Documentos judiciales desclasificados durante el caso Anthropic revelaron que la empresa planeaba escanear entre 500.000 y 2 millones de libros en un único contrato de seis meses.

Autores, archiveros, historiadores y bibliófilos han emprendido una guerra en línea contra los gigantes tecnológicos y los desarrolladores de inteligencia artificial después de que una creciente cantidad de pruebas demuestre que están comprando libros raros y antiguos en masa y alimentándolos con grandes modelos de lenguaje, solo para cortarles el lomo y destruir las copias impresas originales en el proceso.

Datos clave

  • Los documentos que se hicieron públicos a principios de este año en una demanda presentada por autores contra Anthropic revelaron que la compañía había comprado millones de libros físicos, contratado a empresas para que les cortaran las encuadernaciones, introdujeran las páginas en escáneres de alta velocidad y luego trituraran los originales en una iniciativa llamada “Proyecto Panamá”.
  • Posteriormente, los informes revelaron un aumento histórico en las ventas de libros físicos impresos antes de 2022, y los libreros comenzaron a expresar sus sospechas de que las empresas de IA eran secretamente sus principales compradoras.
  • Los amantes de los libros y los escépticos de la IA lo calificaron de ” la encarnación del mal ” y arremetieron contra la práctica, pero nuevos informes de 404 Media y otros, incluida una investigación de seguimiento de Apple AirTag, han revelado que no solo los bestsellers físicos están en peligro, sino también los libros raros, antiguos y descatalogados que de otro modo no se conservarían.
  • 404, una empresa de medios fundada por periodistas especializados en tecnología, publicó el lunes los resultados de una investigación en la que un vendedor de libros raros, cuyo nombre no se ha revelado y que había recibido un pedido de casi 1.000 ejemplares físicos, permitió a los reporteros colocar un Apple AirTag dentro de uno de los libros.
  • La empresa rastreó el paquete desde California hasta Milwaukee, Colorado Springs y, finalmente, hasta un almacén propiedad de Amazon, identificado por la empresa con el código “VGT3”.
  • Según 404 Media, la entrada del edificio luce un logotipo de un tiranosaurio rex a punto de comerse un libro abierto, y los empleados afirman tener trabajos “agradables” en los que “lo único que hacemos es escanear libros” todo el día.
  • La investigación ha revelado cómo los principales gigantes tecnológicos están operando instalaciones dedicadas al escaneo de libros a escala industrial con el fin de entrenar grandes modelos de IA de lenguaje (LLM, por sus siglas en inglés).

Lee también: Claude añadirá marcas de agua invisibles a textos e imágenes generados por IA, y a los usuarios no les hace ninguna gracia

¿POR QUÉ LAS EMPRESAS DE IA COMPRAN LIBROS FÍSICOS?

Las empresas de IA han recurrido al uso de libros físicos porque las fuentes digitales para entrenar modelos de aprendizaje automático (LLM) causaban dos problemas importantes: responsabilidad legal y calidad de los datos. El uso de archivos de libros en línea pirateados, o “bibliotecas en la sombra”, ha expuesto a las empresas de IA a demandas masivas por derechos de autor por parte de autores, artistas, fotógrafos y medios de comunicación. Sin embargo, comprar libros físicos otorga legalmente al propietario el derecho a usar esa copia específica como mejor le parezca, incluso a destruirla. Esta práctica también da acceso a millones de libros descatalogados, especializados o de nicho que solo existen en formato físico. Al comprar libros impresos antes de 2022, las empresas también pueden garantizar que están utilizando texto libre de interferencias de IA para entrenar sus modelos. Internet está ahora lleno de páginas escritas por IA, y entrenar nuevos modelos con ese texto no les permitirá volverse más inteligentes. Pero los libros físicos ofrecen un lenguaje escrito por humanos (y altamente editado), razonamiento coherente de formato largo, estructura narrativa y otras cualidades que las páginas web de formato corto y el texto generado por IA no ofrecen.

Sí. La doctrina de la primera venta de la Ley de Derechos de Autor permite al comprador de un libro físico destruirlo si así lo desea. En otros litigios se dictaminó que convertir un libro impreso adquirido legalmente en un archivo digital para el entrenamiento interno de modelos constituye un uso legítimo ” transformador “. Los críticos argumentan que las empresas utilizan la propiedad física como una laguna legal para fabricar conjuntos de datos digitalizados sin compensar a los creadores, pero esta práctica sigue siendo legal.

¿CUÁNTOS LIBROS HAN SIDO DESTRUIDOS?

Nadie lo sabe. Documentos judiciales desclasificados durante el caso Anthropic revelaron que la empresa planeaba escanear entre 500.000 y 2 millones de libros en un único contrato de seis meses. Documentos internos indicaban que planeaba “escanear de forma destructiva todos los libros del mundo”. Fuentes de los medios informaron de pedidos anónimos que oscilaban entre 1.000 y 1 millón de libros por compra. Librerías de segunda mano en EE. UU., Reino Unido y Europa informan de pedidos al por mayor de libros de no ficción y descatalogados, aparentemente aleatorios, que suelen oscilar entre cientos y miles de títulos por transacción.

CITA CRUCIAL

«El Proyecto Panamá es nuestro esfuerzo por escanear de forma destructiva todos los libros del mundo», decía un documento interno de planificación de Anthropic . «No queremos que se sepa que estamos trabajando en esto».

Este artículo fue publicado originalmente por Forbes USA.