Documentos tornados públicos em um processo movido por autores contra a Anthropic, dona do Claude, no início deste ano, revelaram que a empresa havia comprado milhões de livros físicos, contratado prestadores de serviços para cortar suas lombadas, alimentado scanners de alta velocidade com as páginas e depois triturado os originais em um empreendimento chamado “Projeto Panamá”.
Reportagens revelaram um aumento histórico nas vendas de livros físicos impressos antes de 2022, e livreiros começaram a manifestar suas suspeitas de que empresas de IA eram secretamente suas grandes compradoras.
Amantes de livros e céticos da IA chamaram a prática de “a encarnação do mal” e protestaram contra ela, mas novas reportagens da 404 Media e de outros, incluindo uma investigação de rastreamento com Apple AirTag, revelaram que não são apenas os best-sellers físicos que estão indo para o corte, mas também livros raros, antigos e fora de catálogo que de outra forma poderiam não ser preservados.
A 404, uma empresa de mídia fundada por jornalistas de tecnologia, publicou nesta segunda-feira (17) os resultados de uma investigação na qual um vendedor não identificado de livros raros, que havia recebido um pedido de quase 1.000 cópias físicas, permitiu que repórteres colocassem um Apple AirTag dentro de um dos livros.
A empresa rastreou o pacote da Califórnia para Milwaukee, Colorado Springs e, finalmente, para um armazém de propriedade da Amazon, codificado pela empresa como “VGT3”.
A entrada do edifício ostenta o logotipo de um Tiranossauro rex se preparando para comer um livro aberto, disse a 404 Media, e os funcionários relatam trabalhos “agradáveis” onde “tudo o que fazemos é digitalizar livros” o dia todo.
A investigação revelou como gigantes da tecnologia estão operando instalações dedicadas a digitalização de livros em escala industrial para treinar grandes modelos de linguagem de IA (LLMs).
Por que as empresas de IA estão comprando livros?
As empresas de IA passaram a usar livros físicos porque as fontes digitais para treinar LLMs causaram dois grandes problemas: responsabilidade legal e qualidade dos dados.
O uso de arquivos de livros piratas online, ou “bibliotecas de sombra” (shadow libraries), expôs as empresas de IA a gigantescos processos de direitos autorais movidos por autores, artistas, fotógrafos e veículos de imprensa. Mas comprar livros físicos dá ao proprietário o direito legal de usar essa cópia específica como bem entender, incluindo destruí-la.
A prática também dá acesso a milhões de livros fora de catálogo, de nicho ou especializados que existem apenas em forma física. Ao comprar livros impressos antes de 2022, as empresas também podem garantir que estão usando texto livre de interferência de IA para treinar seus modelos.
A internet agora está cheia de páginas escritas por IA, e treinar novos modelos nesse texto não permitirá que ela se torne mais inteligente. Mas os livros físicos oferecem linguagem de autoria humana (e altamente editada), raciocínio coerente de longa forma, estrutura narrativa e outras qualidades que páginas da web de forma curta e texto gerado por IA não possuem.
É legal?
Sim. A Doutrina da Primeira Venda da Lei de Direitos Autorais é o que permite que o comprador de um livro físico o destrua se assim desejar. Outros processos decidiram que converter um livro impresso comprado legalmente em um arquivo digital para treinamento interno de modelos é um uso aceitável. Críticos argumentam que as empresas estão usando a propriedade física como uma brecha legal para fabricar conjuntos de dados digitalizados sem compensar os criadores, mas a prática continua legal.
Quantos livros foram destruídos?
Ninguém sabe quantos livros foram destruídos. Documentos judiciais tornados públicos durante o caso da Anthropic revelaram que a empresa planejava digitalizar entre 500 mil e 2 milhões de livros ao longo de um único contrato de seis meses com um fornecedor.
Documentos internos diziam que a empresa planejava “digitalizar destrutivamente todos os livros do mundo”. Fontes da 404 Media relataram pedidos anônimos variando de 1.000 a 1 milhão de livros por compra. Vendedores de livros usados nos EUA, Reino Unido e Europa relatam que pedidos em grande quantidade para livros de não ficção e fora de catálogo aparentemente aleatórios variam rotineiramente de centenas a milhares de títulos por transação.
Citação crucial
“O Projeto Panamá é o nosso esforço para digitalizar destrutivamente todos os livros do mundo”, disse um documento interno de planejamento da Anthropic. “Não queremos que saibam que estamos trabalhando nisso.”
Reportagem publicada originalmente em Forbes.com
