¿Son realmente los datos que utiliza la IA los que debería usar?

Recientemente vi proyectos como RENDER utilizando poder de cómputo descentralizado para acelerar la IA, es bastante genial. Pero hay un problema que parece que a nadie le importa mucho: ¿de quién son realmente los datos que se utilizan para entrenar estos modelos de IA y generar contenido?

Ahora el desarrollo de la IA es demasiado rápido, los datos que son conformes y de fuentes verificables ya no son suficientes. El resultado es que muchos sistemas de IA comienzan a recopilar indiscriminadamente todos los datos que pueden encontrar en la red, sin importar si son el esfuerzo de un autor original o materiales protegidos por derechos de autor, primero los utilizan y luego se preocupan.

Esto suena mal. ¿Quién protegerá los derechos de los creadores? ¿Quién es responsable si los datos son mal utilizados? Si este problema se ignora continuamente, tarde o temprano habrá grandes problemas.

Por eso, proyectos como Camp Network parecen muy interesantes: quieren utilizar la tecnología blockchain para verificar la propiedad de los datos, haciendo que el uso de datos en la era de la IA sea verificable. Quizás esta sea la verdadera premisa para el desarrollo a largo plazo de la IA, porque si solo hay potencia de cálculo y se utilizan datos "de origen desconocido", ¿no sería eso solo un castillo en el aire?