Esta semana, tanto lectores habituales como usuarios de redes sociales reaccionaron con indignación ante las informaciones que apuntaban a la destrucción masiva de libros raros para utilizarlos como material de entrenamiento de modelos de inteligencia artificial. Diversos proveedores de libros comenzaron a recibir pedidos inusualmente grandes, lo que alimentó la sospecha de que empresas dedicadas a la IA buscaban obtener copias físicas de alta calidad para digitalizarlas, evitando así posibles problemas relacionados con los derechos de autor.
En el centro de la controversia apareció ISBNdb, una conocida base de datos bibliográfica que, según diversas informaciones, no solo promovía esta práctica, sino que también ofrecía un servicio para conectar a empresas de inteligencia artificial con distribuidores de libros. La reacción pública fue inmediata y la compañía terminó eliminando todo el contenido relacionado con esa iniciativa.
«Hemos visto la cobertura reciente sobre una página promocional publicada en nuestro sitio web y entendemos la preocupación que ha generado», explicó ISBNdb en un comunicado. «No entrenamos modelos de inteligencia artificial y nunca lo hemos hecho. Esa página era únicamente una prueba para medir el interés del mercado; el servicio nunca llegó a desarrollarse. Ya hemos retirado esa página.»
La polémica se intensificó pocos días después de que 404 Media revelara que numerosos distribuidores de libros estaban recibiendo pedidos de gran volumen completamente fuera de lo habitual. En un momento en el que escuelas y bibliotecas atraviesan dificultades económicas, muchos vendedores aceptaron estas compras sin conocer realmente el destino final de los ejemplares.
Las sospechas apuntaban a compañías de inteligencia artificial, aunque ISBNdb terminó concentrando gran parte de las críticas al aparecer como intermediario potencial entre estas empresas y los depósitos de libros.
La página promocional, ya eliminada, incluía un mensaje que resumía claramente el objetivo de la iniciativa:
«Los mejores datos para entrenar inteligencia artificial están en una estantería. Los libros representan conocimiento humano seleccionado, revisado por expertos y especializado, organizado de una forma que ningún rastreo de internet puede reproducir. Son densos, editados y autorizados.»
Aunque la controversia alcanzó su punto más alto esta semana, el origen del debate se remonta a enero, cuando documentos judiciales revelaron la existencia de Project Panama, un programa interno de Anthropic destinado a escanear y posteriormente destruir tantos libros como fuera posible para utilizarlos en el entrenamiento de sus modelos.
Posteriormente, Anthropic alcanzó un acuerdo de 1.500 millones de dólares con varios autores. Sin embargo, los documentos desclasificados mostraban que la práctica no era considerada ilegal, sino un importante riesgo para la imagen pública de la compañía, motivo por el cual esta habría intentado mantener el proyecto fuera del foco mediático.
Desde entonces, cualquier pedido masivo de libros poco comunes ha comenzado a ser observado con mucha más atención.
«Para mí supone un beneficio económico y también me permite deshacerme de inventario que probablemente nunca vendería», explicó un vendedor anónimo a la periodista Samantha Cole, de 404 Media. «Pero no me gusta el uso que se les da después ni que libros poco comunes terminen convertidos en pulpa.»
La situación refleja otro desafío creciente para las empresas de inteligencia artificial: encontrar material de alta calidad con el que entrenar sus modelos. Ante la proliferación de contenido generado por IA y la baja calidad de buena parte del material disponible en internet, las compañías buscan nuevas fuentes de información sin provocar conflictos legales o éticos.
En esa misma línea, este verano A24 anunció una colaboración con Google para contribuir al entrenamiento de DeepMind, con el objetivo de mejorar la calidad de los modelos generativos utilizando contenido audiovisual autorizado.
Respecto a la destrucción física de los libros, todo indica que no responde a un intento de ocultar pruebas ni a un interés por eliminar ejemplares únicos. Los documentos relacionados con Project Panama no explican el motivo exacto, aunque diversas fuentes apuntan a una razón mucho más simple: reducir costes. Digitalizar libros sin dañarlos es perfectamente posible, pero requiere más tiempo y recursos. En procesos industriales de escaneo rápido, lo habitual es cortar el lomo de los ejemplares para obtener imágenes más limpias de cada página y, posteriormente, desechar los restos del libro una vez finalizada la digitalización.
Este artículo ha sido traducido de Kotaku US por Agustín Azcarate. Aquí podrás encontrar la versión original.
