Las Empresas de IA Podrían Estar Destruyendo Libros Raros para Entrenar Sus Modelos

Puntos clave

• Se reporta que empresas de IA compran libros físicos, incluidos títulos raros, y luego los destruyen para extraer texto y entrenar modelos.
• Escanear libros encuadernados intactos es más lento y costoso, por lo que la destrucción es la ruta más económica para obtener grandes volúmenes de texto de alta calidad.
• Los libreros sospechan que la práctica es más generalizada de lo que muestran los reportes actuales.
• Los libros raros y agotados destruidos de esta manera podrían perderse de forma permanente.
• Investigadores y amantes de los libros dicen que la destrucción es evitable si las empresas eligen métodos más lentos y menos dañinos.

En algún lugar ahora mismo, probablemente un libro que sobrevivió un siglo está siendo pasado por una trituradora.

Esta es la imagen incómoda que emerge de libreros que, según reportó por primera vez Ars Technica AI, sospechan que empresas de IA están comprando en silencio libros físicos para luego destruirlos y escanear las páginas rápida y económicamente.

¿Por qué alguien destruiría un libro solo para escanearlo?

El encuadernado es el problema. El lomo de un libro mantiene las páginas unidas en una curva, lo que hace que un escaneo plano y limpio sea casi imposible sin desarmarlo primero. Destruir la encuadernación, recortar las páginas sueltas, escanecarlas y desechar los restos es dramáticamente más rápido que fotografiar un libro intacto página por página.

La velocidad importa aquí porque las empresas de IA están en una carrera. Los modelos detrás de herramientas como ChatGPT y Claude, llamados modelos de lenguaje grande, aprenden de enormes cantidades de texto. Los libros son especialmente valiosos para ese entrenamiento porque contienen prosa larga y cuidadosamente escrita que es mucho más rica que la mayoría del texto encontrado en línea. Obtener millones de páginas en un conjunto de datos de entrenamiento rápidamente tiene valor, y destruir un libro de bolsillo barato para hacerlo es una decisión fácil.

La decisión más difícil es qué sucede cuando el libro no es barato.

¿Qué pasa con los libros raros o irreemplazables?

Aquí es donde la historia se vuelve genuinamente preocupante. Los libreros reportan que compradores, que se cree trabajan para empresas de IA, están adquiriendo títulos que incluyen copias raras y agotadas. Una vez que esos libros se trituran para escanear, podría no quedar ninguna copia física.

Un escaneo digitalizado no es lo mismo que un artefacto físico superviviente. Las páginas llevan anotaciones marginales, variaciones de impresión y evidencia física que los estudiosos utilizan. Perder el objeto significa perder más que las palabras.

Los vendedores también sospechan que la escala es mayor de lo que ha salido a la luz públicamente. Debido a que las compras de libros en masa no están reguladas ni registradas de manera que revele el propósito del comprador, la extensión completa es difícil de confirmar.

¿Deberían preocuparse los lectores comunes?

Sí, incluso si nunca visitas una tienda de libros raros. Los libros que se escanean moldan lo que las herramientas de IA saben y cómo escriben. Si la escritura de forma larga más valiosa y cuidadosamente elaborada se introduce en estos modelos sin el consentimiento de los autores o editores, y las copias físicas desaparecen en el proceso, tanto el registro cultural como los medios de vida de los escritores sufren.

La parte más cruel, como señalan los críticos, es que nada de esto es técnicamente necesario. Existen métodos de escaneo más lentos y no destructivos. Las empresas están eligiendo el camino más económico.

Qué estar atento: Si vendes libros de segunda mano o raros, ten cuidado con compradores en masa que hagan pocas preguntas sobre el estado y no muestren interés en la reventa. Pedidos inusualmente grandes de copias de lectura de títulos agotados, pagados rápidamente y recogidos en masa, se ajustan al patrón que describe los vendedores.