Le aziende di intelligenza artificiale distruggono libri antichi

Le scoperte secondo cui le aziende di intelligenza artificiale acquistano in massa libri rari, antichi e fuori catalogo per addestrare i propri modelli linguistici di grandi dimensioni, per poi distruggere le copie fisiche dopo averle scansionate, hanno scatenato un nuovo dibattito tra autori, archivisti e bibliofili.

Secondo i documenti emersi in una causa intentata contro Anthropic, l'azienda ha pianificato, nell'ambito di un processo denominato "Project Panama", di acquisire milioni di libri fisici, di farne tagliare le rilegature, di far passare le pagine attraverso scanner ad alta velocità e infine di distruggere gli originali. I documenti indicano anche l'obiettivo di scansionare tra i 500 mila e i 2 milioni di libri con un contratto di fornitura di sei mesi.

Un altro elemento che alimenta la controversia è l'affermazione che la pratica non si limiti solo ai bestseller o ai libri facilmente reperibili. In un'inchiesta pubblicata da 404 Media, i movimenti dei pacchi sono stati monitorati tramite un Apple AirTag inserito in un ordine di circa mille libri acquistati da un venditore di libri non identificato. È stato riferito che il pacco ha raggiunto la California, poi Milwaukee, successivamente Colorado Springs e infine un magazzino con codice VGT3, che si dice appartenga ad Amazon.

Secondo il rapporto, i dipendenti della struttura in questione hanno descritto il loro lavoro come "scansione di libri". Queste scoperte hanno rafforzato le accuse secondo cui le grandi aziende tecnologiche starebbero conducendo processi di scansione di libri su scala industriale per generare dati di addestramento per l'intelligenza artificiale.

AL CENTRO DEL DIBATTITO CI SONO IL COPYRIGHT E LA QUALITÀ DEI DATI

Si ritiene che ci siano due ragioni principali per cui le aziende si rivolgono ai libri fisici: ridurre i rischi legali e ottenere dati di addestramento di qualità superiore. L'utilizzo di archivi online piratati aveva esposto le aziende di intelligenza artificiale a cause legali per violazione del copyright intentate da autori, artisti, fotografi e testate giornalistiche.

L'acquisto legale di un libro fisico negli Stati Uniti conferisce il diritto di disporre di quella copia. Secondo i critici, ciò crea una lacuna legale che consente alle aziende di creare enormi set di dati digitali senza dover pagare ulteriormente i creatori di contenuti. In alcune valutazioni giudiziarie, la digitalizzazione di libri stampati acquisiti legalmente per l'addestramento interno dei modelli può essere considerata rientrante nel cosiddetto "fair use" (uso legittimo).

Tuttavia, la questione non si limita solo ai diritti d'autore. La distruzione di libri rari e fuori catalogo suscita reazioni anche in termini di conservazione del patrimonio culturale. I critici sostengono che alcuni libri potrebbero essere stati stampati in numero limitato e che l'eliminazione delle copie fisiche potrebbe causare perdite difficili da compensare per ricercatori, biblioteche e collezionisti.

Dal punto di vista delle aziende di intelligenza artificiale, i libri pubblicati prima del 2022 offrono testi scritti da esseri umani e sottoposti a processi editoriali. Mentre la rapida proliferazione di contenuti generati dall'intelligenza artificiale su Internet aumenta il rischio che i nuovi modelli vengano addestrati nuovamente con testi prodotti dall'IA, i libri stampati sono visti dalle aziende come una fonte di dati più pulita e coerente.

Non esistono dati certi sul numero di libri distrutti. Tuttavia, i documenti giudiziari e gli ordini di massa segnalati dai librai indicano che gli ordini possono variare da centinaia di libri fino a raggiungere la scala dei milioni. Per questo motivo, il dibattito solleva una questione più ampia su come la corsa allo sviluppo dell'intelligenza artificiale stia influenzando non solo il mondo digitale, ma anche i beni culturali fisici.