Como millennial, la Wikipedia es algo más que una mera fuente de información enorme, actualizada y fiable en la que me he tenido que documentar a nivel académico, personal y profesional, es una joya rara avis hoy en día, una forma de entender internet en auténtico peligro de extinción. 

Y es que estamos ante un proyecto colaborativo sólido hecho por humanos entre tanto "contenido", el que abunda en unas redes sociales saturadas de influencers y en un internet crawleado y sembrado por IA (de hecho, la Wikipedia cuenta con un escuadrón para combatir el contenido que asedia internet). Esas redes sociales en las que un día vertimos nuestros recuerdos, expresamos nuestras vivencias más mundanas y buscamos a esa compañera de clase que no vemos desde primaria, hoy sirven de entrenamiento para la IA. 

Pasa con los productos de Google, con los de Meta y también con X/Twitter, una de las grandes fuentes de información de los últimos años (y también de propaganda). Elon Musk abrió la chequera para comprar Twitter por 'el bien de la humanidad' y 'buscando la verdad'. La realidad, ya tal. Después de Twitter, el multimillonario ha puesto sus ojos en Wikipedia y tiene otro objetivo: usar la IA para que corrija el sesgo progre en su inminente Grokipedia. Yo por si las moscas, me he bajado la Wikipedia original para consultarla offline.

Otra plataforma, pero el mismo objetivo: controlar el discurso

La Grokipedia será, en pocas palabras, una enciclopedia digital impulsada por IA capaz de combinar la vasta información de internet con la capacidad de inferencia de la inteligencia artificial. Y no será un repositorio digital a la vieja usanza, sino que permitirá interacciones conversacionales, lo que abre las puertas no solo a preguntar dudas concretas, sino también a debatir con ella ante disconformidad. El multimillonario toma como ejemplo las notas de la comunidad.

Toca para ir a la publicación

Desarrollada por xAI y a escasos días de su lanzamiento según los planes de Musk, ofrecerá un servicio "más inteligente, preciso y libre de sesgos ideológicos" que la actual Wikipedia, a la que el sudafricano llama de forma despectiva 'Wokepedia' y acusa de estar dirigida por "élites de editores activistas" y de financiación poco transparente. La cuestión está en que, ¿qué enciclopedia no tiene sesgos? 

El momento es crítico en tanto en cuanto la Wikipedia sirve también de fuente de entrenamiento para las IA (es una de las webs más visitadas de internet), lo que repercute en la sociedad digital del presente y del futuro. Entonces y siguiendo el discurso de Elon Musk, si la Wikipedia tiene sesgos, entonces estos sesgos los heredarán los modelos que se nutren de ella. 

La forma de contrarrestarla es con su Grokipedia. Así que además de que la Wikipedia luche contra los artículos escritos por IA que pueden difuminar su labor o la amenaza de Chat Control, ahora tendrá que enfrentarse a la enciclopedia de Elon Musk, que en prácticamente cada tuit sobre Grokipedia deja caer que será mejor que la Wikipedia. Como quien guarda su enciclopedia británica, yo quiero tener una copia de la Wikipedia actual para poder consultarla en los próximos años por lo que pueda pasar.

Cómo descargar la Wikipedia para tenerla offline

Al bajar la Wikipedia para tenerla disponible offline lo que haces realmente es disponer de una especie de copia de seguridad a la que tener acceso: en inglés pesa 105 GB (25 comprimida sin imágenes), no obstante se puede reducir si optamos por la versión en castellano (de 10GB a 40GB en función de la versión). 

Interfaz de Kiwix para acceder al contenido agrupado por categorías y leerlo

Una vez descargado el archivo de extensión '.zim' (se puede bajar de forma directa o con Torrent), para abrirlo en mi ordenador he usado el lector de contenido web recomendado Kiwix, una app open source destinado a ofrecer acceso sin conexión a contenidos educativos gratis, si bien su principal objetivo es precisamente hacer que Wikipedia sea accesible sin conexión. Esta app permite entre otras herramientas acceder, navegar por las categorías y leer los artículos, así como disponer de un motor de búsqueda. Y sirve tanto en Windows como en macOS. Pero es que además si así lo deseas puedes tenerla en tu móvil, tanto para Android como para iOS. 

Uno de los puntos fuertes de Wikipedia es que la información está actualizada, pero es algo que también se puede hacer desde la página de descargas de Wikimedia, con los ficheros nuevos y el historial de modificaciones.

En cualquier caso y pese a la cantidad de artículos de Wikipedia, los tamaños de las diferentes versiones son tamaños bastante asequibles para que quepa en casi cualquier pendrive que haya por casa, algo que puede hacerse desde esta web argentina, para luego grabar y acceder desde una unidad de almacenamiento externo.

En Genbeta | 9 alternativas gratuitas a la Wikipedia para consultar información fiable online

En Genbeta | Este mapa muestra las palabras más utilizadas en Wikipedia para cada país: la de España no es 'siesta' ni 'paella'

Portada | “Elon Musk” por Gage Skidmore, CC BY-SA 4.0 y Foto de Oberon Copeland @veryinformed.com en Unsplash

A Elon Musk le gusta romper el statu quo: lo demostró al transformar la industria automotriz con Tesla, al llevar los cohetes reutilizables al espacio con SpaceX, o al replantear el papel de las redes sociales con X/Twitter. Ahora, su nueva ambición apunta a un terreno todavía más sensible: el del conocimiento global.

Y es que Musk ha anunciado en lanzamiento de Grokipedia, una enciclopedia impulsada por IA, Musk quiere ofrecer una alternativa a Wikipedia, la plataforma que desde hace más de dos décadas ha sido el referente del saber digital y se ha mantenido entre los 10 sitios web más visitados de Internet.

El proyecto, desarrollado a través de su startup de inteligencia artificial xAI (y cuyo nombre lo vincula con su popular chatbot Grok), pretende ofrecer —en palabras de Musk— un servicio "más inteligente, preciso y libre de sesgos ideológicos" que la actual Wikipedia.

El sesgo de 'la Wiki'

Desde hace años, Musk ha mostrado su desencanto con Wikipedia. La acusa de arrastrar un "sesgo ideológico progresista" (la ha denominado 'Wokepedia' en más de una ocasión), de estar dirigida por "élites de editores activistas" y de financiarse de forma poco transparente a través de campañas de donación de difícil justificación dada la baja infraestructura que requiere mantener la plataforma.

El líder de la Wikipedia, Jimmy Wales, ha contestado criticando abiertamente la gestión de Musk en X, acusándola de haberse convertido en un espacio dominado por la desinformación y los trolls. Sin embargo, su cofundador Larry Sanger, desvinculado desde hace años de la gestión de la 'Wiki', coincide con las críticas de Musk:

"Puedes confiar en ella para dar un punto de vista fiable del 'stablishment' sobre casi todo. [...] La palabra que usaría es 'propaganda'".

De hecho, Langer pidió públicamente ayuda a Musk, cuando éste fue nombrado director de DOGE, para investigar si la administración Biden había pagado a empleados públicos para editar la Wikipedia.

¿Qué es Grokipedia?

El término 'Grok' proviene de la novela de ciencia ficción 'Forastero en tierra extraña' de Robert A. Heinlein, donde significa "comprender profundamente". Para Musk, dicha comprensión llegará a través del uso de la inteligencia artificial.

Aunque los detalles técnicos aún son escasos, Musk ha dejado entrever que Grokipedia se construirá sobre la base de Grok, el chatbot de IA desarrollado por xAI.

El propio Musk lo explica así: Grok puede leer una página de Wikipedia, discernir qué es cierto, qué es engañoso y qué falta, y luego reescribirla de manera más precisa. El resultado, en teoría, sería una enciclopedia que combina la amplitud de la información online con la capacidad de inferencia de la IA, reduciendo errores y evitando manipulaciones.

En Genbeta

Grok se convierte en el "juez de la verdad" en X: la peligrosa fe ciega en la IA que preocupa a los expertos por sus muchos errores

Grokipedia no sería solo un "repositorio digital" clásico: en la práctica, Grokipedia combinaría el formato enciclopédico con la interacción propia de un modelo conversacional, lo que permitiría no solo consultar información, sino también debatirla, actualizarla y personalizarla en tiempo real.

Una batalla por el control del discurso

El proyecto llega en un momento crucial: Wikipedia, por su influencia, es utilizada como fuente de entrenamiento por las grandes plataformas de IA, lo que multiplica su peso en la sociedad digital. Pero si, como sostiene Musk, sus artículos contienen sesgos, esos sesgos se amplifican en los modelos que beben de ella.

Aquí se abre la gran pregunta: ¿puede existir realmente una enciclopedia sin sesgos? Musk apuesta a que sí. Y aunque la neutralidad absoluta sea inalcanzable, su propuesta busca diversificar el ecosistema informativo y romper el monopolio cultural que Wikipedia ha consolidado durante dos décadas.

Imagen | Marcos Merino mediante IA

En Genbeta | 9 alternativas gratuitas a la Wikipedia para consultar información fiable online

Cuando Kenneth Wehr se hizo cargo de la versión de Wikipedia en groenlandés hace cuatro años, su primera medida fue drástica: borrarlo casi todo. Era, según él, la única forma de que el proyecto tuviera alguna posibilidad de sobrevivir. Wehr, un alemán de 26 años obsesionado con Groenlandia, descubrió que la Wikipedia en este idioma, hablado por unas 57.000 personas, era un espejismo.

Pero esto también ocurre en auténticos paraísos como Hawai, donde Noah Ha'alilio Solomon, apunta a que alrededor del 35% de las palabras de algunas páginas de la Wikipedia hawaiana son incomprensibles. Aunque es algo que tiene su explicación. 

Falsos traductores. A pesar de contar con unos 1.500 artículos en este idioma, la inmensa mayoría habían sido creados por personas que no hablaban el idioma, utilizando traductores automáticos. El resultado, como se recoge en MIT Technology Review, era un desastre: artículos con errores gramaticales básicos, palabras sin sentido e incluso datos absurdos, como una entrada que afirmaba que Canadá tenía solo 41 habitantes. 

En Genbeta

Hay tantos artículos escritos por la IA en internet que la Wikipedia ya tiene un método para detectarlos

"Las frases no tenían ningún sentido o contenían errores obvios", se lamentaba Wehr. "Los traductores de IA son realmente malos en groenlandés".

Basados en predicción. Los grandes modelos de inteligencia artificial, desde Google Translate hasta ChatGPT, aprenden a "hablar" nuevos idiomas analizando cantidades masivas de texto extraído de internet. Para muchas lenguas minoritarias, con poca presencia digital, Wikipedia es a menudo la mayor, si no la única, fuente de datos lingüísticos disponible. Y aquí es donde empieza el gran destrozo lingüístico. 

Y es que al final todo comienza con usuarios bienintencionados (o no tanto) que utilizan herramientas de traducción automática para poder crear artículos en Wikipedia en lenguas que son minoritarias. Pero lógicamente no piensan que estos traductores no están bien entrenados para estas lenguas por los pocos recursos que hay de por sí en la red. 

Cíclico. Con toda esta información generada con los traductores automáticos se está generando también el material con el que van a trabajar los futuros modelos de IA, ya que van a usar la información que hay en la red. De esta manera, los nuevos modelos de IA aprenden de estos textos 'basura', perpetuando y amplificando los errores que se cometieron anteriormente. 

Ahora las nuevas herramientas de traducción que surgen se generan a partir de traducciones de otras IA y entonces se van a acumulando los errores uno encima de otro. Y al final lo que esperamos tener es un desastre auténtico. 

Va más alla. Voluntarios que trabajan en cuatro idiomas africanos estimaron para MIT Technology Review que entre el 40% y el 60% de los artículos en sus ediciones de Wikipedia eran traducciones automáticas sin corregir. Una auditoría de la edición en inuktitut (un idioma indígena de Canadá) reveló que más de dos tercios de las páginas contenían fragmentos generados de esta manera.

La dependencia. Ya en 2020, se estimaba que Wikipedia constituía más de la mitad de los datos de entrenamiento para la IA en idiomas hablados por millones de personas en África, como el malgache, el yoruba y el shona. En 2022, un equipo de investigación alemán descubrió que para 27 idiomas de bajos recursos, Wikipedia era la única fuente de datos lingüísticos fácilmente accesible en internet.

"Estos modelos se basan en datos brutos", explica Kevin Scannell, un informático que desarrolla software para lenguas en peligro. "No hay libros de gramática. No hay diccionarios. No hay nada más que el texto que se introduce".

Los secuestradores. Trond Trosterud, un lingüista computacional de la Universidad de Tromsø, lleva años alertando sobre este fenómeno. Él acuña el término "secuestradores de Wikipedia" para describir a un subconjunto de usuarios que, ya sea por ingenuidad o por un afán de "ayudar", inundan estas pequeñas ediciones con contenido de baja calidad. Concretamente, apunta a que estos usuarios están "armados con Google Translate", lo que categoriza como el problema principal. 

Antiguamente, esto era algo impensable, porque únicamente contábamos con una serie de diccionarios entre dos idiomas y traducir al final requería mucho tiempo. Pero al final un 'copia y pega' se pueden generar contenidos muy largos. 

Le dan las herramientas. La propia Wikipedia a día de hoy ofrece a los usuarios esta herramienta llamada 'Content Translate'. Esta permite traducir artículo a un idioma a otro conservando el formato original. Sin embargo, al depender de los motores externos lógicamente, los errores comenzaban a aflorar, y las imprecisiones eran mayúsculas. 

Se llegó a tal punto, que la versión en inglés de Wikipedia dejo de mostrar en gran medida el contenido que estaba generado con esta herramienta de traducción si antes no pasaba por un revisor humano. Todo porque no cumplían con el estándar de calidad mínimo que se solicitaba. Pero en las ediciones más pequeñas de Wikipedia no hay un ejército de editores humano que puedan corregir los errores que cometen los traductores de IA. 

Un ejemplo de esto está en Yuet Man Lee, un profesor canadiense, que admitió haber usado ChatGPT y Google Translate para crear artículos en inuktitut. Una decisión ue tomó tras ver la "arrogancia de la Wikipedia grande", ya que se encontraba que en inglés hay mucho contenido, pero en lenguas minoritarias no. Pero esto es algo que hizo confiando en que alguien vendría después a corregirlo, aunque la realidad es que nadie ha tocado los artículos desde entonces. 

En Genbeta

Wikipedia quiso introducir resúmenes con IA en sus artículos. La feroz reacción de los editores les ha parado los pies

Las consecuencias. En el norte de Nigeria Abdulkadir Abdulkadir dedica tres horas diarias a editar la Wikipedia en fula, un idioma hablado por pastores y agricultores. Él lo ve como una herramienta vital para llevar el conocimiento de la agricultora a las aldeas remotas. Pero si la información está traducida, obviamente puede haber grandes daños en los cultivos de las personas que han confiado en esta entrada. 

Pone varios ejemplos para poder ilustrarlo. Apunta específicamente que los traductores automáticos confunden la palabra fula para "cosecha" con "fiebre" o "bienestar". Aunque también relata como recientemente tuvo que corregir un artículo sobre el caupí, un cultivo fundamental en África, porque era prácticamente ilegible. Estima que el 60% de los artículos en fula son traducciones automáticas sin corregir. 

Al otro lado del país, Lucy Iwuala, editora en igbo, es aún más tajante. "El daño ya está hecho", afirma, mientras revisa artículos recién creados que contienen letras que ni siquiera existen en el alfabeto igbo. Apunta que esta edición de las entradas de Wikipedia para ella es una forma de lucha cultural, ya que se siente identificada con esas entradas. 

Imágenes |  Oberon Copeland 

En Genbeta | Wikipedia: 20 años que cambiaron internet y el acceso al conocimiento en 10 hitos

Si buscas algo en internet (y quien dice internet, dice su buscador por excelencia desde hace años: Google), es altamente probable que quien te ofrezca la primera respuesta sea Gemini, la IA de Gemini. Por si eso no fuera suficiente, si haces scroll y decides entrar en otros enlaces huyendo de la inteligencia artificial en favor de esas webs de autoridad con contenido escrito por humanos especializados, cada vez te vas a encontrar con más textos hechos made in IA.

Que la IA alucina no es una novedad ni tampoco que ofrezca datos que parecen verdaderos y no lo son, desde información falsa a citas que nunca existieron. Y eso es un problema para quien busca calidad. Si además eres la enciclopedia de internet,  entonces pueden convertirse en una bomba de relojería para tu credibilidad. Porque si la Wikipedia ya tenía un problema con los rastreadores de internet, en el horizonte ha aparecido otro: que internet (y la propia Wikipedia) se llene de artículos falsos generados por la inteligencia artificial.

Porque puede que ahora la gente pregunte al recién llegado Grok para salir de dudas como si fuera el adalid de la verdad, pero a la Wikipedia le costó años ganarse sus galones dejando atrás ese sambenito de enciclopedia escrita de cualquier manera por aficionados para entender la envergadura y el valor de su proyecto. Y ojo porque hasta la Wikipedia se las ha visto con los resúmenes de la IA y ha tenido que decir 'no, gracias' por la presión de sus editores.

La Wikipedia está combatiendo el uso de la IA por la vía rápida

Así que Wikipedia ha tenido que ponerse manos a la obra con un equipo de voluntarios dispuestos a combatir esa "basura generada por la IA" llamado WikiProject AI Cleanup. Para Marshall Miller, director de producto de la Fundación Wikimedia, son algo así como una  especie de "respuesta del sistema inmunitario": 'A medida que cambia internet, y aparecen cosas como la IA, ese sistema inmunitario se adapta a nuevos desafíos y encuentra la forma de procesarlos'.

¿Cómo lo hacen? Una de las formas de hacerlo es, en pocas palabras, por la vía rápida. Este escuadrón de wikipedistas está optando por una eliminación rápida de esos artículos mal redactados, como recoge 404 Media. Pero hace falta mucho tiempo y medios en forma de editores experimentados para detectar este contenido y limpiarlo. Además están inundados de borradores de ínfima calidad, cuenta uno de los revisores.

El proceso de eliminación de Wikipedia no es tan rápido y simple como darle a un botón: una vez señalado como potencialmente borrable, pasa a una especie de cuarentena de siete días llamada periodo de discusión donde los miembros de la comunidad deciden si borrarlo o no. Esta nueva norma de eliminación rápida permite que los administradores se salten este paso si un artículo ha sido claramente generado por la IA y no ha sido revisado por quien lo envía.

Este procedimiento de eliminación rápida lista tres señales a comprobar:

• Que sea escritura dirigida directamente al usuario, con frases tan cantosas como 'Aquí tienes tu artículo de Wikipedia sobre' o '¡Espero que te sirva!.
• Con citas sin sentido y referencias incorrectas a autores y publicaciones.
• Con referencias inexistentes, enlaces rotos, códigos ISBN inválidos o identificadores digitales de objetos que no se pueden resolver.

Como lo anterior no es suficiente (y más teniendo en cuenta que la IA sigue depurándose con la ayuda de nuestros datos), el equipo de WikiProject AI Cleanup ha preparado una lista de frases y características de formato habitualmente preparadas por la IA entre las que no faltan el uso excesivo de guiones largos, el abuso de la palabra "además", el lenguaje promocional (que vivan los impresionantes y espectaculares) o problemas de formato. No son la base, pero sí señales.

La Fundación Wikimedia, encargada de alijar la Wikipedia pero no de crear sus políticas, ya ha chocado con sus voluntarios con temas relativos a la inteligencia artificial como por ejemplo con los resúmenes generados por IA cuyo experimento tuvo que frenar en seco tras las críticas de la comunidad. Eso sí, ya la usa para identificar ediciones que contengan vandalismo. De hecho, la Fundación no se opone a la IA, siempre y cuando genere textos precisos y de alta calidad.

Para Miller usar la IA es un arma de doble filo: 'Permite a la gente generar contenido de menor calidad a gran escala, pero la IA también puede ser una herramienta para ayudar a los voluntarios en su trabajo, si la usamos bien y colaboramos con ellos para encontrar la mejor forma de aplicarla'.

Otras iniciativas para mantener a raya el uso de la IA propuestas pasan por indicar el porcentaje de texto generado por chatbots o echar una mano en ediciones constructivas para que quienes están velando por la credibilidad del contenido puedan prestar atención a ediciones más relevantes o abarcar más contenido.

En Genbeta | Este mapa muestra las palabras más utilizadas en Wikipedia para cada país: la de España no es 'siesta' ni 'paella'

En Genbeta | 9 alternativas a la Wikipedia para consultar información fiable online

Portada | Eva Rodríguez de Luis

La Fundación Wikimedia ha decidido suspender temporalmente un experimento que mostraba resúmenes generados por inteligencia artificial en la parte superior de los artículos de Wikipedia tras recibir una avalancha de críticas por parte de la comunidad de editores.

Tal y como explica el medio 404Media, el proyecto, denominado “Simple Article Summaries” (Resúmenes Simples de Artículos), pretendía facilitar la comprensión de contenidos complejos mediante IA, pero se topó con una reticencia feroz de la comunidad de editores desde el primer momento de su anuncio el pasado 2 de junio.

Una decisión que no ha sentado bien a los editores

Uno de ellos expresó su preocupación de forma tajante: "El hecho de que Google haya lanzado sus resúmenes de IA no significa que tengamos que superarlos. Ruego encarecidamente que sigáis con la prueba". Según este editor, la implementación causaría "un daño inmediato e irreversible a nuestros lectores y a nuestra reputación como fuente decentemente confiable".

Otros editores fueron aún más directos en su rechazo, calificando la iniciativa simplemente como "repugnante" o manifestando su "oposición más firme posible".

En Genbeta

9 alternativas gratuitas a la Wikipedia para consultar información fiable online

Las críticas se centraron en varios aspectos fundamentales. Los editores argumentan que Wikipedia ha conseguido mantener su credibilidad precisamente por su enfoque colaborativo y humano, algo que consideran podría verse comprometido por la introducción de contenido automatizado.

"Los editores humanos pueden introducir problemas de fiabilidad, pero como masa colectiva, se equilibra en un hermoso corpus", explicaba uno de los participantes en el debate. "Con los resúmenes simples, proponen dar a un solo editor con problemas conocidos de fiabilidad una plataforma en la parte superior de cualquier artículo".

Durante los últimos años, Wikipedia se ha consolidado como uno de los pocos espacios en internet que ha logrado mantener cierta inmunidad frente a la proliferación de contenido de baja calidad generado por IA. Mientras otras plataformas han visto cómo el contenido automatizado degradaba su valor, los editores de Wikipedia han trabajado activamente para filtrar y eliminar este tipo de material.

La iniciativa surgió tras las discusiones mantenidas en Wikimania 2024, la conferencia anual de Wikimedia, donde se exploraron formas de hacer la enciclopedia más accesible mediante tecnologías de IA. El experimento habría mostrado resúmenes generados automáticamente en la parte superior de los artículos, marcados con una etiqueta amarilla de "no verificado".

Wikipedia pausa el experimento, pero no se descarta seguir explorando la idea

Ante la oleada de críticas, la Fundación Wikimedia pausó el lanzamiento apenas un día después del anuncio. Un portavoz de la organización reconoció que "podrían haber hecho un mejor trabajo presentando esta idea y abriendo la conversación" con la comunidad.

La fundación mantiene, no obstante, su interés en explorar formas de hacer Wikipedia más accesible globalmente, aunque aseguran que cualquier desarrollo futuro contará con la participación activa de los editores y sistemas de moderación apropiados.

"No tenemos planes de implementar una función de resumen en las wikis sin la participación de los editores", aclaró un gestor del proyecto, quien añadió que "la moderación editorial es obligatoria bajo cualquier circunstancia".

En Genbeta | Wikipedia: 20 años que cambiaron internet y el acceso al conocimiento en 10 hitos

Internet está bajo ataque. No por ciberdelincuentes, sino por una avalancha de bots de IA que consumen ancho de banda a un ritmo sin precedentes. El objetivo de estos bots es el de rastrear y recolectar contenido masivo para alimentar modelos de lenguaje y generadores de imágenes. Pero el precio lo están pagando, entre otros, pilares del conocimiento abierto como Wikimedia, así como miles de desarrolladores de software libre.

Wikimedia: conocimiento libre, infraestructura al límite

Desde principios de 2024, la Fundación Wikimedia ha registrado un aumento del 50% en el consumo de su ancho de banda, (especialmente en su repositorio multimedia Wikimedia Commons). En algunos momentos, como tras la muerte del expresidente de EE.UU. Jimmy Carter, este exceso de tráfico derivó en la saturación de conexiones y tiempos de carga lentos para los lectores.

Por desgracia, no se trata de una explosión de interés por parte de sus usuarios humanos: la mayoría del tráfico proviene de bots automatizados —muchos sin identificar— que extraen imágenes, textos y vídeos para entrenar modelos de IA.

En términos prácticos, esto significa que un número creciente de conexiones a sus servidores centrales (el 65%, a estas alturas) están siendo ocupadas por rastreadores que ignoran los límites establecidos, como el archivo 'robots.txt', que tradicionalmente ha servido para regular los accesos automatizados.

En Xataka

Las webs están utilizando este método para frenar a los scrapers de IA. El problema: pueden ignorarlo sin esfuerzo

Wikimedia se basa en un modelo de “conocimiento como servicio”. Su contenido es gratuito y libremente reutilizable, lo que ha sido clave para el desarrollo de buscadores, asistentes de voz y ahora modelos de IA. Pero, como la propia fundación ha declarado:

"El contenido es gratis, pero nuestra infraestructura no lo es".

Una amenaza común para los desarrolladores

La situación es similar —o incluso más crítica— en el mundo de los pequeños proyectos de software libre, mantenidos por comunidades o desarrolladores individuales, están viendo cómo sus recursos se agotan por el tráfico generado por bots de IA, lo que genera que se disparen los gastos, o bien que los proyectos queden temporalmente offline.

Gergely Orosz, desarrollador y autor de 'The Software Engineer's Guidebook', vio cómo el uso de datos se multiplicaba por siete en uno de sus proyectos en cuestión de semanas, forzándolo a pagar penalizaciones por el exceso de tráfico.

El desarrollador Xe Iaso, por su parte, construyó Anubis, una herramienta que actúa como proxy inverso, obligando a los visitantes de una web a resolver una 'prueba computacional' antes de acceder al contenido. Solo los humanos pueden pasarla (y así acceder al contenido); los bots, no. Él mismo lamenta su limitada utilidad:

"Es inútil intentar bloquear bots de IA. Mienten, cambian de identidad, usan IPs residenciales [esto es, no vinculadas a centros de datos] y vuelven una y otra vez".

Sin embargo, esta herramienta se ha convertido en viral entre los miembros de la comunidad de código abierto y ha inspirado a muchos otros a implementar soluciones similares.

Tácticas agresivas

Más allá de las medidas defensivas, algunos desarrolladores han optado por métodos más agresivos. Herramientas diseñadas por la comunidad (como Nepenthes) o por grandes compañías como Cloudflare (el caso de AI Labyrinth), atrapan a los bots en 'tarpits', o laberintos de contenido falso o irrelevante (irónicamente también generado por IA), provocando que, con cada intento de scraping, desperdicien recursos en lugar de obtener información relevante.

La paradoja de la web abierta

En el fondo de esta crisis hay una contradicción fundamental: la misma apertura que permitió el auge de la IA está poniendo en riesgo la viabilidad de los espacios que la hicieron posible. Las empresas que desarrollan IA se benefician del contenido abierto, pero no contribuyen al mantenimiento de su infraestructura. Esta externalización de costos amenaza la sostenibilidad del ecosistema abierto.

Hacia una solución compartida

El consenso entre las plataformas afectadas es claro: se necesitan nuevas normas de convivencia, así como acuerdos entre empresas de IA y proveedores de contenido abierto que incluyan:

• Financiación compartida de infraestructura.
• APIs optimizadas y sostenibles.
• Respeto estricto por los estándares como 'robots.txt'.
• Reconocimiento y atribución del contenido usado.

Si no se alcanzan estos consensos, el mayor riesgo no es que la IA se quede sin datos, sino que los espacios abiertos que la nutren terminen cerrando sus puertas por agotamiento.

Vía | Wikimedia

Imagen | Marcos Merino mediante IA

En Xataka | Creíamos que OpenAI estaba scrapeando la web a un ritmo insostenible. Hasta que TikTok decidió entrar en la IA 

La página dedicada a cada país en Wikipedia está repleta de información sobra la economía, la cultura y la geografía de dicha nación. Y, frecuentemente, la palabra más repetida en cada artículo termina siendo una bastante simbólica y representativa de cada país (aunque, por supuesto, siempre hay alguna sorpresa).

Eso fue lo que descubrieron los responsables de la plataforma web de crucigramas Crossword Solver cuando se pusieron manos a la obra para, precisamente, elaborar un mapa de palabras populares por cada página de país.

Para ello, recopilaron los textos, omitieron ciertas palabras, como los nombres de personas, lugares y empresas, así como los gentilicios y las palabras de enlace (como "un", "el", "de" y similares... o, al menos, sus equivalentes en inglés, claro), Y se pusieron manos a la obra para crear el mapa en cuestión sobre las palabras que más vinculan los internautas con cada país.

Así, 'cacao' se revela como el término más popular en la página de Costa de Marfil (en su principal exportación) y 'sauna' como la más popular en la de Finlandia, donde entre el 60% y el 90% de la población visita una al menos una vez a la semana. Pero la palabra más mencionada de la página wikipédica de España no es ni 'aceite de oliva' ni 'siesta', no.

En Genbeta

Esta web te ofrece una enorme colección de mapas del mundo, de países, históricos y actuales e incluso de otros planetas

¿Qué opinas? ¿Representativa?

La palabra más mencionada en la página de Wikipedia para España es 'autonomía' ('autonomy', en referencia a las comunidades autónomas). No es tan bueno como 'espacio' (Rusia), 'Renacimiento' (Italia) o 'naturaleza' (Surinam), pero al menos es mejor que 'Golpe [de estado]' (Mauritania y Guinea-Bissau), 'Genocidio' (Ruanda) o 'Asesinato' (República Dominicana).

"Europa muestra una obsesión kafkiana por la burocracia: descentralización (Reino Unido), seguros (Países Bajos) y fiscalidad (Dinamarca)", afirman los creadores del estudio, y la referencia a las autonomías se enmarca en la misma tendencia.

Ellos también se han dado cuenta de algunas curiosidades:

"Mientras que palabras clave populares como 'faraón' en Egipto, 'terremoto' en Haiti o 'lemur' en Madagascar muentran una relación clara, otros —como 'biblioteca' en Bangladesh, 'ajedrez' en Israel o 'cocodrilo' en Palau— pueden merecer una investigación más atenta".

Según CrossWord Solver,

"el retrato del mundo de Wikipedia está distorsionado por el vandalismo, el sesgo y la simple equivocación. Al igual que el mundo real. Aun así, el mundo continúa leyéndose y representándose a sí mismo en Wikipedia".

Esto último sólo es cierto hasta cierto punto: la Wikipedia en inglés no es necesariamente un reflejo de cómo "el mundo se representa a sí mismo", pero siendo la versión lingüística más popular de Wikipedia, y dada la complejidad de agrupar términos en más de 300 idiomas, vamos a aceptar barco.

No es éste el primer mapamundi que CrossWord Solver realiza utilizando datos de Wikipedia: ya hicieron otro con los países más mencionados en las páginas de otros países diferentes. En aquella ocasión, el más mencionado en la página de Wikipedia sobre España era 'Portugal', si bien el más mencionado en la de Portugal era 'Brasil'. De hecho, 'España' sólo ostentaba esa distinción de 'país más mencionado' en las páginas de Marruecos, Guinea Ecuatorial y Filipinas.

En Genbeta | 9 alternativas a la Wikipedia para consultar información fiable online

Si te gusta el deporte y estás siguiendo los Juegos Olímpicos de París 2024, seguro que más o menos estás al tanto de cómo va el medallero de tus disciplinas, deportistas y países favoritos. No obstante, lo bueno de las Olimpiadas es que siempre descubres algo: un nuevo deporte o modalidad (en mi caso el baloncesto 3x3 me tiene maravillada) o alguien que te fascina y quieres saber más. Pues bien, alguien ha creado un mapa interactivo con las personas deportistas que han ganado medalla en los JJOO 2024.

El Google Maps de los medallistas, en tiempo real

Como cuenta la ingeniera de caminos, canales y puertos Nao Casanova en su perfil de X/Twitter, este mapa muestra en tiempo real con iconos de medallas coloreadas en función del metal conseguido el lugar de nacimiento de quienes han ganado medalla en París. Además, se actualiza más o menos en tiempo real. 

En el mapa global sorprende la densidad de algunas localizaciones frente a otras. Como puedes ver sobre estas líneas, se muestra el mapamundi estampado de medallas, si bien podemos hacer zoom para visualizar mejor su ubicación. 

Asimismo, si tocas sobre la medalla, aparece el nombre de la persona ganadora de la medalla, su lugar de nacimiento y en qué disciplina y qué medalla ha ganado. En el nombre hay un enlace que lleva directamente a su entrada en Wikipedia para más información.

En Genbeta | Dónde ver los Juegos Olímpicos de París 2024: horarios, canales y las mejores webs para disfrutarlos online

La página de cada país en Wikipedia está repleta de información sobra la economía, la cultura y la geografía de dicha nación. Y, frecuentemente, la palabra más repetida en cada artículo termina siendo una bastante simbólica y representativa de cada país (aunque, por supuesto, siempre hay alguna sorpresa).

Eso fue lo que descubrieron los responsables de la plataforma web de crucigramas Crossword Solver cuando se pusieron manos a la obra para, precisamente, elaborar un mapa de palabras populares por cada página de país.

Para ello, recopilaron los textos, omitieron ciertas palabras, como los nombres de personas, lugares y empresas, así como los gentilicios y las palabras de enlace (como "un", "el", "de" y similares... o, al menos, sus equivalentes en inglés, claro), Y se pusieron manos a la obra para crear el mapa en cuestión sobre las palabras que más vinculan los internautas con cada país.

Así, 'cacao' se revela como el término más popular en la página de Costa de Marfil (en su principal exportación) y 'sauna' como la más popular en la de Finlandia, donde entre el 60% y el 90% de la población visita una al menos una vez a la semana. Pero la palabra más mencionada de la página wikipédica de España no es ni 'aceite de oliva' ni 'siesta', no.

En Genbeta

Esta web te ofrece una enorme colección de mapas del mundo, de países, históricos y actuales e incluso de otros planetas

¿Qué opinas? ¿Representativa?

La palabra más mencionada en la página de Wikipedia para España es 'autonomía' ('autonomy', en referencia a las comunidades autónomas). No es tan bueno como 'espacio' (Rusia), 'Renacimiento' (Italia) o 'naturaleza' (Surinam), pero al menos es mejor que 'Golpe [de estado]' (Mauritania y Guinea-Bissau), 'Genocidio' (Ruanda) o 'Asesinato' (República Dominicana).

Los propios creadores del mapa se han dado cuenta de eso al realizar su estudio:

"Mientras que palabras clave populares como 'faraón' en Egipto, 'terremoto' en Haiti o 'lemur' en Madagascar muentran una relación clara, otros —como 'biblioteca' en Bangladesh, 'ajedrez' en Israel o 'cocodrilo' en Palau— pueden merecer una investigación más atenta".

Según CrossWord Solver,

"el retrato del mundo de Wikipedia está distorsionado por el vandalismo, el sesgo y la simple equivocación. Al igual que el mundo real. Aun así, el mundo continúa leyéndose y representándose a sí mismo en Wikipedia".

Esto último sólo es cierto hasta cierto punto: la Wikipedia en inglés no es necesariamente un reflejo de cómo "el mundo se representa a sí mismo", pero siendo la versión lingüística más popular de Wikipedia, y dada la complejidad de agrupar términos en más de 300 idiomas, vamos a aceptar barco.

No es éste el primer mapamundi que CrossWord Solver realiza utilizando datos de Wikipedia: ya hicieron otro con los países más mencionados en las páginas de otros países diferentes. En aquella ocasión, el más mencionado en la página de Wikipedia sobre España era 'Portugal', si bien el más mencionado en la de Portugal era 'Brasil'. De hecho, 'España' sólo ostentaba esa distinción de 'país más mencionado' en las páginas de Marruecos, Guinea Ecuatorial y Filipinas.

En Genbeta | 9 alternativas a la Wikipedia para consultar información fiable online

Elon Musk, líder de Tesla y X, entre otras, tras su ofensiva a Twitter que acabó con una compra millonaria y con una colección de polémicas que no cesan dentro de esa red social, ahora la ha tomado contra Wikipedia.

Hace unas horas usó su propia red social para ofrecer 1.000 millones de dólares a Wikipedia, la enciclopedia libre en línea, con la condición de que cambie su nombre por el de "Dickipedia". Recordemos que en inglés 'dick' significa 'pene'.

Antes de esta grosería había publicado una captura de pantalla de un llamamiento personal del cofundador de Wikipedia, Jimmy Wales, en el que afirmaba que el sitio web "no está en venta".

Un domingo en X contra la Wikipedia

Al igual que en 2021 y 2022 el multimillonario tenía una cruzada contra Twitter, ahora Musk la ha tomado contra Wikipedia y se pasó el domingo pasado posteando sobre esta enciclopedia online y colaborativa.

Hizo varias publicaciones el domingo criticando a la Fundación Wikimedia, la organización sin fines de lucro que alberga Wikipedia, por pedir dinero. Y dijo que le añadieran emojis de vaca y caca a su página wiki.

En Genbeta

Unos directivos de X veían difícil mover unos servidores. Elon Musk se enfadó, decidió comenzar a hacerlo él mismo y... salió mal

"¿Os habéis preguntado alguna vez por qué la Fundación Wikimedia quiere tanto dinero? Ciertamente no se necesita para hacer funcionar Wikipedia", escribió en otro momento, en X. Porque según él puedes "meter literalmente una copia de todo un texto en tu teléfono" por lo que no tiene ni idea qué tanto dinero necesitan en esa fundación.

Todo esto para promocionar sus servicios

Ayer, Elon Musk continuó con su cruzada. Publicó otra de sus reflexiones hablando de que Wikipedia es intrínsecamente jerárquica y, por tanto, está sujeta a los prejuicios de los editores de mayor rango, independientemente de sus méritos, según sus palabras.

También dijo que Wikipedia está llena de trolls / bots editores de biografías y temas subjetivos. "Tantas veces hace que parezca imposible conseguir que la verdad se refleje con exactitud en todo momento.  Cualquier "víctima" puede actualizar cualquier perfil con cualquier tontería de forma continua".

Y todo esto para comparar Wikipedia con CommunityNotes que es una herramienta que X está usando para combatir la desinformación, pero que tiene mucha polémica detrás.

En esta retahíla de ataques concluye que Community Notes requiere que personas con puntos de vista históricamente diferentes, basados en cómo han valorado y escrito Notas, se pongan de acuerdo para que las Notas se muestren al público. "Todo el código y los datos son de código abierto, así que puedes recrear el resultado tú mismo".

El problema es que Community Notes también viene con polémica. Ya hemos visto cómo el conflicto entre Israel y Hamás primero y ahora la masacre contra la ciudadanía palestina están poniendo en tela de juicio todas las teorías de Musk sobre el periodismo ciudadano.

En Genbeta

El sueño de Musk de un X de "periodismo ciudadano" se traduce en gente en su casa compartiendo bulos sobre el conflicto Hamás-Israel

Y es que ese periodismo ciudadano se está traduciendo en gente sentada en su casa, muchas veces en Estados Unidos o Europa, compartiendo informaciones, sin saber nada del tema y, con una plantilla de la red social tan escueta tras los despidos, el control de los contenidos va lento, por lo que los bulos campan a sus anchas por X.

En este contexto, X está promoviendo Community Notes para resolver sus problemas de desinformación, pero algunos antiguos empleados y personas que actualmente contribuyen con notas han revelado que no es adecuado para ese propósito, como ha recogido un reportaje publicado en Wired.

En Genbeta

Elon Musk revela que decidió comprar Twitter cuando su hija trans lo rechazó: dice es comunista y que X iba en esa dirección

Entre otros asuntos, la investigación descubrió que Community Notes parece no estar funcionando como se diseñó, puede ser vulnerable a la manipulación coordinada de grupos externos y carece de transparencia sobre cómo se aprueban las notas. Quienes han hablado, también afirman que está lleno de luchas internas y desinformación, y no parece haber una verdadera supervisión por parte de la propia empresa.

En Genbeta |Elon Musk revela que decidió comprar Twitter cuando su hija trans  lo rechazó: dice es comunista y que X iba en esa dirección

Imagen | Xataka