Los científicos examinaron la eficacia de las estrategias de desaprendizaje en modelos de lenguaje avanzados como ChatGPT, Mixtral, Bard y Copilot. Estas técnicas buscan suprimir datos personales, erróneos o discriminatorios de los sistemas. La conclusión del análisis es evidente: no hay una solución que asegure el olvido completo de la información, excepto entrenar el modelo desde el inicio sin los datos a suprimir.
Una investigación llevada a cabo por la Universitat Rovira i Virgili (URV) de Tarragona (España) ha revelado las restricciones del desaprendizaje en modelos de inteligencia artificial, y ha enfatizado la imperiosa necesidad de crear nuevos enfoques para eliminar de forma eficiente datos sensibles o personales.
Los científicos evaluaron la eficacia de las estrategias de desaprendizaje en modelos lingüísticos avanzados como ChatGPT, Mixtral, Bard y Copilot. Estas metodologías buscan suprimir datos personales, erróneos o discriminatorios de los sistemas. El estudio concluye de manera contundente: no hay una fórmula que asegure el olvido completo de los datos, excepto entrenar el modelo desde el principio sin la información que se desea eliminar, informa Yahoo Noticias.
El análisis también resalta un conflicto significativo con el derecho al olvido, un principio establecido en el Reglamento General de Protección de Datos (Rgpd) de la Unión Europea, que requiere la eliminación de datos personales cuando lo solicita la persona afectada.
Las grandes empresas que manejan estos modelos de IA entrenan sus sistemas con vastas cantidades de información para optimizar su rendimiento, lo que complica la localización y eliminación selectiva de datos particulares.
Con Informacion de VERSION FINAL.
