As Empresas de IA Podem Estar Destruindo Livros Raros para Treinar os Seus Modelos

Pontos-chave

• Empresas de IA estão alegadamente a comprar livros físicos, incluindo títulos raros, e depois a destrui-los para extrair texto para treino de modelos.
• Digitalizar livros encadernados intactos é mais lento e caro, tornando a destruição a rota mais económica para grandes volumes de texto de alta qualidade.
• Comerciantes de livros suspeitas que a prática é mais generalizada do que o que os relatos atuais mostram.
• Livros raros e fora de catálogo destruídos desta forma poderiam perder-se permanentemente.
• Investigadores e amantes de livros afirmam que a destruição é evitável, se as empresas optarem por métodos mais lentos e menos danosos.

Neste preciso momento, algures, um livro que sobreviveu um século está provavelmente a ser passado por um triturador de madeira.

Este é o quadro desconfortável que emerge de livreiros que, segundo reportagem inicial da Ars Technica AI, suspeitan que empresas de IA estão discretamente a comprar livros físicos e depois a destrui-los para digitalizar as páginas rapidamente e economicamente.

Porque é que alguém destruiria um livro apenas para o digitalizar?

O encadernação é o problema. A lombada de um livro mantém as páginas juntas numa curva, o que torna a digitalização plana e limpa quase impossível sem as separar primeiro. Destruir a encadernação, aparar as páginas soltas, digitalizá-las e descartar os restos é dramaticamente mais rápido do que fotografar um livro intacto página a página.

A velocidade é importante aqui porque as empresas de IA estão numa corrida. Os modelos por trás de ferramentas como ChatGPT e Claude, chamados de modelos de linguagem de grande escala, aprendem com enormes quantidades de texto. Os livros são especialmente valiosos para esse treinamento porque contêm prosa longa e cuidadosamente escrita que é muito mais rica do que a maioria do texto encontrado online. Colocar milhões de páginas num conjunto de dados de treinamento rapidamente vale dinheiro, e destruir um livro de bolso barato para o fazer é uma decisão fácil.

A decisão mais difícil é o que acontece quando o livro não é barato.

E quanto aos livros raros ou insubstituíveis?

É aqui que a história se torna genuinamente preocupante. Livreiros relatam que compradores, suspeita-se estarem a trabalhar para empresas de IA, estão a adquirir títulos que incluem cópias raras e fora de catálogo. Uma vez que esses livros são triturados para digitalização, nenhuma cópia física pode permanecer.

Uma digitalização não é a mesma coisa que um artefato sobrevivente. As páginas contêm anotações marginais, variações de impressão e evidência física que investigadores utilizam. Perder o objeto significa perder mais do que as palavras.

Os comerciantes também suspeikan que a escala é maior do que a que apareceu publicamente. Uma vez que compras em massa de livros não são regulamentadas ou rastreadas de uma forma que revele o objetivo do comprador, a extensão completa é difícil de confirmar.

Deveriam os leitores ordinários importar-se?

Sim, mesmo que nunca visite uma loja de livros raros. Os livros a serem digitalizados moldam o que as ferramentas de IA sabem e como escrevem. Se a escrita de forma longa mais valiosa e cuidadosamente elaborada entra nesses modelos sem consentimento dos autores ou editores, e as cópias físicas desaparecem no processo, tanto o registo cultural como os meios de vida dos escritores são afetados.

A parte mais cruel, como apontam os críticos, é que nada disto é tecnicamente necessário. Existem métodos de digitalização mais lentos e não destrutivos. As empresas estão a escolher o caminho mais barato.

O que estar atento: Se vende livros em segunda mão ou raros, esteja alerta para compradores em massa que façam poucas perguntas sobre o estado e mostrem nenhum interesse em revenda. Encomendas invulgarmente grandes para cópias de leitura de títulos fora de catálogo, pagas rapidamente e recolhidas em massa, encaixam no padrão que os comerciantes estão a descrever.