Garry Tan defende que laboratórios americanos de IA abertos possam usar distilação de modelos de ponta

Garry Tan, CEO da aceleradora Y Combinator, afirmou que os laboratórios de IA dos Estados Unidos deveriam poder usar técnicas de distilação em modelos de ponta, assim como fazem alguns laboratórios chineses, e que os reguladores não deveriam interferir. Em entrevista ao CNBC, ele disse que "não faria nada" em relação a uma possível regulação e sugeriu a criação de um "regime de distilação americano".

O que aconteceu

Tan explicou ao TechCrunch que deseja que laboratórios menores e de código aberto nos EUA apliquem a mesma técnica de treinamento em laboratórios americanos de IA de fronteira, ampliando o leque de opções de peso aberto que não dependam da China. A distilação consiste em um modelo solicitar extensivamente outro modelo para aprender seu funcionamento e raciocínio, prática comum e legítima para treinar novos modelos.

Nesta semana, a Anthropic divulgou um relatório acusando laboratórios chineses de realizar "ataques de distilação ilícitos", usando identidades falsas, fraude e credenciais roubadas para extrair conhecimento sem permissão. O CEO da Anthropic, Dario Amodei, já havia pedido às autoridades americanas que reprimissem essas práticas.

“A distilação consiste em um modelo solicitar extensivamente outro modelo para aprender seu funcionamento e raciocínio, prática comum e legítima para treinar novos modelos.”

Tan deixou claro que não defende o uso de credenciais roubadas. Ele argumenta que impedir que usuários e clientes façam chamadas de API a modelos de peso fechado é excessivo e que o acesso a inteligências treinadas em dados públicos deveria ser visto como bem público, não como algo trancado por termos de serviço restritivos. Também aponta que laboratórios proprietários consumiram vasto conteúdo protegido por direitos autorais sem autorização ao treinar seus modelos.

Por que importa

Se os laboratórios de código aberto adotarem a distilação em modelos de fronteira, o ecossistema americano pode ganhar mais diversidade de opções de IA, reduzindo a dependência de fornecedores proprietários e mitigando o risco de concentração de poder em uma única empresa. A proposta de Tan também levanta questões sobre o papel do governo na normalização do acesso a modelos treinados em dados públicos, podendo influenciar futuros debates regulatórios.

O que observar

• Possível discussão sobre um "regime de distilação" nos EUA
• Reação de reguladores frente ao pedido de menos intervenção
• Debate sobre a propriedade intelectual de dados usados em treinamento
• Preocupação de Tan com a monopolização de IA por um único fornecedor