A busca incessante por dados para treinar modelos de inteligência artificial (IA) tem levado empresas de tecnologia a adquirir e, em muitos casos, destruir milhares de livros ao redor do mundo. Essa prática, que envolve a digitalização de obras literárias para alimentar algoritmos, levanta sérias questões sobre a preservação do patrimônio cultural e o futuro do livro físico.
Livreiros de diversos países têm relatado um aumento incomum em pedidos de grandes volumes de livros, muitas vezes obras raras ou pouco comerciais, por parte de empresas com sede no exterior. O fenômeno, inicialmente visto com desconfiança, revelou-se parte de uma estratégia global para expandir as bases de dados das IAs.
Padrões de Compra Incomuns Alarmam Livreiros Globais
A história de Marçal Font, livreiro da Livraria Fénix em Badalona, Espanha, ilustra o início dessa descoberta. Em abril, Font recebeu uma encomenda de uma empresa canadense com um padrão de compra atípico. Embora habituado a enviar livros em catalão para o exterior, a quantidade e a frequência dos pedidos, juntamente com os custos de envio “absurdos”, levantaram suspeitas.
Preocupado com uma possível fraude, Font consultou seu amigo Xavier Vinaixa, pesquisador de inteligência artificial. Juntos, eles começaram a rastrear o padrão e encontraram relatos semelhantes de livreiros na Alemanha, Nova Zelândia e Holanda, como Pieter de Vries, que se surpreendeu com pedidos em massa de centenas de livros, algo raro no comércio de antiguidades.
O Projeto Panamá e a Digitalização Destrutiva de Obras
A investigação jornalística que revelou o “Projeto Panamá” trouxe à tona a dimensão dessa operação. Em um documento vazado de um processo judicial, a empresa de IA Anthropic descrevia o projeto como um “esforço para escanear de forma destrutiva todos os livros do mundo”, com a intenção explícita de manter a iniciativa em segredo.
A Anthropic, inclusive, já havia concordado em pagar uma quantia significativa para encerrar uma ação coletiva movida por autores que alegavam uso não autorizado de suas obras. Segundo Maximiliano Firtman, professor e autor que participou da ação, a decisão judicial permitiu que a empresa utilizasse livros para treinar IA, desde que os exemplares fossem comprados.
Existem dois métodos principais para digitalizar livros. O método não destrutivo utiliza escâneres planos ou em formato de V, preservando a encadernação. Contudo, o procedimento “destrutivo”, preferido por empresas como a Anthropic para o Projeto Panamá, envolve cortar a lombada do livro para soltar as folhas, que são então digitalizadas rapidamente por escâneres industriais. Após o processo, o livro não pode ser remontado e seus restos são frequentemente enviados para reciclagem. Essa escolha é motivada pela escala e pelo custo-benefício.
A Necessidade Insaciável de Dados para Treinar IAs
A principal motivação por trás da digitalização massiva de livros é o treinamento de Large Language Models (LLMs), como o ChatGPT. Esses modelos de inteligência artificial aprendem a compreender, resumir, traduzir e gerar texto prevendo a próxima palavra ou trecho, de forma análoga a um teclado preditivo, mas em uma escala exponencialmente maior.
Inicialmente, os LLMs foram alimentados com todo o conteúdo disponível na internet, incluindo a Wikipédia, blogs e fóruns. Com o esgotamento dessas fontes, as empresas passaram a utilizar matérias de jornais e legendas de vídeos. Atualmente, a busca por dados se estendeu a livros impressos, primeiro os já digitalizados, depois os de bibliotecas e, agora, exemplares “estranhos” e não comerciais encontrados em livrarias de livros usados e antiquários, como obras sobre a história de embutidos catalães mencionadas por Marçal Font.
Debates e Preocupações Sobre o Patrimônio Literário
A prática da digitalização destrutiva tem gerado um debate intenso sobre suas implicações para o patrimônio cultural. Miguel Ángel Ortega, presidente da Associação Profissional do Livro e do Colecionismo Antigos da Espanha, argumenta que a destruição de obras de tiragem limitada, raras ou únicas é inaceitável para quem se dedica à preservação do patrimônio.
Rodrigo Álvarez, jornalista especializado em tecnologia, reforça essa preocupação, destacando o risco de que compras indiscriminadas destruam exemplares insubstituíveis sem verificar sua raridade ou disponibilidade. Por outro lado, o livreiro Marçal Font adota uma postura menos romântica, vendo a transferência de conhecimento entre plataformas como valiosa, apesar das perdas inerentes.
A questão central permanece: como equilibrar a inovação tecnológica e a demanda por dados com a salvaguarda de um legado literário que, uma vez destruído, pode ser irremediavelmente perdido em sua forma original?
Para mais informações sobre modelos de linguagem, visite o site da IBM.
Fonte: terra.com.br
