Empresas de IA compram e destroem livros raros para treinamento de algoritmo

Em resumo:

• Empresas de IA estão recorrendo a sebos e antiquários ao redor do mundo para adquirir livros físicos raros e usá-los no treinamento de seus modelos de IA.
• Para agilizar a digitalização em massa, os livros sofrem um “procedimento destrutivo” em que a lombada é cortada e as folhas são separadas, impedindo a remontagem da obra.

O mercado global de livros antigos tem presenciado uma movimentação incomum. Sebos e antiquários em diversos países, como Espanha, Nova Zelândia e Holanda, relatam um aumento súbito de encomendas em massa.

• Conheça o Foqa News e fique por dentro das notícias

Compras volumosas, muitas vezes envolvendo milhares de títulos esquecidos e raros, são despachados em massa. O destino de quase todas essas obras é o mesmo: a destruição em prol do treinamento de sistemas de Inteligência Artificial (IA).

O caso ganhou os holofotes após o livreiro espanhol Marçal Font investigar um padrão de compras em sua livraria e, junto a pesquisadores de IA, desvendar a ligação desses pedidos com empresas do setor de tecnologia.

O “Projeto Panamá” e o procedimento destrutivo

A destruição das obras não ocorre por acaso. Trata-se de uma questão logística. A ação faz parte do que ficou conhecido no Vale do Silício como “Projeto Panamá”, uma iniciativa secreta da desenvolvedora Anthropic (criadora da IA Claude) com o objetivo de escanear todo o conhecimento escrito pela humanidade.

O procedimento destrutivo é adotado devido à sua escala e rapidez. Ao invés de usar métodos convencionais de preservação, a técnica consiste em cortar a lombada do livro para soltar todas as páginas.

Em seguida, as folhas soltas são inseridas em escâneres industriais de alta velocidade. Uma vez que o livro é “desmembrado”, não pode ser montado novamente, e os restos da obra original são descartados para reciclagem.

A fome insaciável por dados e a busca pelo “underground”

Os grandes modelos de linguagem (LLMs), como o ChatGPT e o Claude, dependem do processamento maciço de textos para funcionarem corretamente e aprenderem a prever o raciocínio humano.

Nos últimos anos, as gigantes da tecnologia já esgotaram praticamente todas as fontes abertas de informação na internet: a Wikipédia, milhões de blogs, bancos de dados acadêmicos e até transcrições de vídeos.

Sem novas fontes de dados online para “alimentar” suas IAs, essas empresas voltaram suas atenções para o formato físico, buscando livros não comerciais e fora de catálogo.

Risco ao patrimônio e perda de contexto histórico

O avanço desse processo de digitalização forçada acende alertas entre historiadores, colecionadores e pesquisadores.

O risco iminente é que, ao comprar estoques inteiros de forma indiscriminada, essas empresas destruam exemplares de tiragens limitadas, obras raras e, principalmente, materiais que nunca receberam um registro oficial (ISBN), como manifestos políticos e a literatura underground.

Além do risco de apagamento físico de obras esgotadas, especialistas alertam para a “perda de metadados”. Ao destruir o livro e preservar apenas o texto bruto em bancos de dados privados, elementos físicos utilizados para a pesquisa histórica são descartados.

Anotações nas margens, o tipo de costura da encadernação, a textura do papel e ilustrações exclusivas se perdem para sempre na conversão digital.

Sem novos livros físicos para consumir, o mercado já teme o próximo passo da tecnologia: o treinamento de IAs baseado em textos gerados por outras IAs.

Segundo os pesquisadores, esse ciclo pode levar a uma degradação do conhecimento humano, transformando a informação no “resumo do resumo”, cada vez mais distante das fontes reais.

Você já conhece o portal de notícias Foqa News?

Nele você encontra notícias do Brasil e do mundo e fica por dentro do que acontece em tempo real.

Acompanhe o que realmente importa, sem perder tempo!