La espera por la adopción de'Ley de IA de la Unión Europea continúa extendiéndose. A pesar de las expectativas, el camino hacia una regulación común de la inteligencia artificial en Europa parece aún estar largo y tortuoso. Persisten las divisiones entre los legisladores europeos sobre la regulación de los modelos subyacentes, y con 2023 llegando a su fin, la posibilidad de que la Ley de IA se convierta en ley este año parece cada vez más remota.
Temas de este artículo:
Desacuerdos entre legisladores
El debate sobre la Ley de IA sigue acalorado entre los legisladores europeos, que No parecen ponerse de acuerdo sobre cómo regular los modelos básicos.. Como reportado da Reuters, España está presionando para que se realicen controles más regulares de las vulnerabilidades y la creación de un sistema regulatorio por niveles basado en el número de usuarios de un modelo.
Este escenario dio lugar a tres diálogos tripartitos, discusiones tripartitas entre los Parlamento Europeo, la Consejo de la Unión Europea y Comisión Europea, con una cuarta reunión prevista para esta semana. Si no se llega a un acuerdo, se ha fijado otra reunión para diciembre, lo que alimenta la preocupación de que cualquier decisión pueda posponerse hasta el próximo año.
Lea también: Ley de Mercados Digitales y Ley de Servicios Digitales: qué son, bien explicados
Propuestas clave de la Ley de IA
Uno de los borradores de la Ley de IA propone que el Los desarrolladores de modelos básicos evalúan los riesgos potenciales, probar los modelos durante todo el proceso de desarrollo y después del lanzamiento al mercado, examinar el sesgo en los datos de entrenamiento, validar los datos y publicar documentos técnicos antes de su publicación. Este enfoque tiene como objetivo garantizar que las innovaciones en IA se produzcan dentro de un marco de seguridad y transparencia.
Los sesgos (o sesgos) en la inteligencia artificial se refieren a una tendencia sistemática en datos o patrones que conduce a resultados injustos o inexactos. Estos sesgos pueden surgir de diversas fuentes, incluidos los datos de entrenamiento utilizados para “enseñar” los modelos de IA.
Si los datos de entrenamiento contienen sesgos, por ejemplo, reflejando estereotipos sociales o discriminación, el modelo de IA aprenderá y reproducirá estos sesgos en sus predicciones o decisiones. Eliminar o mitigar los sesgos es fundamental para garantizar que los sistemas de IA funcionen de manera justa y confiable.
¿Qué pasa con las pequeñas empresas?
Algunas empresas de código abierto han instado a la UE a considerar a las pequeñas empresas en la discusión, argumentando que a algunos les puede resultar difícil cumplir con las reglas propuestas. En el escenario global, muchos, incluidos algunos funcionarios del gobierno estadounidense, consideran que la Ley de IA de la UE tiene potencial ejemplo a seguir en la redacción de reglamentos sobreIA generativa.
Sin embargo, si bien la UE fue una de las primeras regiones en discutir la legislación propuesta, procedió más lentamente que otros actores internacionales, como el China que ya lanzó sus reglas en agosto de este año.
