Substack añade un detector de IA y sus autores se rebelan
Los lectores ya pueden analizar cualquier texto de más de 100 palabras en busca de señales de escritura automática. Los autores lo califican de caza de brujas y los estudios sobre la precisión de estos detectores respaldan sus críticas.
Substack estrenó el 21 de julio una función para detectar textos generados por IA, desarrollada junto con la empresa Pangram. Puede analizar cualquier publicación, nota o comentario de más de 100 palabras y devuelve un porcentaje sobre la probabilidad de que proceda de una IA. El resultado solo aparece cuando un lector solicita el análisis, se limita al contenido publicado después del 21 de julio y cada autor puede desactivarlo para sus propios textos. Nada de esto ha calmado las protestas. Numerosos escritores de la plataforma hablan de una caza de brujas y su principal objeción no es filosófica, sino práctica: la precisión.
Los estudios que citan dejan en mala posición a quienes venden detectores. Una investigación de Stanford de 2023, ampliamente difundida, probó siete sistemas con ensayos escritos por personas cuya lengua materna no era el inglés. De media, el 61% de esos textos auténticos se clasificó como generado por IA. Los errores no son aleatorios. Los detectores se fijan en un vocabulario previsible y en poca variación entre frases, rasgos que aparecen en la IA pero también en quien escribe cuidadosamente en una segunda lengua o prefiere un estilo sencillo. Las consecuencias, además, son desiguales: pasar por alto un texto automático no cuesta nada, mientras que una acusación falsa puede perseguir a un autor durante años. Y no hay una forma limpia de demostrar que no se ha hecho algo.
El problema profundo es que detectar IA no puede resolverse como se filtra el correo basura. El texto corriente no contiene ninguna marca de agua, así que el sistema es en realidad un clasificador de estilo que hace una conjetura probabilística sobre un objetivo cambiante, cada vez más humano con cada nuevo modelo. Tampoco reconoce la diferencia que de verdad interesa a muchos lectores. Un texto redactado por una persona y corregido por un modelo puede parecerle casi igual que otro generado por completo a partir de una sola frase. Una única puntuación aplana todos esos matices hasta convertirlos en una cifra que parece concluyente sin serlo.
Qué significa esto para ti: Si escribes en público, da por hecho que en algún momento una herramienta analizará tu trabajo y que puede equivocarse en tu contra. Las defensas son aburridas pero eficaces: conserva borradores, historial de versiones y notas para poder mostrar tu proceso, en vez de discutir sobre un número. No alteres tu voz natural para complacer a un clasificador; varios autores de Substack describen precisamente esa trampa. Si diriges una publicación, una escuela o un equipo, trata el resultado como una señal débil que puede iniciar una conversación, nunca como una prueba que la cierre. Y si utilizas IA para escribir, lo que más te protege es decirlo.
Fuentes
Fuentes: https://www.404media.co/substackers-say-new-ai-detection-tool-is-a-witch-hunt/
Los pesos de Kimi K3 ya son públicos, y ocupan 1,4 terabytes
Moonshot AI ha publicado los pesos completos y el informe técnico de Kimi K3, su modelo de 2,8 billones de parámetros, junto con parte de la infraestructura necesaria para ejecutarlo. La afirmación que toca comprobar: 2,5 veces más inteligencia por unidad de cómputo.
