Skip to main content
  1. Home
  2. Tendencias
  3. Noticias
  4. News

Elon Musk vuelve a la carga contra OpenAI: «la larga estafa de Altman»

Add as a preferred source on Google

Elon Musk no quiere darle aire a Sam Altman y a su empresa OpenAI, ya que tras retirar una demanda anterior, volvió a la carga contra la compañía madre de ChatGPT.

La nueva demanda presentada en un tribunal federal en el norte de California el lunes dice que Altman y Greg Brockman «manipularon asiduamente a Musk para que cofundara su falsa empresa sin fines de lucro» al prometer que OpenAI sería más segura y transparente que las alternativas impulsadas por las ganancias. La demanda afirma que las garantías sobre la estructura sin fines de lucro de OpenAI fueron «el gancho de la larga estafa de Altman».

Sam Altman
Digital Trends Español

«Esta es una demanda mucho más contundente», dijo el abogado de Musk, Marc Toberoff, a The New York Times. La nueva demanda argumenta que OpenAI violó las leyes federales de crimen organizado en una conspiración para defraudar a Musk y que su contrato con Microsoft revocaría los derechos del gigante tecnológico sobre la tecnología de OpenAI una vez que se haya logrado la inteligencia artificial general (AGI).

Recommended Videos

Puedes ver el PDF de la demanda en el sitio The Verge.

Diego Bastarrica
Diego Bastarrica es Senior Editor y Head of Content en Digital Trends en Español, donde lidera la estrategia editorial, SEO…
Enamorarse de un chatbot ahora está prohibido para los niños en China
Electronics, Phone, Mobile Phone

Desde que los chatbots de IA aparecieron, ha habido un aspecto que ha preocupado mucho a legisladores y expertos: los humanos formando conexiones emocionales con los chatbots. Ha habido muchos casos en los que la dependencia excesiva de estos compañeros o compañeros de IA ha provocado emergencias médicas, pérdida de vidas y ha provocado múltiples demandas contra empresas como OpenAI y Meta.

China reprime las aplicaciones complementarias de IA

Read more
La IA de Huawei está permitiendo conservar a los jaguares mexicanos
Animal, Mammal, Panther

La combinación de Inteligencia Artificial (IA), monitoreo ambiental y participación comunitaria para proteger una de las especies más emblemáticas de América Latina acaba de recibir un importante reconocimiento internacional. El proyecto Tech4Nature México, impulsado por Huawei junto con la Unión Internacional para la Conservación de la Naturaleza (UICN) y diversas organizaciones locales, obtuvo el premio Global Mobile LATAM Award 2026, otorgado por GSMA en la categoría Impacto Social en América Latina, gracias a los resultados alcanzados en la conservación del jaguar en la Reserva Estatal Dzilam de Bravo, en Yucatán.

Desde el inicio de la iniciativa -en 2022- el proyecto ha permitido identificar individualmente a 16 jaguares y registrar más de 147 especies de fauna silvestre, de las cuales 40 se encuentran en alguna categoría de amenaza. Estos resultados han sido posibles gracias a un sistema de monitoreo compuesto por 26 cámaras trampa y 60 dispositivos acústicos, cuya información tomada es procesada mediante tecnologías de Inteligencia Artificial, que incluyen algoritmos y análisis de datos en la Nube.

Read more
¿Qué ocurre cuando fallan los detectores de IA?
Mark Zuckerberg

La inteligencia artificial se ha vuelto notablemente buena creando rostros humanos falsos. Tan buenos, de hecho, que los viejos trucos en los que la gente confiaba —contar dedos, detectar pendientes deformados o buscar fondos distorsionados— están quedando rápidamente obsoletos. Según un nuevo estudio destacado por la BBC, la próxima línea de defensa puede que no sea en absoluto un mejor detector de IA. Podría ser simplemente un humano mejor entrenado.

Investigadores de la Universidad de Aberdeen, trabajando junto a la Universidad Nacional de Australia, descubrieron que las personas pueden mejorar drásticamente su capacidad para distinguir rostros generados por IA de rostros reales tras un periodo relativamente corto de formación estructurada. En lugar de buscar fallos visuales evidentes, se enseñó a los participantes a reconocer patrones sutiles que los generadores de imágenes modernos aún tienen dificultades para replicar de forma consistente.

Read more