humana. Esta incierta fecha es conocida como el «singularity day» —el momento en el que las máquinas superaran la capacidad intelectual de los humanos—.

2.3. El complejo de Frankenstein²

Los peligros asociados a la robótica y a la inteligencia artificial ya eran objeto de análisis cuando el fenómeno solo era ciencia ficción. En el año 1942 Isaac Asimov comenzó a incorporar en sus novelas lo que denominó «las tres leyes de la robótica», que no son sino un conjunto de normas elaboradas por el escritor, que en sus novelas deben ser incorporadas en el «código» de los robots y que sirven para contrarrestar el «complejo de Frankenstein» (que las máquinas se alcen contra sus creadores). Son tres sencillas normas:

Un robot no hará daño a un ser humano o por inacción permitirá que un ser humano sufra daño.

Un robot debe hacer o realizar las órdenes recibidas de los seres humanos, excepto si