Punto de inflexión tecnológico

¿Estamos realmente preparados para lo que viene?

Hace unos meses compartí en Mastodon algunas de mis ideas habituales sobre el entrenamiento de IA y el supuesto robo de creatividad, tema que ya traté aquí en el blog bajo el título Ahora el copyright sois vosotros. Entre las contestaciones hubo algunas muy interesantes enfocadas hacia un problema paralelo que crece a diario: el entrenamiento y acceso a datos por parte de esta nueva tecnología puede saturar servidores y servicios, afectando especialmente a proyectos de software libre debido a sus infraestructuras más modestas. Eso me hizo pensar que ya estamos en un punto de inflexión tecnológico, donde quizás la Red actual no esté preparada para la demanda que está a punto de surgir.

Por simplificar un poco el tema al que me refiero, resulta que algunos modelos LLM (y supongo que otros relacionados con inteligencia artificial) surcan la Web haciendo caso omiso del archivo robots.txt, lo que genera saturaciones en determinados servicios. Es decir, que para entrenar esa tecnología a veces recurren a métodos invasivos, y sus peticiones de lectura continuas ocupan mucho ancho de banda. Esto los cataloga como web crawlers o arañas web, aunque algunos suelen ocultar su ID bajo la firma de navegadores web famosos para eludir las restricciones. La avalancha de peticiones ocasiona un efecto similar a un ataque DDOS, dificultando el acceso a usuarios humanos y poniendo en riesgo la estabilidad de ciertas redes.

Esas peticiones de lectura continuas para el entrenamiento y consulta pueden ser incluso superiores a las hechas por personas reales. Por ejemplo, en algunos repositorios de código abierto o incluso en la propia Wikipedia/Wikimedia las peticiones hechas por máquinas en ocasiones llegan al 80%, ya que las IA toman sus datos de lugares donde la información está disponible de forma libre. Debido a ese inconveniente algunos proyectos han optado por crear largas listas negras, incorporar pruebas de cómputo adicionales o incluso bloquear el acceso a territorios enteros con el fin de salvar la estabilidad de sus servidores. Se aplican soluciones radicales a un problema que no ha hecho más que empezar y que, de momento, solo es visible en sitios con recursos modestos… aunque esto podría extenderse.

Internautas sin alma

En un mundo donde la IA crece cada vez más con tanta información, me temo que esto solo es el principio. Los modelos LLM se entrenan con bases de datos extraídas de toda la Web y ahora también la consultan en tiempo real; los buscadores de Internet (desde Perplexity hasta el propio Google) están incorporando esa función, y los resultados pasarán irremediablemente por el filtro de la IA para obtener respuestas rápidas. Esto va a incrementar el tráfico y demandará más potencia en muchos hostings.

Pero no es lo único a lo que nos enfrentamos. Las IA están automatizando ciertos procesos como la búsqueda de fallos en código fuente, e incluso podrían escribir correcciones para incorporar pull request en repositorios Git. Este tipo de herramientas son usadas por diversos programadores y hackers, especialmente cuando hay de por medio auditorías o recompensas económicas, ya que el ahorro de tiempo y la rapidez es algo beneficioso. Tanto es así que hay sitios donde piden abiertamente que no se use este tipo de software para evitar fallos por falta de supervisión, así como para evitar el famoso consumo de ancho de banda.

Con este panorama nos acercamos a la siguiente evolución de Internet: lleno de programas de software destinados a tareas rutinarias o recopilación de información, usuarios artificiales navegando los mares de bits de forma automatizada y, quizás, sin supervisión humana. Incluso algunos imitarán las acciones de personas reales como si fuesen una de ellas o identificándose como tal, creando un valle inquietante. Puede sonar a ciencia ficción, pero podríamos presenciarlo en menos tiempo del que creemos.

Una gran demanda de recursos

Todo eso aumentará irremediablemente el tráfico en todos los espacios, con las dificultades que conlleva mantenerlo operativo. Los programas de IA (corporativos, comunitarios o personales) serán parte de las visitas en los sitios web, falseando las estadísticas. El contenido creado por IA generativa engrosará la ya desproporcionada cantidad de datos basura, haciendo que necesitemos más almacenamiento. Asistimos al comienzo de una probable demanda de potencia sin precedentes, una inversión forzosa en centros de datos, servidores, cableados, conexiones por satélite y producción energética. Probablemente, las soluciones de optimización llegarán más tarde que el despliegue de las herramientas que han causado el caos. Por el momento, los reportes de ataques de denegación de servicio se calcula que han aumentado un 549% en los últimos años gracias, en parte, al uso de esta tecnología con diversas intenciones (no siempre benévolas).

Quizás empecemos a ver cómo muchos sitios web, ante la inutilidad de los métodos tradicionales para evitar los bots, incorporan nuevos sistemas que ralentizan el acceso o aseguran que los visitantes sean humanos. Quizás volvamos de nuevo a un Internet lento, o al menos desigual en velocidades. Puede que incluso algunos webmasters opten por redes como Gemini u otros protocolos en un futuro, evitando la escalada de recursos y los gastos inasumibles.

Podría especular con multitud de cosas, pero tengo algo bastante claro: la IA es el nuevo inquilino de la Web, y lidiar con eso va a traer cambios de gran calibre en su infraestructura y uso. ¿Estamos dando los pasos adecuados para hacer realidad el Internet Muerto?

Recursos y fuentes:

• FOSS infrastructure is under attack by AI companies – Libre News
• How crawlers impact the operations of the Wikimedia projects – Wikimedia
• Open source devs say AI crawlers dominate traffic, forcing blocks on entire countries – Ars Technica
• The text file that runs the internet – The Verge
• Los ataques DDoS crecen un 549%: así funcionan y cómo protegerte – Facialix

Foto de Alina Grubnyak en Unsplash