Anthropic acusa a Alibaba del mayor ataque conocido contra su IA Claude
Anthropic, la empresa dueña de Claude, ha acusado a Alibaba de llevar a cabo una operación masiva para extraer de forma ilícita las capacidades de su modelo de inteligencia artificial, calificándola como el mayor ataque de destilación conocido contra la compañía hasta la fecha.
En una carta enviada a senadores estadounidenses y funcionarios de la Casa Blanca, Anthropic alegó que operadores vinculados al laboratorio de IA Qwen de Alibaba utilizaron casi 25,000 cuentas fraudulentas para generar 28,8 millones de intercambios con Claude entre abril y junio, eludiendo las restricciones regionales y los términos de servicio.
La acusación sigue un patrón que Anthropic documentó públicamente por primera vez en febrero, cuando señaló que otros tres laboratorios de IA chinos —DeepSeek, Moonshot AI y MiniMax— habrían ejecutado «campañas de escala industrial» mediante 24.000 cuentas fraudulentas y 16 millones de consultas para destilar las capacidades de Claude en sus propios modelos.
Anthropic afirmó en la carta que la destilación es una forma de ayudar a acelerar la capacidad de China para alcanzar las avanzadas capacidades de Mythos Preview de Anthropic.
¿Qué significa la técnica de «destilación»?
La destilación en modelos de IA (o knowledge distillation) consiste, en esencia, en transferir el conocimiento de un modelo grande y complejo (“teacher”) a un modelo más pequeño y eficiente (“student”), manteniendo la mayor parte posible de su rendimiento.
En términos breves la destilación es una técnica de compresión de modelos donde un modelo grande ya entrenado guía el entrenamiento de un modelo más pequeño, que aprende no solo de las etiquetas reales, sino también de las predicciones del modelo grande, que contienen información más rica y matizada.
¿En qué consiste exactamente?
1) Dos modelos: Teacher y Student
Teacher: un modelo grande, profundo y costoso (por ejemplo, un LLM de miles de millones de parámetros).
Student: un modelo más pequeño, rápido y barato de ejecutar.
El objetivo es que el student imite el comportamiento del teacher.
2) Cómo aprende el modelo pequeño
El student se entrena con dos señales simultáneas:
La etiqueta real del dato.
La predicción del teacher, que suele ser una distribución de probabilidades más informativa.
Estas dos pérdidas se combinan con un factor de ponderación α.
Esto permite que el modelo pequeño aprenda:
Relaciones entre clases.
Estructuras complejas que el teacher ya capturó.
Generalización más estable incluso si hay errores en las etiquetas.
3) Por qué funciona
Transfiere conocimiento implícito: el teacher entrega información más rica que una etiqueta binaria.
Reduce complejidad sin perder calidad: el student puede acercarse al rendimiento del teacher.
Estabiliza el entrenamiento: menos sensibilidad a ruido o etiquetas incorrectas.
Repercusiones
Es interesante la discusión jurídica que existe en este tipo de prácticas.
Para algunos, la destilación es una técnica que permite hacer modelos más pequeños sin sacrificar demasiado rendimiento, aprovechando el conocimiento ya aprendido por modelos grandes. Es fundamental hoy para democratizar la IA y permitir que modelos avanzados funcionen en dispositivos cotidianos.
Para otros, sería un acto ilegal al infringir con acceso de cuentas no autorizadas, al conocimiento de modelos más avanzados, existiendo derechamente robo de propiedad intelectual. De hecho, en abril de este año, la Casa Blanca acusó a China de robar la propiedad intelectual de los laboratorios de IA de EE. UU. a escala industrial.
Hay que sumar que existe una designación militar de Alibaba por parte de EEUU, ya que esta empresa fue añadida este mes a la lista de compañías militares chinas del Pentágono.
Claramente es un debate jurídico y geopolítico que está escalando y hay que estar atento a su evolución. Es otro elemento a considerar cuando hablamos de soberanía digital.
