¿Y fuera de la UE?
El RGPD, el reglamento de protección de datos de la UE, es la exportación tecnológica más famosa del bloque y se ha copiado en todas partes, desde California hasta la India.
El enfoque de la IA que ha adoptado la UE, que apunta a la IA más riesgosa, es uno en el que están de acuerdo la mayoría de los países desarrollados. Si los europeos pueden crear una forma coherente de regular la tecnología, podría funcionar como modelo para otros países que esperan hacerlo también.
“Las empresas estadounidenses, en cumplimiento de la Ley de IA de la UE, también terminarán elevando sus estándares para los consumidores estadounidenses con respecto a la transparencia y la responsabilidad”, dice Marc Rotenberg, quien dirige el Centro de IA y Política Digital, una organización sin fines de lucro que rastrea la IA. política.
El proyecto de ley también está siendo observado de cerca por la administración de Biden. EE. UU. alberga alg unos de los laboratorios de IA más grandes del mundo, como los de Google AI, Meta y OpenAI, y lidera múltiples clasificaciones
“Este es un marcado contraste con la forma en que los EE. UU. veían el desarrollo de GDPR, que en ese momento la gente en los EE. UU. dijo que acabaría con Internet, eclipsaría el sol y acabaría con la vida en el planeta tal como la conocemos”, dice Rotenberg.
A pesar de cierta cautela inevitable, EE. UU. tiene buenas razones para dar la bienvenida a la legislación. Está extremadamente ansioso por la creciente influencia de China en la tecnología. Para Estados Unidos, la postura oficial es que mantener el dominio occidental de la tecnología es una cuestión de si prevalecen los “valores democráticos”. Quiere mantener la UE, un “aliado de ideas afines,” Cerrar.
¿Cuáles son los mayores desafíos?
Algunos de los requisitos del proyecto de ley son técnicamente imposibles de cumplir en la actualidad. El primer borrador del proyecto de ley requiere que los conjuntos de datos estén libres de errores y que los humanos puedan “comprender completamente” cómo funcionan los sistemas de IA. Los conjuntos de datos que se utilizan para entrenar los sistemas de IA son enormes, y tener una verificación humana de que están completamente libres de errores requeriría miles de horas de trabajo, si es que tal cosa fuera posible. Y las redes neuronales de hoy en día son tan complejas que incluso sus creadores no entienden completamente cómo llegan a sus conclusiones.
Las empresas tecnológicas también se sienten profundamente incómodas con los requisitos para dar a los auditores externos o reguladores acceso a su código fuente y algoritmos para hacer cumplir la ley.