Laboratórios de IA compram, escaneiam e trituram milhões de livros raros para treinar máquinas

Empresas de tecnologia buscam dados de alta qualidade em obras físicas e destroem os exemplares originais; prática é legal nos EUA sob justificativa de "uso aceitável"

Reprodução

Grandes laboratórios de inteligência artificial iniciaram uma corrida industrial para comprar milhões de livros antigos, esgotados e raros. O objetivo é extrair o conhecimento das páginas para treinar modelos de linguagem e, em seguida, triturar o papel. A prática acendeu o alerta sobre o risco de extinção de edições históricas com poucos exemplares restantes no mundo.

Vendedores de livros raros na Europa e nos Estados Unidos relatam um pico sem precedentes nas vendas. Um livreiro revelou que passou de 20 vendas por semana para centenas de pedidos da noite para o dia, a maioria composta por obras raras e manuais técnicos em línguas estrangeiras.

A razão para o repentino interesse é que a internet acabou. Os modelos de linguagem que alimentam ferramentas como o ChatGPT já consumiram quase todo o conteúdo relevante da web. Além disso, a internet atual está poluída por textos gerados por IA posteriores a 2022. Para treinar a próxima geração de inteligências artificiais com dados puros e de alta qualidade, as Big Techs precisam recorrer ao conhecimento impresso antes da era dos grandes modelos.

Empresas intermediárias já transformaram o escaneamento destrutivo em um modelo de negócios lucrativo. A plataforma ISBNdb passou a oferecer serviços de compra em lote para laboratórios de tecnologia, com pedidos que chegam a 1 milhão de títulos por lote. A plataforma resume: "O melhor dado de treinamento de IA do mundo está parado em uma estante".

Processos judiciais revelaram que a Anthropic (criadora do modelo Claude, financiada pela Google) operava em segredo o "Projeto Panamá", que consistia em comprar toneladas de livros usados para submetê-los a guilhotinas hidráulicas e escâneres industriais. A meta interna era "escanear disruptivamente todos os livros do mundo".

A prática ganhou respaldo jurídico nos EUA após um tribunal federal validar que a destruição do livro físico durante o escaneamento configura "uso aceitável" (fair use). O entendimento é que, ao destruir o original, a cópia digital substitui a física na proporção de um para um, não violando os direitos do autor.

Com informações do DCM.

Nos siga no BlueSky AQUI.

Entre no nosso grupo de WhatsApp AQUI.

Entre no nosso grupo do Telegram AQUI.

Ajude a fortalecer nosso jornalismo independente contribuindo com a campanha 'Sou Daki e Apoio' de financiamento coletivo do Jornal Daki. Clique AQUI e contribua.