Un equipo de investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del Instituto Tecnológico de Massachusetts (MIT) presentó un estudio que replantea la discusión sobre los derechos de autor en el entorno digital. De acuerdo con la investigación, ninguna imagen individual ni la obra de un artista en particular ejerce una influencia determinante por sí sola en los resultados que genera una inteligencia artificial, siempre que el modelo haya sido entrenado sobre volúmenes masivos de datos.

Los científicos denominaron a este principio "decaimiento de la atribución", un proceso según el cual la incidencia directa de una obra específica disminuye de manera drástica y se diluye a medida que el conjunto de entrenamiento de la IA se expande. Para comprobar esta hipótesis sin la necesidad inviable de reentrenar modelos enteros desde cero cada vez que se excluía un archivo, los especialistas diseñaron una arquitectura modular compuesta por subconjuntos de datos independientes. Mediante este método, al desactivar los módulos que procesaron las obras de un autor determinado, el sistema continuó generando exactamente la misma imagen final, demostrando que la ausencia de ese artista no alteraba el resultado sintético.

Impacto en los litigios judiciales y el debate por el copyright

Las conclusiones del MIT introducen un nuevo escenario en el ámbito regulatorio y legal que rodea a herramientas generativas como Gemini, ChatGPT o Grok, las cuales enfrentan constantes reclamos por presunta infracción de propiedad intelectual. Hasta el momento, las demandas de autores y fotógrafos sostenían que los modelos realizaban una recombinación o copia derivativa de sus creaciones originales protegidas.

El hallazgo científico debilita técnicamente esa postura al evidenciar que los resultados visuales no constituyen un mero ensamblaje de fragmentos preexistentes ni dependen de creadores específicos tomados de forma aislada. De este modo, la investigación complica los argumentos probatorios en los tribunales para certificar plagios directos y aporta elementos clave para la formulación de futuros marcos normativos globales en materia de inteligencia artificial.