Empresas de inteligência artificial destroem milhares de livros para treinar seus modelos
O 'Projeto Panamá', um esforço para digitalizar todas as obras escritas pela humanidade, utiliza um método destrutivo que corta a lombada dos livros para um escaneamento rápido, descartando os exemplares físicos. A prática levanta preocupações sobre a perda de patrimônio cultural e a qualidade futura da informação gerada por IA.
Empresas de inteligência artificial estão comprando e destruindo milhares de livros antigos em sebos ao redor do mundo para treinar seus modelos de linguagem.
Livreiros de diversos países relatam compras incomuns de volumes antigos, que são digitalizados de forma destrutiva para alimentar algoritmos de IA.
Padrões de compra incomuns alertam livreiros
Livreiros de livros usados em diversos países, como Espanha, Holanda e Austrália, começaram a notar um padrão de compra incomum. Eles recebiam pedidos volumosos de livros antigos, muitas vezes com custos de envio elevados, sem que os compradores questionassem os valores. Marçal Font, da Livraria Fénix em Badalona, Espanha, e outros antiquários, desconfiaram da natureza dessas transações.
A investigação sobre esses pedidos revelou que empresas de inteligência artificial estavam por trás das aquisições. Essas companhias, que antes se dedicavam a escanear livros já digitalizados, passaram a buscar exemplares físicos em sebos e antiquários para expandir suas bases de dados. A prática levantou preocupações iniciais sobre a finalidade e o método de uso desses livros.
O 'Projeto Panamá' e a digitalização destrutiva
Um documento vazado, parte de um processo judicial contra a empresa de IA Anthropic, revelou a existência do 'Projeto Panamá', um plano ambicioso para digitalizar todas as obras escritas pela humanidade. O documento especificava que o processo seria 'destrutivo' e que a informação sobre o projeto deveria ser mantida em sigilo. A Anthropic, em setembro de 2025, concordou em pagar US$ 1,5 bilhão para encerrar uma ação coletiva de autores que alegavam uso indevido de suas obras.
O método de digitalização destrutiva envolve o corte da lombada dos livros para separar as páginas, que são então inseridas em scanners industriais de alta velocidade. Esse processo permite digitalizar milhões de exemplares de forma mais rápida e econômica. Após o escaneamento, o livro não pode ser remontado e seus restos são geralmente enviados para reciclagem, conforme explicado pelo jornalista Rodrigo Álvarez.
A necessidade de dados para treinar a inteligência artificial
O principal objetivo da digitalização desses 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 ao prever a próxima palavra ou trecho, baseando-se em vastas quantidades de dados. Inicialmente, os LLMs foram alimentados com informações da internet, como Wikipédia e blogs.
