Las empresas de inteligencia artificial están destruyendo libros antiguos

Los hallazgos de que las empresas de inteligencia artificial compran en masa libros raros, antiguos y descatalogados para entrenar sus grandes modelos de lenguaje, y que destruyen las copias físicas tras escanearlas, han desatado un nuevo debate entre autores, archivistas y bibliófilos.

Según documentos que salieron a la luz en una demanda contra Anthropic, la empresa planeaba adquirir millones de libros físicos como parte de un proceso denominado "Project Panama", que consistía en cortar las encuadernaciones, pasar las páginas por escáneres de alta velocidad y luego destruir los originales. Los documentos también indicaban que el objetivo era escanear entre 500 mil y 2 millones de libros mediante un contrato de suministro de seis meses.

Otro elemento que intensifica la controversia es la afirmación de que la práctica no se limita únicamente a libros superventas o de fácil acceso. En una investigación publicada por 404 Media, se rastreó el movimiento de los paquetes mediante un Apple AirTag colocado dentro de un pedido de aproximadamente mil libros adquirido a un vendedor de libros no identificado. Se informó que el paquete llegó desde California a Milwaukee, y de allí a un almacén con el código VGT3, que se dice pertenece a Amazon.

Según la noticia, los empleados de dichas instalaciones describieron su trabajo como "escanear libros". Estos hallazgos han reforzado las acusaciones de que las grandes empresas tecnológicas llevan a cabo procesos de escaneo de libros a escala industrial con el fin de generar datos de entrenamiento para la inteligencia artificial.

EL DERECHO DE AUTOR Y LA CALIDAD DE LOS DATOS ESTÁN EN EL CENTRO DEL DEBATE

Se señala que hay dos razones principales por las que las empresas recurren a los libros físicos: reducir los riesgos legales y obtener datos de entrenamiento de mayor calidad. El uso de archivos piratas en línea había expuesto a las empresas de inteligencia artificial a demandas por derechos de autor presentadas por autores, artistas, fotógrafos y organizaciones de noticias.

La compra legal de un libro físico otorga, en Estados Unidos, el derecho a disponer de esa copia. Según los críticos, esto crea un vacío legal que permite a las empresas crear grandes conjuntos de datos digitales sin tener que pagar adicionalmente a los creadores de contenido. En algunas evaluaciones judiciales, la digitalización de libros impresos adquiridos legalmente para el entrenamiento de modelos internos puede considerarse dentro del marco del uso legítimo.

Sin embargo, el tema no se limita solo a los derechos de autor. La destrucción de libros raros y descatalogados también genera rechazo en cuanto a la preservación del patrimonio cultural. Los críticos argumentan que algunos libros pueden haber sido publicados en ediciones limitadas y que la eliminación de las copias físicas podría causar pérdidas irreparables para investigadores, bibliotecas y colecciones.

Desde la perspectiva de las empresas de inteligencia artificial, los libros publicados antes de 2022 ofrecen textos escritos por humanos que han pasado por procesos editoriales. Mientras que la rápida proliferación de contenidos generados por inteligencia artificial en Internet aumenta el riesgo de que los nuevos modelos se entrenen nuevamente con textos de inteligencia artificial, los libros impresos son vistos por las empresas como una fuente de datos más limpia y coherente.

No existen datos precisos sobre el número de libros destruidos. Sin embargo, los documentos judiciales y los pedidos masivos reportados por los vendedores de libros muestran que los pedidos pueden oscilar desde cientos de libros hasta la escala de millones. Por ello, el debate plantea una pregunta más amplia sobre cómo la carrera por el desarrollo de la inteligencia artificial afecta no solo al mundo digital, sino también a los bienes culturales físicos.