Por que empresas de IA estão destruindo livros antigos?
Prática busca ampliar a qualidade dos dados usados por modelos de inteligência artificial, mas gera críticas
Livros antigos, muitas vezes fora de catálogo digital ou difíceis de encontrar online, passaram a ser disputados por empresas de inteligência artificial. O motivo não é a preservação dessas obras para a posteridade, mas a necessidade de obter textos considerados mais confiáveis para treinar os grandes modelos de linguagem.
Segundo o site Futurism, companhias do setor têm comprado exemplares físicos em grande quantidade para transformá-los e conteúdo digital, aumentando assim a sua base de dados. Para esse processo acontecer, os livros são retirado suas encadernações e digitalizados página por página.
Antes focada em ajudar bibliotecas, distribuidoras e livrarias a encontrar e vender livros, a ISBNdb agora auxilia empresas de IA a comprar em grandes quantidades - de mil a um milhão de livros por pedido, segundo o site de jornalismo independente 404.
POR QUE LIVROS ANTIGOS INTERESSAM ÀS EMPRESAS?
A busca por livros físicos ganhou força porque eles representam uma fonte de textos produzidos antes da popularização da IA generativa. Logo, tais escritos são considerados "limpos" da interferência tecnológica.
Esse material é visto como uma alternativa para evitar o chamado "AI slop", expressão usada para descrever conteúdos ruins replicados e gerados por modelos de IA. Em resumo, as empresas buscam obras escritas exclusivamente por humanos, reduzindo o risco de alimentar seus sistemas com textos gerados por outras IAs.
Outro ponto que apoia é a questão dos direitos autorais: se a empresa tem a cópia física, em tese, ela não poderia ser processada por usar o conteúdo do autor, uma vez que ela seria "dona do produto". A Anthropic foi processada no final do ano passado nos Estados Unidos por tirar proveito dessa lacuna jurídica chamada "doutrina da primeira venda" (first-sale doctrine), que permite ao comprador fazer o que quiser com o item adquirido, sem necessidade de autorização do detentor original dos direitos autorais. Como a Anthropic transformava os textos físicos originais em digitais — em vez de redistribuí-los como novas cópias —, um juiz considerou a prática "transformativa" e, portanto, protegida pela doutrina do uso aceitável (fair use).
POR QUE OS LIVROS SÃO DESTRUÍDOS?
Para captar os dados dentro das páginas, os livros precisam ser destruídos fisicamente. Segundo o processo judicial a Anthropic utilizava uma máquina de corte hidráulica para remover cuidadosamente as páginas dos livros adquiridos de revendedores e, em seguida, digitalizava-as com equipamentos de imagem de nível industrial. Em outras palavras, a empresa estava literalmente extraindo o conteúdo dos livros de autores para treinar sua IA.
Esse procedimento permite que scanners industriais capturem rapidamente todo o conteúdo, mas torna impossível reconstruir o exemplar físico depois. Embora isso seja comum em processos de digitalização em larga escala, a prática preocupa quando envolve obras raras, antigas ou de difícil reposição.
Depois de digitalizados, os livros passam a integrar o material utilizado por empresas de inteligência artificial para treinar seus modelos. Segundo a Futurism, o interesse está principalmente em obras produzidas antes da popularização da IA generativa, consideradas uma fonte de dados mais confiável.
