A Face Oculta da Inteligência Artificial: Milhões de Livros Comprados e Destruídos para Treinamento

O avanço vertiginoso da inteligência artificial generativa tem levantado questões complexas sobre a origem e o tratamento dos dados que alimentam esses sistemas. Um novo e preocupante cenário emergiu, sugerindo que empresas de IA estão por trás de uma operação maciça de compra e subsequente destruição de milhões de livros. A reportagem do site especializado <i>404 Media</i> aponta que essa estratégia visa não apenas expandir as bases de conhecimento, mas também combater um problema autoinfligido pelos próprios modelos: o infame 'AI slop'.

Combatendo o 'AI Slop': A Busca por Conhecimento 'Puro'

O 'AI slop', ou 'desleixo de IA', descreve o conteúdo de baixa qualidade e mal revisado que os próprios algoritmos de inteligência artificial são capazes de gerar. Essa produção indesejável representa um risco significativo de contaminação para os bancos de dados de treinamento, levando as desenvolvedoras a buscar alternativas para aprimorar seus modelos de linguagem. A solução encontrada passa por uma fonte de dados considerada mais confiável e livre dessas distorções: informações publicadas antes de 2022, o ano do lançamento do ChatGPT. Nesse contexto, obras literárias originais, produzidas por mentes humanas, tornaram-se um recurso valioso e cobiçado, impulsionando uma demanda sem precedentes.

O Fenômeno das Compras em Massa no Mercado Editorial

A suspeita de que empresas de IA estão adquirindo livros em volume industrial ganha força com o testemunho de livreiros. Um profissional, que preferiu manter o anonimato, revelou um aumento exponencial nas vendas desde abril, saltando de poucas dezenas para centenas de livros semanais através da plataforma ISBNdb. Essa plataforma, conhecida por agregar catálogos editoriais, adaptou seu modelo de negócios para oferecer acesso à sua vasta base de dados e, segundo a <i>404 Media</i>, serviços de vendas em escala que podem variar de 1.000 a 1 milhão de obras em uma única transação.

A natureza dessas aquisições é igualmente reveladora. Embora nenhum pedido tenha sido diretamente atribuído a uma empresa de IA na reportagem, a aleatoriedade e falta de padrão nos temas, gêneros ou autores dos livros comprados em larga escala – com a única exceção de possuírem um código ISBN – sugerem um objetivo de coleta massiva de dados. Além disso, a disposição dos compradores em adquirir livros superfaturados de forma indiscriminada reforça a tese de que a prioridade é a quantidade e a abrangência, e não o valor literário ou a curadoria específica.

Implicações Legais e o Debate sobre 'Uso Justo'

O uso de material protegido por direitos autorais para treinar inteligências artificiais já é um ponto de tensão e disputas legais. Gigantes como a Alphabet, por exemplo, enfrentam processos coletivos de editoras sob a acusação de uso ilegal de milhões de livros para desenvolver seu modelo Gemini. A Anthropic, criadora do Claude, chegou a pagar uma multa substancial de <b>US$ 1,5 bilhão</b> por manter sete milhões de livros piratas. No entanto, decisões judiciais nos Estados Unidos têm, em alguns casos, invocado a doutrina do 'uso justo' para permitir o treinamento de IA com esses materiais, adicionando uma camada de complexidade ao debate ético e legal em torno da propriedade intelectual na era digital.

De Obras Literárias a Dados Digitais: O Custo da Eficiência

A busca por vastos volumes de dados de qualidade culmina em uma prática controversa: a digitalização em massa que, muitas vezes, implica na destruição física dos livros. Tom Harvey, líder do projeto de digitalização da Anthropic, confirmou em processos judiciais a contratação de empresas como a Datamation Information Services para essa tarefa. Embora alguns métodos de digitalização preservem a integridade das obras, o mais barato e eficiente envolve desmembrar os livros – ou seja, destacar suas páginas – para alimentar escâneres industriais de alta velocidade. Esse método destrutivo é, segundo a <i>404 Media</i>, a preferência das desenvolvedoras de IA, priorizando a velocidade e o custo-benefício em detrimento da preservação do patrimônio físico.

Essa revelação adiciona uma dimensão preocupante à corrida pelo desenvolvimento da inteligência artificial. A aparente disposição em sacrificar milhões de livros físicos, que representam não apenas informações, mas também artefatos culturais e históricos, levanta sérias questões sobre as implicações éticas e o impacto de longo prazo dessas práticas. A fronteira entre o avanço tecnológico e a responsabilidade cultural torna-se cada vez mais tênue, exigindo um diálogo urgente sobre o futuro do conhecimento e sua preservação.

Fonte: https://www.infomoney.com.br