RDC: la “basura” de internet se convirtió en materia prima para entrenar los nuevos modelos de inteligencia artificial

La expansión de la inteligencia artificial generativa abrió un mercado inesperado: el de los contenidos humanos que durante años fueron considerados descartables. En Ronda de Corresponsales (RDC) por +Perfil, el nuevo canal de Editorial Perfil, el periodista Marcelo Molina explicó que “las big tech están comprando cualquier cosa que tenga texto escrito por personas de verdad”, desde informes y correos electrónicos hasta libros, foros y conversaciones.

El objetivo es evitar el denominado model collapse, un fenómeno por el cual los sistemas pueden perder calidad cuando se entrenan principalmente con contenido generado por otras inteligencias artificiales. Según Molina, los textos humanos, incluso aquellos que contienen errores, humor y expresiones cotidianas, adquirieron valor como material para entrenar modelos de inteligencia artificial.

Libros, mails y chats: el nuevo combustible de la IA

Según Molina, “las big tech están comprando cualquier cosa que tenga texto escrito por personas de verdad”. Entre los materiales buscados aparecen informes, correos electrónicos, libros, foros y conversaciones.

El objetivo es evitar el denominado model collapse, un fenómeno por el cual los sistemas pueden perder calidad cuando se entrenan principalmente con contenido generado por otras inteligencias artificiales. “Si se alimentan entre ellas, es como que se vuelven tontas, alucinan, y no están preparadas para cosas poco comunes”, explicó el periodista.

Entre los materiales más buscados aparecen textos que contienen errores, humor, discusiones y expresiones cotidianas. “No están preparadas para los chistes, para las humoradas, para frases, para salidas, para abreviaturas, para cosas impensadas”, señaló Molina.

El fenómeno alcanza incluso a materiales que hasta hace poco parecían no tener valor comercial. Molina describió el caso de libros descatalogados que son digitalizados para convertirse en datos de entrenamiento: “Los llevan a una planta en Las Vegas, los desarman, los escanean con máquinas industriales, y después destruyen los libros físicos”.

Para el especialista, detrás de este proceso existe una nueva lógica económica: “Toda esa basura, digamos, que hay dando vueltas online, en papel, o lo que sea” puede convertirse en materia prima para los sistemas de IA.

El interés de las compañías también se extiende a archivos corporativos. “Todo eso ahora vale plata y tiene un lugar donde se usa y sirve de combustible”, afirmó Molina.

Según su explicación, los chats y documentos empresariales resultan especialmente valiosos porque contienen situaciones que permiten a los modelos incorporar distintas formas de razonamiento. “Toda esa información, todos esos diálogos, todos esos conflictos, todos esos problemas, a la IA les sirven”.

Por qué la inteligencia artificial necesita a los humanos

Molina sostuvo que la diversidad del contenido es fundamental para evitar que los modelos se retroalimenten exclusivamente con información sintética. “Necesitan material humano”, resumió.

Y no se trata solamente de información sofisticada. También sirven las conversaciones simples, los conflictos y las expresiones espontáneas. “Necesitan cosas básicas, simples y por eso cada vez vemos que se parecen más y reaccionan más como una persona”, explicó.