Las empresas de IA podrían estar destruyendo libros raros para entrenar sus modelos
Los libreros alertan que las empresas de IA están comprando libros físicos, incluyendo copias raras y agotadas, para luego destruirlos y escanear las páginas de forma rápida y económica.
Puntos clave
- Se reporta que las empresas de IA están comprando libros físicos, incluyendo títulos raros, para luego destruirlos y extraer texto para 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 distribuidores de libros sospechan que la práctica está más generalizada de lo que muestran los reportes actuales.
- Los libros raros y agotados destruidos de esta manera podrían perderse permanentemente.
- Existen métodos de escaneo no destructivos; las empresas están optando por el costo sobre la preservación.
En algún lugar en este momento, un libro que sobrevivió un siglo probablemente esté siendo pasado por una trituradora.
Esta es la incómoda imagen que emerge de los libreros que, según fue reportado primero por Ars Technica AI, sospechan que las empresas de IA están comprando silenciosamente libros físicos y destruyéndolos para escanear las páginas rápida y económicamente. Nuestro reportaje del 1 de agosto encontró distribuidores australianos describiendo el mismo patrón, calificándolo como vandalismo cultural.
¿Por qué alguien destruiría un libro solo para escanearlo?
La encuadernación es el problema. El lomo de un libro mantiene las páginas juntas en una curva, lo que hace que el escaneo plano y limpio sea casi imposible sin desarmarlo primero. Destruir la encuadernación, recortar las páginas sueltas y escanearlas es dramáticamente más rápido que fotografiar un libro intacto página por página.
La velocidad es importante 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 porque contienen prosa larga y cuidadosamente escrita mucho más rica que la mayoría del texto encontrado en línea. Obtener millones de páginas en un conjunto de datos de entrenamiento rápidamente vale dinero, y destruir un libro de bolsillo económico para hacerlo es una decisión fácil.
La decisión más difícil es qué sucede cuando el libro no es económico.
¿Qué pasa con los libros raros o irremplazables?
Aquí es donde la historia se vuelve genuinamente preocupante. Los libreros reportan que los compradores, se cree que trabajan para empresas de IA, están adquiriendo títulos que incluyen copias raras y agotadas. Una vez que esos libros se trituran para escanearlos, puede que no quede ninguna copia física.
Un escaneo digitalizado no es lo mismo que un artefacto sobreviviente. Las páginas contienen anotaciones y variaciones de impresión en las que los académicos confían. Perder el objeto significa perder más que las palabras.
Los distribuidores también sospechan que la escala es mayor que la que ha salido a la luz públicamente. Debido a que las compras de libros al por mayor no están reguladas ni rastreadas de una manera que revele el propósito del comprador, la extensión total es difícil de confirmar.
¿Deberían preocuparse los lectores ordinarios?
Sí, incluso si nunca has visitado una tienda de libros raros. Los libros que se escanean moldean lo que saben las herramientas de IA y cómo escriben. Si la prosa de forma larga más cuidadosamente elaborada ingresa a 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 se ven afectados.
La parte más cruel es que nada de esto es técnicamente necesario. Existen métodos de escaneo más lentos y no destructivos. Las empresas están optando por el camino más económico.
Qué observar: si vendes libros de segunda mano o raros, estate alerta ante compradores al por mayor que hagan pocas preguntas sobre el estado y no muestren interés en la reventa. Órdenes inusualmente grandes de ejemplares de lectura de títulos agotados, pagadas rápidamente y recolectadas al por mayor, encajan con el patrón que describen los distribuidores.
