June | 2026
Millions of songs used in AI training datasets can now be searched by artist and title. The database includes large collections with roughly 12 million and 9 million tracks, plus two smaller sets with more than 100,000 songs each. Some of the material comes from public links to YouTube, Spotify, or music archives, but public access does not automatically mean permission for commercial training. The names reportedly found in the lists range from Lady Gaga and Radiohead to Aphex Twin, Wu-Tang Clan, Bruce Springsteen, and SZA, who said 238 of her songs appeared there.
The useful part of this case is that it makes a hidden supply chain visible. Musicians have been told for years that AI systems learn from vast amounts of culture, but that phrase keeps the damage abstract. A searchable database lets artists check whether their own work helped train a model, then ask who collected it, who downloaded it, and who benefits from the result. It also shows why consent becomes difficult once culture is treated as raw material at internet scale. A song can move from stream to dataset to model before its author knows it was part of the transaction.
Millones de canciones usadas en conjuntos de entrenamiento de IA ahora pueden buscarse por artista y título. La base incluye colecciones grandes con cerca de 12 millones y 9 millones de pistas, además de dos conjuntos menores con más de 100,000 canciones cada uno. Parte del material viene de enlaces públicos a YouTube, Spotify o archivos musicales, pero el acceso público no equivale automáticamente a permiso para entrenamiento comercial. Entre los nombres reportados aparecen Lady Gaga, Radiohead, Aphex Twin, Wu-Tang Clan, Bruce Springsteen y SZA, quien dijo que 238 de sus canciones estaban allí.
Lo útil del caso es que vuelve visible una cadena de suministro que suele permanecer oculta. Durante años se ha dicho a los músicos que los sistemas de IA aprenden de enormes cantidades de cultura, pero esa frase mantiene el daño en abstracto. Una base buscable permite a los artistas comprobar si su propia obra ayudó a entrenar un modelo y preguntar quién la recopiló, quién la descargó y quién se beneficia del resultado. También muestra por qué el consentimiento se vuelve difícil cuando la cultura se trata como materia prima a escala de internet. Una canción puede pasar de stream a dataset y de dataset a modelo antes de que su autor sepa que formó parte de la transacción.
Midjourney has moved from synthetic pictures to the promise of scanning the body. Its new medical project is an ultrasound-based full-body scanner built with Butterfly Network, using a ring of sensors to capture vertical slices of muscle, fat, bone, and organs. David Holz described a 60-second scan that could be repeated yearly or even daily, first for body composition maps rather than formal diagnosis. The planned San Francisco site is framed as a spa, with water, saunas, cold plunges, and rooms where the visitor descends through sensors before receiving another image of the self.
The strange part is the continuity. Midjourney became famous by turning language into pictures people could desire, collect, correct, and display. The scanner brings that appetite inward. A body becomes a recurring visual file, a private archive that may be shared with doctors, health tools, or whatever platform learns to read it next. Medicine has always depended on images, but the spa setting changes the ritual. The scan is sold as prevention, measurement, and self-knowledge before illness has appeared. The user leaves with no diagnosis, perhaps, but with a new habit of being rendered from the inside.
Midjourney pasó de las imágenes sintéticas a la promesa de escanear el cuerpo. Su nuevo proyecto médico es un escáner corporal de ultrasonido desarrollado con Butterfly Network, con un aro de sensores que captura cortes verticales de músculo, grasa, huesos y órganos. David Holz describió una exploración de 60 segundos que podría repetirse cada año o incluso cada día, primero para mapas de composición corporal antes que para diagnóstico formal. El local previsto en San Francisco se presenta como un spa, con agua, saunas, baños fríos y salas donde el visitante desciende entre sensores antes de recibir otra imagen de sí mismo.
Lo extraño está en la continuidad. Midjourney se hizo famosa al convertir lenguaje en imágenes que la gente podía desear, coleccionar, corregir y mostrar. El escáner lleva ese apetito hacia dentro. Un cuerpo se vuelve un archivo visual recurrente, una colección privada que puede compartirse con médicos, herramientas de salud o la próxima plataforma que aprenda a leerla. La medicina siempre ha dependido de imágenes, pero el spa cambia el rito. La exploración se vende como prevención, medición y autoconocimiento antes de que aparezca la enfermedad. El usuario sale quizá sin diagnóstico, pero con un nuevo hábito de ser renderizado desde adentro.
AI is entering offices through the small work that used to make beginners useful. Readers writing to the Financial Times described translation checks, search tasks, email drafting, code review, legal preparation, administrative cleanup, and junior analysis being handed to systems before a new employee can practice them. The change does not always arrive as a firing notice. It appears as a missing assignment, a task no manager gives anymore, a first rung removed from the ladder while the job title remains in place.
The loss is practical before it becomes symbolic. A translator learned by correcting bad sentences. A developer learned by reading other people's errors. A lawyer learned by preparing documents that a partner later marked up. When those chores move to a model, the senior worker may become faster, but the beginner loses the slow contact with mistakes that builds judgment. Firms can treat the saved hours as productivity, yet someone still has to become competent enough to inspect the answer. The weakest point in an AI office may be the empty chair where apprenticeship used to sit.
La IA está entrando en las oficinas por el trabajo pequeño que antes volvía útiles a los principiantes. Lectores del Financial Times describieron revisiones de traducción, búsquedas, redacción de correos, revisión de código, preparación legal, limpieza administrativa y análisis junior entregados a sistemas antes de que un empleado nuevo pueda practicarlos. El cambio no siempre llega como un despido. Aparece como un encargo que falta, una tarea que ningún jefe asigna ya, un primer peldaño retirado de la escalera mientras el cargo sigue en pie.
La pérdida es práctica antes de volverse simbólica. Un traductor aprendía corrigiendo frases malas. Un desarrollador aprendía leyendo errores ajenos. Un abogado aprendía preparando documentos que después revisaba un socio. Cuando esas tareas pasan a un modelo, el trabajador senior puede avanzar más rápido, pero el principiante pierde el contacto lento con los errores que forma criterio. Las empresas pueden contabilizar las horas ahorradas como productividad, aunque alguien todavía debe volverse lo bastante competente para revisar la respuesta. El punto más débil de una oficina con IA puede ser la silla vacía donde antes se sentaba el aprendizaje.
The new argument over AI wealth begins with a tempting promise. If a few companies make enormous fortunes from models, chips, cloud contracts, and data centers, the public should receive a share. Trump has praised public stakes in AI companies. Sam Altman has floated versions of a shared-equity arrangement. Others imagine funds that would collect returns from the industry and send money to households. The proposal sounds fair because it gives citizens a visible claim on a boom built with public tolerance, public infrastructure, public energy grids, and public risk.
The difficulty starts once the state becomes a shareholder. A government that owns part of an AI company may hesitate before breaking it up, taxing it harder, slowing a risky model, or forcing expensive safety rules. A small dividend can turn into political cover for a large private empire. Taxation keeps the relationship clearer. If AI firms and their suppliers generate extraordinary rents, governments can tax profits, capital gains, energy demand, land use, and monopoly power without asking citizens to cheer for the stock price. The machine should pay for the burden it places on the public. A tax bill is cleaner than a share certificate.
El nuevo debate sobre la riqueza de la IA empieza con una promesa tentadora. Si unas pocas empresas hacen fortunas enormes con modelos, chips, contratos de nube y centros de datos, el público debería recibir una parte. Trump elogió participaciones públicas en empresas de IA. Sam Altman ha sugerido versiones de un arreglo con acciones compartidas. Otros imaginan fondos que recaudarían rendimientos de la industria y enviarían dinero a los hogares. La propuesta suena justa porque da a los ciudadanos un reclamo visible sobre un auge construido con tolerancia pública, infraestructura pública, redes eléctricas públicas y riesgo público.
La dificultad empieza cuando el Estado se vuelve accionista. Un gobierno que posee parte de una empresa de IA puede dudar antes de dividirla, gravarla con más fuerza, frenar un modelo riesgoso o imponer reglas de seguridad costosas. Un dividendo pequeño puede convertirse en cobertura política para un gran imperio privado. La vía fiscal mantiene más clara la relación. Si las empresas de IA y sus proveedores generan rentas extraordinarias, los gobiernos pueden gravar beneficios, ganancias de capital, demanda eléctrica, uso del suelo y poder monopólico sin pedir a los ciudadanos que celebren la cotización bursátil. La máquina debe pagar por la carga que pone sobre el público. Una factura fiscal es más limpia que un certificado de acciones.
Washington's order against Anthropic's Fable 5 and Mythos 5 has now produced its quieter aftershock. The first event was the veto itself, almost without precedent in commercial AI, with access cut for foreign nationals and the models removed for everyone. The next effect is commercial suspicion. A company outside the United States can look at the episode and see a model that may vanish after engineers have wired it into products, trained staff around it, signed contracts, and built plans on the assumption that access will remain open.
That is the useful opening for China. Its laboratories do not have to beat every American benchmark tomorrow if buyers begin to treat US models as politically fragile infrastructure. Availability becomes part of the product. Continuity becomes part of the sales pitch. Washington may believe it is keeping capability away from adversaries, yet foreign customers receive another lesson. The most advanced model in the room may also be the one its own government can remove fastest. The next procurement meeting will ask which system performs best, then which system is still likely to be there when the work starts.
La orden de Washington contra Fable 5 y Mythos 5 de Anthropic ya produjo su réplica más silenciosa. El primer hecho fue el veto mismo, casi sin precedentes en la IA comercial, con el acceso cortado para ciudadanos extranjeros y los modelos retirados para todos. El siguiente efecto es la sospecha comercial. Una empresa fuera de Estados Unidos puede mirar el episodio y ver un modelo capaz de desaparecer después de que sus ingenieros lo conectaron a productos, entrenaron personal alrededor de él, firmaron contratos y construyeron planes bajo la premisa de que el acceso seguiría abierto.
Ahí aparece la apertura útil para China. Sus laboratorios no tienen que superar mañana cada benchmark estadounidense si los compradores empiezan a tratar los modelos de Estados Unidos como infraestructura políticamente frágil. La disponibilidad se vuelve parte del producto. La continuidad se vuelve parte del argumento de venta. Washington puede creer que mantiene capacidades lejos de sus adversarios, pero los clientes extranjeros reciben otra lección. El modelo más avanzado de la sala puede ser también el que su propio gobierno retire más rápido. La próxima reunión de compras preguntará qué sistema rinde mejor y después cuál tiene más probabilidades de seguir ahí cuando empiece el trabajo.
The AI boom has begun to produce a political fantasy of public ownership. Donald Trump has praised the idea of AI companies contributing equity to a public wealth fund. Sam Altman has promoted versions of the same arrangement, and Bernie Sanders has called for a large one-time tax on AI firms paid in stock. Dario Amodei has spoken of universal capital accounts. The proposals differ, but they share one premise. If intelligence becomes a machine-owned source of extraordinary wealth, citizens may need a direct claim on the companies that own the machines.
The mechanism is less generous than the rhetoric. A few percentage points of equity in even the largest AI labs would not make households rich unless the companies grew into something close to planetary utilities. A broader levy on labs, chipmakers, cloud providers, and data-center firms would raise more money, but it would also force the state to define where the AI economy begins and ends. Public ownership creates another problem. A government that owns part of an AI firm may become more hesitant to regulate, break up, or punish it. The citizen is offered a small dividend, while the company receives a new argument for staying too important to disturb.
El auge de la IA empezó a producir una fantasía política de propiedad pública. Donald Trump elogió la idea de que las compañías de IA aporten acciones a un fondo de riqueza pública. Sam Altman ha promovido versiones del mismo arreglo, y Bernie Sanders pidió un gran impuesto único a las empresas de IA pagado en acciones. Dario Amodei habló de cuentas universales de capital. Las propuestas difieren, pero comparten una premisa. Si la inteligencia se convierte en una fuente de riqueza extraordinaria propiedad de máquinas y de quienes las controlan, los ciudadanos pueden necesitar un reclamo directo sobre esas compañías.
El mecanismo es menos generoso que la retórica. Unos pocos puntos porcentuales de participación en los mayores laboratorios de IA no volverían ricos a los hogares salvo que esas empresas crecieran hasta algo parecido a servicios públicos planetarios. Un gravamen más amplio sobre laboratorios, fabricantes de chips, proveedores de nube y centros de datos recaudaría más, pero también obligaría al estado a definir dónde empieza y termina la economía de IA. La propiedad pública crea otro problema. Un gobierno que posee parte de una empresa de IA puede volverse más reacio a regularla, dividirla o castigarla. Al ciudadano se le ofrece un dividendo pequeño, mientras la compañía recibe un nuevo argumento para seguir siendo demasiado importante como para molestarla.
Translation agencies are increasingly sending machine-produced drafts to freelancers and paying them to make the text usable. The assignment no longer begins with a sentence in one language and a blank space in another. It begins with an output that already sounds finished. The human translator is asked to check terminology, catch errors, repair tone, remove awkward phrasing, and accept responsibility for a version whose first decisions were made by software. Rates fall because the job is framed as correction, but the risk does not fall with them. A bad medical instruction, legal clause, technical manual, or literary sentence still carries a human name at delivery.
The surviving job sits in a narrower and more nervous position. Translators once moved between languages by weighing tone, context, idiom, silence, and the small betrayal every sentence requires. Now many receive a fluent surface that must be distrusted line by line. Fluency is the dangerous part, because bad language announces itself while smooth error passes as competence. Agencies save time by shifting uncertainty downward to freelancers paid to repair an output they did not author. The translator becomes a proofreader of automated confidence, responsible for the sentence after the machine has already made it sound inevitable.
Las agencias de traducción envían cada vez más borradores producidos por máquinas a freelancers y les pagan para volver utilizable el texto. El encargo ya no empieza con una frase en una lengua y un espacio vacío en otra. Empieza con una salida que ya parece terminada. Al traductor humano se le pide revisar terminología, detectar errores, reparar tono, quitar torpezas y aceptar responsabilidad por una versión cuyas primeras decisiones tomó un software. Las tarifas bajan porque el trabajo se presenta como corrección, pero el riesgo no baja con ellas. Una mala instrucción médica, una cláusula legal, un manual técnico o una frase literaria todavía lleva un nombre humano al entregarse.
El oficio que sobrevive ocupa una posición más estrecha y más nerviosa. Los traductores antes pasaban de una lengua a otra pesando tono, contexto, modismo, silencio y la pequeña traición que toda frase exige. Ahora muchos reciben una superficie fluida que deben desconfiar línea por línea. La fluidez es la parte peligrosa, porque el mal lenguaje se delata mientras el error terso pasa por competencia. Las agencias ahorran tiempo desplazando la incertidumbre hacia freelancers pagados para reparar una salida que no escribieron. El traductor se vuelve corrector de una confianza automática, responsable de la frase después de que la máquina ya la hizo sonar inevitable.
Meta has begun separating itself from Manus, the Chinese-founded agentic AI startup it agreed to buy for $2 billion, after Beijing ordered the transaction unwound on national security grounds. According to TechCrunch and Bloomberg, Meta has cut Manus off from internal systems, halted data sharing, and stopped employees from using its tools for company projects. Manus's founders have reportedly discussed raising about $1 billion to reclaim the company, possibly through a structure that keeps it closer to Chinese control and opens a path toward a Hong Kong listing.
The failed deal shows how AI acquisitions now pass through a sovereignty filter before they become corporate strategy. Meta wanted agent technology, investors wanted an exit, and Manus had already moved staff to Singapore. Beijing still treated the startup's origin, talent, data access, and technical direction as assets that could not simply be transferred to an American platform. The separation also follows tighter Chinese rules around foreign investment and travel permissions for AI researchers. Capital can cross borders quickly, but model builders, datasets, and internal tools now trigger state claims before the contract dries. For Meta, the missing asset is no longer a term sheet. It is a tool its own employees have been told to stop using.
Meta empezó a separarse de Manus, la startup de IA agéntica fundada en China que había acordado comprar por 2.000 millones de dólares, después de que Beijing ordenara deshacer la operación por motivos de seguridad nacional. Según TechCrunch y Bloomberg, Meta cortó el acceso de Manus a sus sistemas internos, detuvo el intercambio de datos y prohibió a sus empleados usar sus herramientas en proyectos de la compañía. Los fundadores de Manus habrían discutido levantar cerca de 1.000 millones de dólares para recuperar la empresa, posiblemente mediante una estructura que la mantenga más cerca del control chino y abra una vía hacia una salida a bolsa en Hong Kong.
El acuerdo fallido muestra cómo las compras de IA pasan ahora por un filtro de soberanía antes de convertirse en estrategia corporativa. Meta quería tecnología de agentes, los inversores querían una salida y Manus ya había trasladado personal a Singapur. Beijing aun así trató el origen de la startup, su talento, su acceso a datos y su dirección técnica como activos que no podían transferirse sin más a una plataforma estadounidense. La separación también llega tras reglas chinas más estrictas sobre inversión extranjera y permisos de viaje para investigadores de IA. El capital puede cruzar fronteras rápido, pero constructores de modelos, conjuntos de datos y herramientas internas activan reclamos estatales antes de que el contrato se seque. Para Meta, el activo ausente ya no es una hoja de términos. Es una herramienta que sus propios empleados recibieron orden de dejar de usar.
A Munich court has preliminarily ruled that Google can be held liable for false statements generated by AI Overviews, after two publishers said the search feature wrongly associated them with scams and questionable business practices. Google argued that the summaries were automated, that users were warned about possible errors, and that people should verify the information independently. The court took a harder view. It found that the disputed summaries created new, substantial statements that did not appear in the linked sources and that Google, as the company designing, training, operating, and managing the system, was the party able to prevent the damage.
The ruling moves liability from the linked page to the answer layer. A search engine used to defend itself as a directory of other people's statements. AI Overviews changes the operation by combining sources, compressing them, and presenting a generated sentence at the top of the page. If that sentence invents an accusation, the injured party cannot sue the original source, since the original source never said it. A warning label becomes thin protection when the falsehood arrives in the voice of the search interface itself. Google may appeal, but the case gives publishers, companies, and private people a procedural path toward the model operator, not the web pages it misread.
Un tribunal de Múnich resolvió de forma preliminar que Google puede ser responsable por declaraciones falsas generadas por AI Overviews, después de que dos editoriales afirmaran que el buscador las vinculó erróneamente con estafas y prácticas comerciales cuestionables. Google sostuvo que los resúmenes eran automáticos, que los usuarios recibían advertencias sobre posibles errores y que la información debía verificarse de manera independiente. El tribunal adoptó una lectura más severa. Consideró que los resúmenes discutidos crearon afirmaciones nuevas y sustanciales que no aparecían en las fuentes enlazadas, y que Google, como empresa que diseña, entrena, opera y gestiona el sistema, era la parte capaz de evitar el daño.
El fallo desplaza la responsabilidad desde la página enlazada hasta la capa de respuesta. Un buscador podía defenderse como directorio de declaraciones ajenas. AI Overviews cambia la operación al combinar fuentes, comprimirlas y presentar una frase generada en la parte superior de la página. Si esa frase inventa una acusación, la parte afectada no puede demandar a la fuente original, porque la fuente original nunca la dijo. Una advertencia se vuelve una protección débil cuando la falsedad llega con la voz de la propia interfaz de búsqueda. Google puede apelar, pero el caso ofrece a editoriales, empresas y personas una vía procesal hacia el operador del modelo, no hacia las páginas web que leyó mal.
