Desarrolladores de IA compran libros usados al por mayor para entrenamiento y luego los destruyen

Los desarrolladores de IA están comprando millones de libros usados a través de intermediarios para crear conjuntos de datos de entrenamiento de alta calidad para sus modelos, evitando la avalancha de contenido generado por IA de baja calidad en Internet. Anthropic gastó varios millones de dólares en digitalizar una gran cantidad de libros impresos para entrenar a Claude y luego los destruyó, tras haberlos comprado a Better World Books. Un tribunal determinó que el uso era legítimo, pero Anthropic se enfrenta a una posible multa de 1500 millones de dólares por una biblioteca de 7 millones de libros electrónicos pirateados; se presentó una demanda similar contra Google por el entrenamiento de Gemini con copias de libros obtenidas ilegalmente. La base de datos ISBNdb, que contiene 111 millones de libros catalogados, ahora ofrece servicios de compra al por mayor para desarrolladores de IA, con pedidos que van desde miles hasta un millón de ejemplares por transacción. Tom Harvey, que trabajó en el Proyecto Panamá en Anthropic, confirmó que la digitalización utiliza métodos de escaneo no destructivos y destructivos, siendo este último más barato y rápido, pero destruye millones de libros. Esta práctica plantea preocupaciones éticas sobre la eliminación de libros valiosos o raros de la circulación y la restricción del acceso público al contenido escaneado.