- Una auditoría de datasets de IA muy usados encontró omisiones de licencia superiores al 70 % y tasas de error superiores al 50 % en sitios populares de datasets.Data Provenance Initiative, arXiv 2310.16787
- EPIC-KITCHENS se publica con una licencia no comercial, con un contacto aparte para licencias comerciales.página 2024 de EPIC-KITCHENS
- El acuerdo de licencia de Ego4D enlazado desde su sitio permite desarrollo de productos comercial o no comercial dentro de su finalidad definida, sin derecho a sublicenciar.PDF de licencia de Ego4D
- El Marco de Gestión de Riesgos de IA del NIST es una guía voluntaria para integrar la confiabilidad en el diseño, desarrollo, uso y evaluación de la IA.NIST AI RMF
Por qué importa la procedencia
La procedencia es el registro de dónde vienen los datos, quién los hizo y con qué condiciones. La necesitas porque la etiqueta de licencia de una página de descarga solo es una afirmación. La Data Provenance Initiative auditó datasets de IA muy usados y encontró que los sitios de datasets clasifican mal las licencias con frecuencia, con omisiones de licencia del 70 % o más y tasas de error del 50 % o más. Esas cifras corresponden a los datasets que auditaron los autores y no dicen nada directo sobre los datasets de video. Igual sirve la lección: lee tú mismo las condiciones originales.
Con una recolección a medida haces la misma pregunta, pero antes de que se grabe nada. Nuestra página de datos de video egocéntrico muestra cómo se ve una recolección a medida con consentimiento y revisión. La lista de abajo sirve para cualquier proveedor.
Tipos de licencia que encontrarás
| Tipo | Qué suele permitir | Ejemplo | Qué revisar |
|---|---|---|---|
| Licencia de investigación no comercial | Investigación y enseñanza; sin uso comercial sin una licencia aparte | EPIC-KITCHENS: "You may not use the material for commercial purposes", con un correo de contacto para licencias comerciales | Si tu uso cuenta como comercial; si hay una licencia comercial disponible |
| Acuerdo de dataset firmado | Usos definidos en el acuerdo, a veces con desarrollo de productos | El acuerdo de licencia de Ego4D permite desarrollo de productos comercial o no comercial dentro de su finalidad, "without the right to sublicense" | El acuerdo firmado que firmas, no un borrador; sublicencia; atribución |
| Contrato de recolección a medida | Lo que diga el contrato, negociado para tu proyecto | Un proveedor graba según tu especificación bajo un contrato de compra | Usos permitidos, restricciones para identificar personas, eliminación y retención |
| Sin licencia declarada | Poco claro; no supongas permiso | Un archivo compartido sin condiciones | Pide las condiciones por escrito antes de usarlo |
Que puedas descargar un dataset no te da permiso para usarlo con fines comerciales. Y un dataset que permite desarrollar productos igual puede prohibirte pasarle los datos a otra persona. Nuestra comparación de los principales datasets egocéntricos públicos anota las condiciones de cada uno.
Consentimiento y autorizaciones
Una licencia fija tus derechos frente al dueño del dataset. El consentimiento tiene que ver con las personas que salen en el material, y en video egocéntrico muchas veces no es solo quien lleva la cámara: compañeros de trabajo, clientes y familiares pasan por el encuadre. Para el lado de quien graba, tenemos una guía sobre privacidad y consentimiento al grabar en el trabajo, escrita para esas personas.
Solo puedes verificar el consentimiento si la documentación te deja hacerlo. Datasheets for Datasets pide que cada dataset documente cómo se recolectó, y las Data Cards registran las fuentes previas y los métodos de recolección. Para la gobernanza en general, el Marco de Gestión de Riesgos de IA del NIST es una guía voluntaria que te sirve para ordenar estas preguntas. No es una licencia ni una certificación. También puede aplicar la ley de privacidad de los lugares donde se grabó el material, y eso tienes que consultarlo con tu asesor legal.
Preguntas para cualquier proveedor
Haz estas preguntas por escrito y guarda las respuestas con la entrega:
- ¿Quién grabó el material, dónde y con qué acuerdo?
- ¿Cada persona identificable firmó una autorización? ¿Qué pasa con la gente que cruza el encuadre?
- ¿Cada local comercial dio permiso por escrito?
- ¿Qué pasa con las personas menores de 18 años? ¿Quedan fuera salvo que firmara su padre, madre o tutor?
- ¿Qué usos permite la licencia o el contrato? ¿Se puede sublicenciar?
- ¿Tienes prohibido identificar a cualquier persona del material? ¿Se hace algún procesamiento biométrico?
- ¿Qué datos personales vienen con el video: nombres, datos de contacto, ubicación?
- ¿Qué documentación lo acompaña? Busca una hoja de datos, una tarjeta de datos o algo equivalente.
Pon las respuestas junto a tus requisitos técnicos: nuestra lista de especificaciones para un dataset egocéntrico cubre el lado del formato, y nuestra lista para juzgar un dataset de video cubre la calidad.
Errores frecuentes
- Confiar en la etiqueta de licencia de la página de descarga. Revisa las condiciones originales, porque la auditoría citada encontró errores frecuentes.
- Leer "descarga gratuita" como "uso comercial gratuito". Algunos datasets de investigación, como EPIC-KITCHENS, se licencian solo para uso no comercial.
- Firmar un borrador. Usa el acuerdo firmado que nombre a tu organización.
- Olvidarte de la gente alrededor. El consentimiento de quien lleva la cámara no cubre a quienes están cerca.
- Mezclar fuentes sin anotar sus condiciones. Si preentrenas con video público y ajustas con datos de robot, como en video egocéntrico comparado con datos de teleoperación, deja la licencia de cada fuente pegada a esa fuente.
- Elegir recolección a medida solo por la licencia. A veces basta una licencia comercial de datos públicos; mira cuándo bastan los datos públicos.
Cómo TaskCapture maneja el consentimiento
Los recolectores deben obtener una autorización firmada de cada persona identificable que graban y, en cualquier entorno comercial, permiso por escrito del dueño o gerente del local. Una persona menor de 18 años aparece solo con una autorización firmada por su padre, madre o tutor; si no, el material se rechaza y se elimina. TaskCapture no usa reconocimiento facial ni de voz y no crea identificadores biométricos, y los datasets nunca incluyen nombres, datos de contacto ni datos de pago de los recolectores. Los recolectores aceptan cada proyecto antes de grabar, y el material de proveedores de datos sigue las mismas reglas de consentimiento. Los contratos con compradores limitan el uso a desarrollar, entrenar, evaluar y mejorar modelos de IA y aprendizaje automático, y les prohíben identificar a cualquier persona que aparezca. Las reglas completas están en nuestra Política de Privacidad.
Preguntas frecuentes
¿Qué es la licencia de datos para datos de entrenamiento de IA?
Son las condiciones que dicen qué puedes hacer con un dataset: entrenar con él, crear productos, compartirlo o sublicenciarlo. El consentimiento de las personas que aparecen en los datos es otro tema.
¿Puedo usar EPIC-KITCHENS comercialmente?
No bajo su licencia pública, que dice "You may not use the material for commercial purposes". La misma página da un contacto para licencias comerciales.
¿Una licencia pública significa que las personas del video dieron su consentimiento?
No. Una licencia es una concesión del dueño del dataset. El consentimiento depende de cómo se recolectó el material, así que lee la documentación y el protocolo de recolección del dataset.
¿Esto es asesoría legal?
No. Aquí te damos preguntas para hacer. Las obligaciones de licencia y privacidad dependen de tus contratos y de los lugares involucrados, así que llévalas a tu asesor legal.