Los laboratorios de investigación de IA y las empresas de robótica se enfrentan a desafíos considerables para obtener la vasta cantidad de datos de video necesarios para el entrenamiento de IA física. Un problema fundamental ha sido la falta de compensación adecuada para los creadores, a pesar de que gran parte de este contenido esencial es producido por ellos. Para abordar esta deficiencia, Diffraction, una empresa de marketing de influencers y datos con sede en Lancaster, Ohio, está siendo pionera en un nuevo mercado de datos de entrenamiento de IA que salvaguarda los derechos de los creadores y garantiza una remuneración justa. La compañía se compromete a resolver la opacidad del mercado actual y a fomentar un entorno comercial equitativo mediante contratos sólidos, procesos de adquisición de datos y una infraestructura clara para demostrar la procedencia de los datos.
Crecimiento y desafíos en el mercado de datos de entrenamiento para IA física
Los recientes avances en la tecnología de IA, especialmente en la robótica, exigen que las máquinas realicen tareas prácticas en entornos físicos, como sujetar herramientas, navegar por terrenos irregulares o percibir el movimiento del agua. Esto requiere un volumen inmenso de datos de video de alta calidad para el entrenamiento. Sin embargo, una parte considerable de estos datos cruciales proviene de videos producidos habitualmente por creadores en línea. El problema central es que estos videos a menudo carecen de un reconocimiento comercial adecuado, y sus creadores rara vez reciben una compensación justa.
Diffraction fue fundada en septiembre de 2022 por Joseph Sottile y Tom Swann, lanzando su plataforma de datos 'StreamGenie' en enero de 2026. Los fundadores se dieron cuenta de que, aunque los creadores poseen extensos archivos de video, a menudo no son remunerados cuando su material se utiliza para el entrenamiento de IA. Esta constatación los impulsó a crear un vínculo fundamental entre los creadores y los compradores de datos.
Protección de los derechos de los creadores como valor fundamental
Diffraction subraya que el mercado de datos para IA física está plagado de problemas de 'fraude'. Prácticas comunes como la grabación de pantalla, la extracción no autorizada de fuentes públicas o la compilación de datos sin una documentación clara de los derechos socavan la integridad legal de los conjuntos de datos. Para contrarrestar esto, Diffraction ha adoptado la 'procedencia' como su principio de diseño principal, asegurando que cada conjunto de datos incluya documentación que verifique el consentimiento del propietario del contenido y la concesión explícita de derechos. Esta estrategia proactiva también aborda los cambiantes marcos regulatorios, como la Ley de IA de la UE, que a partir de agosto de 2025 exigirá a los proveedores de modelos de IA de propósito general revelar resúmenes del contenido utilizado para el entrenamiento.
Las condiciones de licencia de la empresa prohíben explícitamente el uso y la reproducción de los derechos de imagen de las personas y el uso duplicado de datos licenciados. Además, exigen la eliminación de los datos una vez que su licencia ha expirado. Diffraction también requiere un consentimiento separado para los elementos protegidos por derechos de autor incrustados en los videos, como la música de fondo o la aparición de terceros en cámara, estableciendo así un marco de protección de derechos de los creadores en varias capas.
Creación y valoración de datos personalizados según la demanda
Mientras que la mayor parte del mercado de datos para IA física opera bajo un 'modelo especulativo', acumulando vastas cantidades de contenido de video para luego esperar compradores, Diffraction adopta un enfoque de 'construcción a medida', creando datos específicamente adaptados a los requisitos del cliente. Han realizado más de 500 auditorías de contenido para identificar qué tipos de material generado por creadores tienen una demanda de compra activa. Por ejemplo, dentro de un archivo de 100 GB de un creador, 20 horas de videos de montaje de Lego podrían tener un valor de mercado inmediato.
El precio de los datos se determina por tres variables: escasez, nivel de habilidad y diversidad, oscilando entre unos pocos dólares y varios cientos de dólares por hora. Los videos de tareas cotidianas, comúnmente encontrados en línea, tienen un valor inferior. Por el contrario, el contenido que muestra habilidades específicas, como un fontanero experto realizando reparaciones reales, tiene un valor superior. Esto se debe a que el entrenamiento de la IA se beneficia no solo de observar resultados correctos, sino también de discernir las diferencias entre acciones hábiles y no hábiles. Diffraction también aborda la idea errónea de que se infringirían los derechos de imagen de los creadores, enfatizando que los datos de entrenamiento para IA física se centran en el comportamiento y las interacciones físicas, más que en la apariencia o identidad de un creador.
Hoja de ruta futura: Del licenciamiento de archivos a la teleoperación
Diffraction ha delineado una hoja de ruta de tres etapas para su futuro. La primera etapa implica la concesión de licencias de videos de archivo existentes. La segunda se centra en la captura de datos personalizados, específicamente adaptados a los requisitos del comprador. La tercera y última etapa es la 'teleoperación', que consiste en controlar remotamente brazos robóticos para generar datos de demostración. Este proceso, donde los humanos realizan tareas directamente a través de mecanismos robóticos, se considera una de las formas más valiosas de datos de entrada para el desarrollo de IA física.
Avanzar hacia la teleoperación requerirá personal competente en interfaces de control de realidad virtual (RV) y socios de laboratorio capaces de ejecutar programas piloto. El cofundador Joseph Sottile señala que la tecnología utilizada para navegar en entornos virtuales mediante gafas de RV puede traducirse directamente a la teleoperación de brazos robóticos. Subrayó que los creadores hábiles, mediante la sinergia con la futura tecnología robótica, podrán generar un nuevo valor significativo.
