Desenvolvedores de IA Compram Livros Usados em Massa para Treinamento e os Destroem

Desenvolvedores de IA estão comprando milhões de livros usados por meio de intermediários para construir conjuntos de dados de treinamento de alta qualidade para seus modelos, evitando a enxurrada de conteúdo gerado por IA de baixa qualidade na internet. A Anthropic gastou vários milhões de dólares digitalizando um grande número de livros impressos para treinar o Claude e, em seguida, destruiu os livros, tendo-os comprado da Better World Books. Um tribunal considerou o uso justo, mas a Anthropic enfrenta uma multa potencial de US$ 1,5 bilhão devido a uma biblioteca de 7 milhões de e-books pirateados; um processo semelhante foi movido contra o Google pelo treinamento do Gemini em cópias de livros obtidas ilegalmente. O banco de dados ISBNdb, que contém 111 milhões de livros catalogados, agora oferece serviços de compra no atacado para desenvolvedores de IA, com pedidos que variam de milhares a um milhão de cópias por transação. Tom Harvey, que trabalhou no Projeto Panamá na Anthropic, confirmou que a digitalização utiliza métodos de escaneamento não destrutivos e destrutivos, sendo este último mais barato e rápido, mas destruindo milhões de livros. Essa prática levanta preocupações éticas sobre a remoção de livros valiosos ou raros de circulação e a restrição do acesso público ao conteúdo digitalizado.