Gigantes da IA Destroem Milhões de Livros para Treinamento

Empresas de inteligência artificial estão sob os holofotes após uma reportagem investigativa revelar uma prática alarmante: a compra e suposta destruição de milhões de livros para treinar seus modelos de IA, tudo isso de forma sigilosa e através de intermediários.

• A Busca por Dados Puros: A proliferação de conteúdo gerado por IA de baixa qualidade (“AI slop”) contamina a internet, tornando-o inútil para o treinamento de novos modelos. Por isso, gigantes da tecnologia recorrem a fontes humanas, especialmente livros impressos anteriores a 2022, considerados “não contaminados”.
• Precedentes Controversos:
  • Anthropic: A empresa investiu milhões para extrair informações de inúmeros livros para seu modelo Claude, que depois seriam destruídos. Apesar de uma decisão judicial considerar o uso “uso justo”, a Anthropic foi multada em US$ 1,5 bilhão por manter um repositório de sete milhões de livros piratas.
  • Google: Uma coalizão de editoras processou o Google, acusando-o de usar ilegalmente milhões de livros com direitos autorais para desenvolver o Gemini.
• O Pivô do ISBNdb: A plataforma ISBNdb, conhecida por catalogar mais de 111 milhões de livros, agora oferece serviços especializados para compra em massa para empresas de IA, com pedidos que variam de 1.000 a um milhão de livros por transação.
• Vendas Disparadas e Sinais de Alerta: Livreiros relatam um aumento sem precedentes nas vendas em massa desde abril. Os compradores parecem focar apenas em livros com ISBN, sem se importar com gênero, autor ou preço, o que levanta suspeitas.
• A Destruição Eficiente: Para agilizar o processo de digitalização, as empresas de IA optam por métodos “destrutivos”. Isso significa que os livros são fisicamente desmembrados para que suas páginas possam ser alimentadas em scanners industriais de alta velocidade, resultando na eliminação de milhões de obras.
• O Dilema Ético: A prática levanta sérias questões éticas. A remoção de livros de circulação, incluindo obras raras ou esgotadas, e o acesso exclusivo dessas bases de dados pelas empresas de IA, significa que o conhecimento pode se tornar indisponível para futuras gerações, gerando um debate entre o avanço da IA e a preservação do patrimônio literário.

Esta corrida por dados de alta qualidade para alimentar a inteligência artificial tem um custo oculto, que pode ser a perda irreversível de parte da história literária da humanidade.