21 de julio de 2026

Anthropic fue acusada de robar libros para entrenar sus modelos de IA. Su solución ha sido sencilla: pagar

Anthropic fue acusada de robar libros para entrenar sus modelos de IA. Su solución ha sido sencilla: pagar

Una jueza federal de San Francisco ha dado luz verde definitiva al acuerdo de 1.500 millones de dólares entre Anthropic y un grupo de autores y editoriales que la denunciaron por usar sus libros sin permiso para entrenar a Claude. Y es que después de extraer millones de libros desde bibliotecas digitales sin autorización, y desde librerías en físico para escanear y destruir masivamente, todo se ha acabado arreglando con dinero.

Qué ha pasado. La jueza Araceli Martinez-Olguin ha aprobado este lunes de forma definitiva el acuerdo que Anthropic alcanzó con los demandantes, tal y como recoge Reuters. La cifra ya se conocía desde el año pasado, cuando el juez William Alsup dio su aprobación preliminar, pero faltaba este último paso para que el dinero empezara a repartirse.

Cómo llegamos hasta aquí. Un grupo de escritores demandó a Anthropic en 2024 acusándola de utilizar copias de sus libros para entrenar a Claude sin su consentimiento. El juez Alsup falló en junio de 2025 que entrenar a la IA con libros protegidos por derechos de autor entra dentro del "uso legítimo", una decisión que sentó un precedente importante para toda la industria.

El juez también matizaba que, aunque entrenar con esos libros fuera legal, Anthropic sí había infringido la ley al descargar más de 7 millones de ejemplares desde portales digitales sin autorización y guardarlos en una especie de biblioteca interna que no necesariamente se destinaba a entrenamiento, según explica Reuters. Ese punto concreto iba a decidirse en un juicio aparte, con indemnizaciones que podían dispararse hasta cientos de miles de millones de dólares. Así que para evitarlo, Anthropic prefirió pactar.

Entre líneas. Tal y como explicábamos hace un tiempo, los documentos judiciales que salieron a la luz revelaban el alcance real del proyecto, bautizado como “Panama”, y con el que la compañía llegó a comprar y escanear físicamente millones de libros, cortando sus lomos para digitalizarlos y después reciclándolos. Antes de optar por esa vía, empleados de Anthropic, incluido su cofundador Ben Mann, habían descargado libros directamente de repositorios sin autorización como LibGen.

La empresa siempre ha sostenido que ese contenido nunca se usó para entrenar un modelo comercial, pero fue precisamente esa parte del proceso la que la llevó a los tribunales.

Cuánto y a quién. El reparto se hace a razón de unos 3.000 dólares por obra, sobre un total estimado de 500.000 títulos entre autores y editoriales, según detalla TechCrunch. Aparna Sridhar, responsable jurídica adjunta de Anthropic, ha señalado en un comunicado que la compañía llegó a este acuerdo en 2025 tras la sentencia que reconoció el entrenamiento con libros como uso legítimo, y ha añadido que más del 91% de los autores y editoriales afectados ya han reclamado su parte del pago. Por su parte, Justin Nelson, abogado principal de los demandantes, ha calificado el acuerdo como "histórico" y ha afirmado que representa la mayor recuperación por derechos de autor jamás lograda, según recoge también Reuters.

No todo el mundo está satisfecho. Algunos autores han presentado objeciones, alegando que la cantidad era insuficiente, y que beneficiaba demasiado a los abogados de la parte demandante o que dejaba fuera injustamente a ciertos titulares de derechos. La jueza Martinez-Olguin ha rechazado estos argumentos, considerando que no reflejaban de forma realista los riesgos de haber ido a juicio, y aprobó honorarios de más de 101 millones de dólares para los abogados, por debajo de los 187,5 millones que habían solicitado, según Reuters.

Algunos autores y editoriales optaron directamente por quedarse fuera del acuerdo y mantienen demandas propias contra Anthropic que siguen su curso.

Por qué es importante. Este cierre no resuelve el debate legal de fondo para el resto del sector. Y es que al tratarse de un acuerdo y no de una sentencia recurrida, la decisión de Alsup sobre el “uso legítimo” nunca llegará a un tribunal de apelación, por lo que no sienta jurisprudencia vinculante, tal y como subraya TechCrunch.

Cada juez es libre de interpretar casos similares a su manera, y eso es justo lo que está ocurriendo con las demandas abiertas contra Google, Meta, Midjourney y OpenAI por motivos parecidos.

Imagen de portada | Anthropic, editada por Xataka

En Xataka | Los ordenadores tardaron 15 años en mejorar la productividad de las empresas. La IA puede tardar más por un motivo: el sabotaje

-
La noticia Anthropic fue acusada de robar libros para entrenar sus modelos de IA. Su solución ha sido sencilla: pagar fue publicada originalmente en Xataka por Antonio Vallejo .


☞ El artículo completo original de Antonio Vallejo lo puedes ver aquí
Publicado a las 2:00 p.m. 0 comments

"¿De verdad necesitamos tantos matemáticos?": Fable 5 ayuda a refutar una conjetura de casi un siglo

"¿De verdad necesitamos tantos matemáticos?": Fable 5 ayuda a refutar una conjetura de casi un siglo

Mientras España hacía historia el domingo logrando su segunda Copa del Mundo de fútbol, un matemático de Harvard de 34 años llamado Levent Alpöge le pidió a Fable 5 algo interesante. No que tratara de demostrar la conjetura de Jacobi, sino que hiciese lo contrario: que la refutase. 

Argentina nos cosía a patadas mientras España jugaba al fútbol y Ferrán de mi vida y de mi corazón metía un gol histórico. Para cuando todo acabó, pasaron dos cosas. La primera, que España, insistimos, hacía historia con su segunda estrella en la camiseta. La segunda, que una conjetura que llevaba casi 90 años sin demostrarse quedó definitivamente refutada gracias a la ayuda de una IA.

La citada conjetura de Jacobi plantea que un determinado tipo de función matemática también podría funcionar a la inversa. Fue formulada por Ott-Heinrich Keller en 1939, y en 1998 el matemático Stephen Smale la incluyó en su célebre lista de problemas matemáticos no resueltos y que eran todo un reto para los matemáticos del siglo XXI. 

Un hallazgo que deja tantas preguntas como respuestas

Alpöge no ha explicado en detalle cómo logró llegar a ese resultado ni qué prompt utilizó, pero en su tuit indicó que parte del mérito se lo debía a su "amigo cercano Fable", el modelo de Anthropic. 

Abhishek Saha, de la Universidad Queen Mary de Londres, explicaba que la propia forma de afrontar el problema fue inesperada. La conjetura parecía intuitivamente correcta, pero nadie estaba intentando refutarla, sino demostrarla. 

Chris Bowman-Scargill, de la Universidad de York, apuntaba a algo que él considera muy importante: una cosa es encontrar contraejemplos que tumban conjeturas y otra muy distinta construir ramas enteras de matemáticas, lo que sigue requiriendo la creatividad humana. Ponía como ejemplo el último teorema de Fermat, resuelto por Andrew Wiles en 1994, y que le obligó a desarrollar decenas de páginas con nuevas y fascinantes teorías matemáticas. 

Varios expertos han validado ya esa refutación, algo que era relativamente sencillo de hacer. Para Saha, los avances de la IA en matemáticas ya habían sorprendido —lo hicieron con uno de los problemas recientemente—, pero esto iba más allá: "Probablemente sea la conjetura más importante en la que la IA ha tenido un papel relevante hasta ahora en matemáticas", afirmó.

Hay no obstante algunas preguntas abiertas: este contraejemplo concreto refuta la conjetura con tres variables, pero una versión con solo dos variables podría ser cierta. Una cosa es cierta: los matemáticos están aprovechando esta herramienta para ayudarles en su trabajo. El más famoso del mundo lo hace, desde luego.

Ivan Fesenko, de la Universidad Westlake en China, precisamente hablaba de ello al afirmar que los modelos de IA son cada vez más capaces: "Ahora mismo, la IA ya puede producir licenciados en matemáticas. En un año, producirá doctorados en matemáticas. Y entonces surge la pregunta: ¿de verdad necesitamos tantos matemáticos si la IA puede hacer estas cosas tan bien?".

Es una pregunta inquietante, desde luego.

Imagen | Vitaly Gariev

En Xataka | Un problema matemático llevaba más de 80 años resistiéndose a los expertos. Una IA los ha superado a todos



-
La noticia "¿De verdad necesitamos tantos matemáticos?": Fable 5 ayuda a refutar una conjetura de casi un siglo fue publicada originalmente en Xataka por Javier Pastor .


☞ El artículo completo original de Javier Pastor lo puedes ver aquí
Publicado a las 1:50 p.m. 0 comments

Apple graba las conversaciones en el Genius Bar con IA y las resume automáticamente: los empleados están nerviosos

Apple graba las conversaciones en el Genius Bar con IA y las resume automáticamente: los empleados están nerviosos

Apple está probando en un número limitado de tiendas un programa piloto llamado «Live Notes» que transcribe y resume automáticamente las conversaciones entre los empleados del Genius Bar y los clientes durante las sesiones de reparación y soporte técnico. La fuente es Mark Gurman de Bloomberg, que describe el programa como una herramienta de ahorro de tiempo para los propios empleados — pero también documenta la preocupación que ha generado entre el personal.

Lo cubre Mike Pearl en Gizmodo el 19 de julio.

Cómo funciona Live Notes

La mecánica es la siguiente: el audio de la conversación entre el técnico del Genius Bar y el cliente se graba, se transcribe automáticamente y se resume. Ese resumen se guarda en el «registro de la sesión de reparación» en el iPad de trabajo del empleado del Genius Bar.

Apple afirma que:

  • Los grabaciones de audio no se guardan (solo se usa la transcripción temporal).
  • El programa es opt-in para ambas partes: tanto el empleado como el cliente tienen que dar su consentimiento.
  • Los managers no tienen acceso a las transcripciones.

La justificación comercial es la productividad: los técnicos del Genius Bar gestionan múltiples reparaciones y conversaciones al día. Tener un resumen automático de lo que se habló con un cliente evita tener que tomar notas manualmente y reduce errores de memoria en casos complejos.

Por qué los empleados están nerviosos

El programa está en fase piloto y solo en un número limitado de tiendas, lo que es exactamente lo que preocupa al personal: es una fase de prueba cuyo alcance puede cambiar. Gurman escribe que el programa ha «generado preocupación» entre los trabajadores, porque una herramienta con esta arquitectura — grabar conversaciones, transcribirlas, guardarlas en un sistema — podría fácilmente adaptarse para monitorizar el rendimiento de los empleados.

Es la misma tensión que aparece cuando JPMorgan lanzó un sistema de seguimiento que usa datos de videollamadas, horarios de reuniones y keystroke data para evaluar a sus analistas junior. JPMorgan también enmarcó el sistema como «solo para la concienciación del empleado, no para aplicación», una promesa difícil de hacer cumplir cuando los datos existen y la presión de gestión puede cambiar las reglas.

En el caso de Apple, el historial importa. En 2019, Apple admitió que contratistas escuchaban grabaciones de Siri para evaluarlas — sin que los usuarios lo supieran. El escándalo resultó en una demanda colectiva que Apple resolvió por 95 millones de dólares en 2024. Tim Cook dijo en 2018 que la privacidad era «un derecho humano fundamental.» Ese historial hace que las garantías sobre Live Notes sean recibidas con escepticismo.

Apple Intelligence recibió aprobación en China con Baidu y Alibaba (Qwen) como modelos sustitutos de ChatGPT: la empresa que pide a los usuarios chinos que confíen en un sistema de IA con menor privacidad garantizada también pilota Live Notes en sus propias tiendas. La multa de la UE a Meta por diseño adictivo incluye preocupaciones sobre recopilación de datos que los usuarios no entendían que estaba ocurriendo: Live Notes es exactamente ese tipo de decisión de diseño donde la arquitectura del sistema implica un perfil de privacidad diferente al que percibe el usuario. El DHS descartó dos veces alertas de seguridad de su propia red: el mismo tipo de negligencia que las empresas tecnológicas ejercen con la privacidad aparece también en las instituciones que las regulan.

La comparación con JPMorgan que hace el artículo de Gizmodo es instructiva porque muestra que el movimiento de Apple no es un caso aislado. Las empresas de servicios en todos los sectores están explorando cómo la IA puede documentar automáticamente las interacciones con clientes para mejorar la calidad del servicio. La diferencia entre Apple y un banco de inversión es la audiencia: el Genius Bar atiende a millones de personas comunes que llevan su iPhone a reparar; los analistas de JPMorgan firmaron contratos de trabajo con expectativas de monitorización implícita. El opt-in del cliente en el Genius Bar es estructuralmente diferente.

Mi valoración

Live Notes es el tipo de herramienta que parece pequeña e inofensiva en su versión piloto y que puede convertirse en algo muy diferente si escala. Las garantías que da Apple ahora — opt-in, no guardamos el audio, los managers no ven las transcripciones — son exactamente las mismas que Apple dio sobre Siri antes de que Bloomberg revelara que los contratistas escuchaban grabaciones de los usuarios. No es que Apple mienta: es que las prácticas evolucionan y las garantías del piloto no siempre sobreviven al despliegue a escala.

Lo que más me preocupa es el precedente para los empleados: si una empresa puede grabar y resumir conversaciones con clientes con opt-in, puede eventualmente hacer lo mismo con conversaciones internas, sesiones de formación o reuniones de equipo. Las herramientas de monitorización de empleados tienen tendencia a expandirse. El opt-in del cliente en el Genius Bar es relativamente fácil de gestionar; el opt-in del empleado es más complicado cuando el poder de negociación es desigual.

Preguntas frecuentes

¿Cómo puedo saber si el Genius Bar está usando Live Notes en mi visita?

Según las afirmaciones de Apple, el programa requiere que el cliente dé su consentimiento para que se active. Eso implica que Apple debería informarte antes de la sesión y pedir tu autorización explícita. Si no te preguntan, el programa no debería estar activo en tu sesión. Si tienes dudas, puedes preguntar directamente al técnico antes de empezar.

¿Live Notes viola la regulación europea de privacidad (RGPD)?

La grabación de conversaciones en Europa requiere consentimiento informado y explícito bajo el RGPD. Si el programa se desplegara en tiendas europeas, Apple necesitaría cumplir esos requisitos. Por ahora, el piloto reportado está en tiendas americanas. El RGPD aplica principios más estrictos que la regulación americana sobre consentimiento y propósito de uso de los datos.

¿En cuántas tiendas está activo el programa?

Gurman de Bloomberg describe Live Notes como activo «en un número limitado de tiendas» sin especificar cuántas ni en qué ciudades. Es una fase piloto pre-despliegue, lo que implica que Apple está probando la tecnología y la respuesta de empleados y clientes antes de tomar una decisión sobre expansión.


☞ El artículo completo original de Natalia Polo lo puedes ver aquí
Publicado a las 1:45 p.m. 0 comments

La campaña FakeGit inunda GitHub con 7.600 repositorios trampa para distribuir SmartLoader

FakeGit ha desplegado miles de repositorios falsos en GitHub para colar SmartLoader, un cargador que facilita instalar malware adicional como el infostealer StealC. La campaña añade un giro preocupante: usa señuelos de Skills de IA y servidores MCP para que incluso agentes automáticos acaben recomendando e instalando repositorios maliciosos.

Entry image

La campaña FakeGit ha convertido GitHub en un escaparate masivo de repositorios señuelo con un objetivo claro: empujar a usuarios y organizaciones a descargar e instalar SmartLoader, un loader que abre la puerta a implantes posteriores, incluido el ladrón de información StealC. La operación, activa al menos hasta julio de 2026, destaca por su escala, se habla de cerca de 7.600 repositorios creados o reutilizados con fines maliciosos, y por un cambio de guion que mezcla desarrollo, automatización y agentes de IA.

El truco no se limita a subir código sospechoso. Los atacantes copian proyectos reales, clonan estructuras y documentación, y montan perfiles de desarrollador que imitan identidades legítimas. El resultado son repositorios con README verosímiles que guían al visitante hacia la descarga de un ZIP desde GitHub Releases, un canal que muchos equipos tratan como ‘más confiable’ por su apariencia de entrega oficial. En alrededor de 200 repositorios de la campaña, esos assets han acumulado más de 14 millones de descargas, una cifra que ayuda a entender el alcance del problema.

Una parte especialmente delicada se camufla como utilidades relacionadas con IA, con más de 800 repositorios que se presentan como Skills o como servidores MCP (siglas de Model Context Protocol). Aquí entra en juego la táctica bautizada como AgentBaiting: el atacante no necesita enviar un enlace directo. Basta con provocar que un agente busque ‘una Skill gratuita’ o ‘un servidor MCP’ y, a partir de ahí, siga instrucciones de instalación que acaban ejecutando código. Se han observado pruebas internas en Anthropic Claude Code, Google Gemini y OpenAI ChatGPT en las que estos sistemas pueden devolver repositorios maliciosos durante el descubrimiento.

En la cadena de infección descrita, el ZIP inicia una carga por etapas que pasa por LuaJIT y termina ejecutando un script Lua ofuscado que instala SmartLoader. A partir de ahí, el loader se encarga de mantener persistencia y desplegar cargas secundarias. Se han visto técnicas típicas en Windows, como la persistencia mediante tareas programadas, y también un elemento más inusual: la resolución dinámica de infraestructura de mando y control mediante un dead drop apoyado en blockchain, con referencias a un contrato inteligente en Polygon.

La exposición crece cuando estas supuestas Skills o servidores MCP aparecen en registros públicos como LobeHub, Glama, MCP.so y MCP Market. Se han señalado más de 600 listados vinculados a la campaña en este tipo de directorios, lo que amplía el alcance más allá de GitHub y complica la higiene del descubrimiento automático.

Para mitigar el riesgo, las organizaciones empiezan por lo básico: no ejecutar ZIP, scripts o instaladores de repositorios no verificados, aunque la documentación parezca impecable. Ayuda crear un catálogo interno de Skills, servidores MCP y plugins aprobados, con responsables claros, y validar cualquier nueva capacidad de agente en un entorno aislado antes de llevarla a producción. En estaciones de trabajo conviene aplicar control de aplicaciones para bloquear intérpretes y scripts no autorizados, endurecer políticas en Windows, y restringir la ejecución desde rutas de escritura de usuario como Descargas o %TEMP%.

En paralelo, la defensa técnica pasa por reforzar EDR con reglas centradas en ejecución de LuaJIT, patrones de loaders y señales de exfiltración, además de correlacionar eventos con descargas desde GitHub Releases. En entornos Windows también resulta clave vigilar rutas de persistencia, especialmente la creación de tareas programadas desde directorios de usuario, y revisar tráfico saliente anómalo, incluidos accesos a endpoints RPC ligados a Polygon o comunicaciones con IP sin dominio, como peticiones POST a una IP desnuda. Y, sobre todo, formar a equipos de desarrollo y a quienes operan agentes de IA: la cadena de suministro ya no se rompe solo en una librería, también en un repositorio ‘útil’ que alguien, o algo, instala sin mirar dos veces.

Más información

La entrada La campaña FakeGit inunda GitHub con 7.600 repositorios trampa para distribuir SmartLoader se publicó primero en Una Al Día.


☞ El artículo completo original de Hispasec lo puedes ver aquí
Publicado a las 1:40 p.m. 0 comments

Si siempre te lavas los dientes después de comer, la ciencia tiene algo que decirte: lo estás haciendo mal

Si siempre te lavas los dientes después de comer, la ciencia tiene algo que decirte: lo estás haciendo mal

"Casi todo el mundo se cepilla los dientes", concluyó un grupo de investigadores de la Universidad de Gottemburgo en 2012. El problema es que "solo uno de cada diez lo hace bien". Los resultados se circunscribían a Suecia, pero por lo que sabemos siguen siendo perfectamente válidos en el mundo occidental: dedicamos una desproporcionada cantidad de tiempo y recursos a limpiarnos los dientes mal.

No solo es culpa de los ciudadanos. Y es que, como explicaba la BBC, los estudios han encontrado por lo menos "66 tipos diferentes de consejos de expertos, algunas veces contradictorios entre sí". Así que nos hemos preguntado... ¿qué dice la evidencia disponible sobre lavarse los dientes?

¿Cómo lavarse los dientes? La forma más efectiva de lavarnos los dientes es aquella que entiende para qué nos los lavamos. Habitualmente, solemos creer que nos cepillamos para eliminar la comida de la boca; pero hay algo más. Los dientes desarrollan una densa biocapa (la placa dental) que lo rodea y que no es fácil de eliminar solo con un enjuagado.

Nos cepillamos los dientes para retirar manualmente y en la medida de lo posible esa capa pegajosa. Para retirarla de los dientes y de las encías, claro.

Hay varias técnicas para ello, pero ahora vamos a centrarnos en los más importante: que "no se debe realizar el movimiento de forma horizontal, sino que el cepillo debe moverse desde las encías hacia la parte inferior del diente”, explicaba el odontólogo Juan Casado Adán. Y recorrer todos los dientes, uno a uno, sin mucha preisón ni mucha prisa.

Ay, y por cierto, después de cepillarte, escupe. Pero no te enjuagues. Si lo haces, la mayor parte del flúor acaba yéndose por el sumidero.

¿Cuántas veces hay que lavarse los dientes? Dos veces como mínimo, nos dicen los expertos: una antes de irnos a dormir y otra nada más despertarnos. Puede parecer algo extraño, pero tiene su explicación: la saliva tiene un papel clave en la inhibición de la placa bacteriana. pero mientras dormimos producimos menos saliva.

Como, mientras dormimos, nuestra boca se vuelve más hospitalaria a las bacterias, el lavado previo ayuda a eliminar 'residuos' que puedan usar las bacterias para desarrollar su actividad y debilitar el esmalte. Por ello mismo, el lavado después de despertarnos tiene como función clave renovar el medio cargado de bacterias que tenemos en la boca y ayudar a la saliva a cumplir su función.

¿No hay que lavarse los dientes después de las comidas? En realidad, usando cepillos de dureza media, podemos cepillarnos los dientes las veces que queramos. Y sí, suele ser buena idea hacerlo después de comer porque así retiramos residuos que las bacterias podrían utilizar.

Sin embargo, hay excepciones: si hemos consumido una gran cantidad de bebidas ácidas ("como refrescos, café o alcohol"), dulces o hemos vomitado, cepillarnos inmediatamente puede ser un error. Según Luis Cabezas Vallejo, enfermero pediátrico, cuando el PH de la boca es ácido, el esmalte se debilita y cepillarnos en ese momento, puede causar daños (aunque sean inapreciables).

Como explicaba el Juan Carlos Llodra en ABC, vicesecretario del Comité Ejecutivo del Consejo General de Colegios de Dentistas de España, en esa situación es mejor esperar, dejar que la saliva neutralice los ácidos (o azúcares) y luego cepillar. 

Imagen | Quang Tri Nguyen

En Xataka | Estamos un poco más cerca de cumplir el sueño de los dentistas: dientes que vuelven a crecer

-
La noticia Si siempre te lavas los dientes después de comer, la ciencia tiene algo que decirte: lo estás haciendo mal fue publicada originalmente en Xataka por Javier Jiménez .


☞ El artículo completo original de Javier Jiménez lo puedes ver aquí
Publicado a las 11:25 a.m. 0 comments
Suscribirse a: Entradas (Atom)