Estados Unidos acusa a empresas chinas de copiar tecnología de inteligencia artificial a escala industrial
Tres agencias estadounidenses han señalado a varias compañías chinas por utilizar modelos avanzados de inteligencia artificial para entrenar sistemas más pequeños, una práctica que permitiría reducir costes y acelerar el desarrollo de nuevas herramientas. La acusación vuelve a elevar la tensión tecnológica entre Washington y Pekín y sitúa las técnicas de entrenamiento de modelos en el centro de la disputa.
Según la evaluación difundida por las autoridades estadounidenses, estas empresas estarían recurriendo a modelos grandes ya desarrollados para generar datos, respuestas y ejemplos con los que después entrenan sistemas de menor tamaño. El método puede ofrecer resultados competitivos sin asumir el mismo gasto en chips, infraestructura y tiempo de cálculo que exige crear un modelo desde cero.
Una técnica habitual, pero bajo sospecha
El procedimiento descrito se conoce en el sector como destilación de modelos. Consiste en utilizar un sistema avanzado, conocido como modelo profesor, para enseñar a otro más pequeño, denominado modelo alumno. El segundo aprende a imitar parte del comportamiento del primero y puede funcionar con menos recursos.
La destilación no es ilegal por sí misma. De hecho, es una técnica habitual para desarrollar aplicaciones más rápidas, económicas y fáciles de ejecutar en teléfonos móviles, ordenadores personales o servidores con capacidad limitada. El conflicto aparece cuando el modelo utilizado como profesor está protegido, se accede a él sin autorización o se vulneran las condiciones de uso establecidas por su desarrollador.
Las agencias estadounidenses consideran que algunas compañías chinas podrían estar utilizando esta estrategia de forma sistemática para acortar los plazos de desarrollo y sortear las restricciones que afectan al acceso a determinados chips y servicios de computación. La acusación apunta a una posible transferencia indirecta de capacidades, aunque no se han detallado públicamente todos los casos ni las pruebas asociadas a cada empresa.
El coste de entrenar modelos, en el centro del debate
Entrenar un modelo de lenguaje de última generación requiere grandes cantidades de datos, procesadores especializados y centros de datos capaces de mantener miles de equipos funcionando durante largos periodos. El coste energético y económico puede alcanzar cifras muy elevadas, especialmente en las fases de ajuste y evaluación.
La posibilidad de emplear un modelo ya preparado para crear datos sintéticos cambia esa ecuación. Una compañía puede pedir al sistema original que genere explicaciones, respuestas o ejercicios y usar ese material para formar otro modelo. El resultado puede ser más ligero y barato, aunque también dependerá de la calidad de los datos y de la capacidad del sistema alumno para evitar errores.
Esta estrategia se ha extendido en todo el sector porque permite ofrecer modelos especializados para tareas concretas. Sin embargo, también plantea dudas sobre la propiedad intelectual, la trazabilidad de los datos y la forma de demostrar que un nuevo sistema no reproduce de manera indebida el comportamiento de otro.
Más presión sobre las empresas tecnológicas chinas
Las acusaciones llegan en un momento de creciente competencia entre Estados Unidos y China por el liderazgo en inteligencia artificial. Washington ha impuesto controles a la exportación de determinados procesadores y equipos destinados a centros de datos, con el objetivo de limitar el acceso chino a tecnologías consideradas estratégicas.
Las restricciones han obligado a las empresas del país asiático a buscar alternativas: desarrollar hardware propio, optimizar los algoritmos y aprovechar al máximo los recursos disponibles. En ese contexto, la destilación de modelos puede convertirse en una herramienta para compensar la menor disponibilidad de chips avanzados, aunque no elimina las limitaciones de capacidad ni garantiza resultados equivalentes.
Para Estados Unidos, el uso no autorizado de modelos extranjeros supondría algo más que una práctica agresiva de competencia. También podría facilitar la creación de sistemas aplicados a ámbitos sensibles, desde la ciberseguridad hasta la vigilancia o el análisis de información. Por ahora, las acusaciones no implican necesariamente que todas las empresas señaladas hayan cometido delitos, pero sí anticipan una mayor vigilancia sobre sus métodos de entrenamiento.
Un problema difícil de probar
Demostrar que un modelo ha sido entrenado mediante la extracción de respuestas de otro sistema no resulta sencillo. Los desarrolladores pueden combinar datos públicos, contenido generado artificialmente y material propio. Además, los modelos actuales suelen compartir patrones de funcionamiento, lo que complica distinguir entre una inspiración legítima y una copia deliberada.
Los proveedores de inteligencia artificial ya han comenzado a reforzar sus sistemas de detección. Entre las medidas figuran límites de uso, controles sobre grandes volúmenes de consultas y mecanismos para identificar solicitudes diseñadas para reproducir capacidades concretas. También se estudian métodos técnicos que permitan marcar los contenidos generados por un modelo, aunque su eficacia a largo plazo sigue siendo objeto de debate.
El caso añade presión para establecer reglas internacionales sobre el uso de modelos de inteligencia artificial. La industria necesita criterios más claros para diferenciar la investigación, la interoperabilidad y la competencia legítima del aprovechamiento no autorizado de tecnología ajena. Mientras esas normas no lleguen, las acusaciones entre potencias seguirán creciendo al mismo ritmo que la carrera por desarrollar sistemas más capaces y eficientes.
