Compartir

5 Febrero 2025
Fernando Maldonado:»DeepSeek democratiza la IA, pero… ¿A qué precio?»

A estas alturas, todo el mundo sabe que DeepSeek, un nuevo contrincante en el terreno de la IA generativa que apareció de la nada, puso en jaque a todo Silicon Valley el pasado 27 de enero. Inicialmente, la sorpresa generó pánico: los inversores corrieron despavoridos a protegerse hasta comprender lo que estaba ocurriendo. Prueba de ello es que Nvidia sufrió una abrupta caída en su cotización. Al cierre del mercado, su capitalización bursátil se redujo en 575.000 millones de euros, la mayor pérdida de la historia.

El motivo fue que el nuevo modelo presentado por DeepSeek lograba resultados comparables a los de los líderes del mercado (ej. OpenAI, Anthropic, Meta o Google), pero a una fracción de su coste, sin depender de los chips de última generación y utilizando un enfoque open source. Es curioso, pero algunos observadores vieron en esta empresa una vuelta a la esencia de OpenAI, como en sus inicios, cuando era realmente abierta, dedicada a la investigación de vanguardia y centrada en el beneficio colectivo.

Esta empresa china, hasta entonces desconocida, proponía una democratización de la IA generativa. La presunción de que solo las empresas muy intensivas en capital y con acceso a ingentes recursos computacionales podían competir se desmoronaba. Emergía un nuevo paradigma.

Poco a poco, se han ido conociendo los detalles de cómo esta empresa ha llegado tan lejos, de cómo transformó las restricciones de hardware en un problema de software que supo resolver con mucho ingenio. Sin embargo, muchas preocupaciones debatidas en el mercado durante los últimos dos años quedaron en un modesto segundo plano. Nadie se preguntaba si el modelo era seguro, si mitigaba los riesgos existenciales o incluso si planteaba cuestiones éticas.

Mientras DeepSeek prioriza la accesibilidad y la eficiencia en el uso de recursos, sus competidores occidentales han adoptado enfoques más rigurosos para mitigar sus riesgos. Por ejemplo, implementan salvaguardas para evitar que sus modelos puedan ser utilizados para explicar cómo llevar a cabo un ataque bioterrorista. Esta diferencia evidencia claramente las divergentes prioridades y marcos regulatorios.

Un ejemplo que lo ilustra es Anthropic, que acaba de presentar una nueva técnica para evitar que los modelos de IA generen contenido dañino mediante «clasificadores constitucionales». Este sistema supervisa las entradas y salidas del modelo según un conjunto de reglas adaptables. Su desarrollo responde a la creciente preocupación por el «jailbreaking», es decir, los intentos de manipular la IA para obtener información peligrosa. Para evaluar su eficacia, Anthropic empleó un equipo de red teaming que intentó traspasar sus defensas, logrando rechazar más del 95 % de los ataques. Aunque estas protecciones incrementan los costes computacionales, también reducen el riesgo de usos muy peligrosos.

Otras empresas, como Microsoft y Meta, también están invirtiendo en sistemas de seguridad similares. Microsoft introdujo los “prompt shields” en marzo de 2024 como medida de protección, mientras que Meta lanzó una protección equivalente meses más tarde. Aunque estas técnicas no son infalibles, siguen siendo la mejor opción para reducir el uso indebido de sus modelos.

Los líderes del mercado invierten entre un 15 % y un 20 % de sus presupuestos en seguridad, en contraste con DeepSeek, que carece de auditorías externas y no es transparente, especialmente en lo que respecta al almacenamiento de datos de los usuarios de su chatbot en servidores chinos, como argumentaba recientemente el Gobierno italiano.

Este debate trasciende lo empresarial: la ética en IA impacta directamente en derechos fundamentales como la privacidad y puede introducir diferentes riesgos tanto de seguridad como existenciales. Algunos ejemplos:

  • Seguridad: vulnerabilidades y riesgos de manipulación. Al ser de código abierto, DeepSeek-R1 presenta vulnerabilidades inherentes a este tipo de modelos. Distintas pruebas han demostrado que es vulnerable a ataques de jailbreak, en los que se eluden sus filtros de seguridad para generar contenido dañino. A esto se suma otro riesgo: los ataques de “inyección de prompts”, en los que se manipula el modelo para que incorpore información externa maliciosa. Esto plantea serias preocupaciones sobre los riesgos que arrastra este modelo.
  • Privacidad: datos y almacenamiento en China. DeepSeek recopila datos de los usuarios, incluyendo desde su dirección IP hasta patrones de pulsaciones de teclado. Esta información se almacena en servidores en China, lo que genera preocupaciones sobre la privacidad y el posible acceso del gobierno chino a estos datos. Aunque sus políticas de privacidad no difieren mucho de las de sus competidores estadounidenses, la falta de transparencia sigue siendo un problema. Por cierto, a las pesquisas del Gobierno italiano sobre la privacidad se suman nuevas investigaciones (ej. Alemania).
  • Censura: temas sensibles y sesgos. A pesar de ser un modelo de código abierto, DeepSeek censura temas sensibles para el gobierno chino. Esto significa que la información que genera está sesgada e incompleta, lo que cuestiona su fiabilidad y objetividad. La censura en DeepSeek se debe a que opera bajo las leyes de China. Esto plantea interrogantes sobre la verdadera naturaleza de su código abierto y su compromiso con la libertad de expresión.

DeepSeek-R1 representa un avance en la IA, pero también plantea riesgos significativos. Antes de precipitarnos a un uso generalizado, primero hay que garantizar que estos riesgos no superen los beneficios de una mayor democratización de la IA.

Durante los últimos años, nos hemos preguntado si era posible construir una inteligencia artificial que no solo sea transformadora, sino también segura y ética. Con la irrupción de DeepSeek, encontrar una respuesta se vuelve ineludible. En un mundo que valora la rapidez y la innovación por encima de todo, alguien puede sentir la tentación de sacrificar la seguridad y los principios éticos. Sin embargo, es importante tener cuidado, porque a gran velocidad pueden ocurrir grandes accidentes.

Fernando Maldonado, Analista.

Podcast

Podcast de Cyberlideria MGZN.

Todos los jueves, a partir de las 22:00, estará disponible en CyberLideria MGZN una nueva entrevista, donde un prestigioso CISO colaborador charlará con una personalidad inspiradora, importante, y líder empresarial, tanto del ámbito privado como público.

Podcast

Newsletter

Manténgase informado sobre la ciberseguridad, tecnología, las tendencias y las noticias que afectan a los líderes de TI.

Suscribirme

Este contenido es exclusivo para suscriptores

Suscríbete GRATIS y disfruta de contenido ilimitado sobre ciberseguridad y personas

Suscribirme Ya soy suscriptor
CyberLideria MGZN
Política de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.

Mas informacion sobre la política de privacidad