Um livreiro holandês pensou que um pedido de 3.000 cópias era 'spam ou phishing'. Agora, empresas de IA estão escaneando e destruindo livros para treinar IA.

Um livreiro holandês pensou que um pedido de 3.000 cópias era spam ou phishing. Agora, empresas de IA estão escaneando e destruindo livros para treinar IA.



Era apenas mais um dia ensolarado de verão em Haarlem, na Holanda, quando um pedido inusitado chegou à caixa de entrada do livreiros de antiguidades Pieter de Vries.

Uma mulher chamada Natalia, que se identificou como parte de uma empresa chamada “2077AI,” estava buscando obter o que descreveu como um “pedido considerável” de livros. Anexa a isso, havia uma planilha listando mais de 3.000 ISBNs junto com instruções para combinar títulos, preparar cotações e estimar custos de envio direcionados à China.

De Vries deu pouca atenção ao e-mail, descartando a mensagem como spam ou phishing sem ler além das primeiras linhas. Somente semanas depois, quando um jornalista holandês que investigava o pedido de aquisição entrou em contato, ele tomou conhecimento da conexão do pedido com a inteligência artificial.

“Fiquei chocado!” disse De Vries, que forneceu à Fortune o e-mail e a planilha subsequente que continha 3.001 títulos, na maioria publicados entre 2020 e 2021 por editoras acadêmicas como Emerald Publishing, Elsevier, Wiley, Routledge e Oxford University Press, cobrindo temas desde negócios e educação até engenharia, políticas públicas e medicina. “Muito incomum,” disse De Vries. “Por isso eu considerei o pedido como spam ou phishing.”

De Vries não foi o único. Ele informou à Fortune que vários outros livreiros de antiguidades holandeses receberam o mesmo pedido e, como ele, o descartaram. (Eles não tomaram “isso a sério” e “consideraram uma fraude,” disse ele). Embora a consulta não tenha impactado significativamente seu negócio, poderia ter sido uma história diferente para livreiros que se especializam em vender livros usados em larga escala.

“Eu trabalho com livros antigos e raros,” disse De Vries, acrescentando que raramente recebe pedidos de livros por e-mail e, se o faz, é no máximo para apenas um livro. “Esses livros são caros e exclusivos. Portanto, eu não faço comércio em grande quantidade.”

O apetite da IA por livros

O e-mail que De Vries recebeu nunca mencionou inteligência artificial ou explicou qual seria a utilização dos livros, mas surgiu em um momento em que as empresas de IA estão cada vez mais buscando além da internet aberta por materiais escritos de alta qualidade para treinar grandes modelos de linguagem.

No verão passado, a atenção pública para o uso de livros pelas empresas de IA aumentou quando documentos judiciais revelaram que a Anthropic havia adquirido milhões de livros físicos, removido suas capas, escaneado e descartado as cópias originais para construir uma biblioteca digital pesquisável usada para treinar seus modelos de IA em um projeto interno denominado “Projeto Panamá,” segundo The Washington Post. O processo, conhecido como “digitalização destrutiva,” consiste em cortar a lombada de um livro para que suas páginas possam ser alimentadas em scanners de alta velocidade antes que a cópia física restante seja descartada.

O caso terminou com um acordo após um juiz federal decidir que usar livros legalmente adquiridos para treinar modelos de IA constituía uso justo sob a lei de direitos autorais. Alegações separadas envolvendo o download de livros pela Anthropic das bibliotecas online LibGen e PiLiMi foram resolvidas no acordo.

De acordo com um porta-voz da Anthropic, os modelos Claude são treinados com um mix de dados disponíveis publicamente, conjuntos de dados adquiridos comercialmente e dados gerados internamente. A Anthropic compra livros por meio de mercados comerciais regulares, e nenhum de seus programas de aquisição de dados adquire ou destrói livros raros ou de antiguidades.

A cadeia de suprimentos oculta

Os registros judiciais mostraram o que aconteceu após a aquisição dos livros, mas não como as empresas obtêm milhões de volumes físicos em primeiro lugar.

No início deste ano, a 404 Media noticiou que a ISBNdb, uma empresa mais conhecida por manter metadados vinculados a Números Padrão Internacionais de Livros (ISBNs), os identificadores numéricos únicos codificados nos códigos de barras encontrados na maioria dos livros, começou a anunciar serviços para ajudar laboratórios de IA a adquirirem compras em massa de livros impressos variando de 1.000 a 1 milhão de livros. Segundo o relatório, o site da empresa dizia que o serviço era voltado para as “necessidades de treinamento de LLM” e “entregue na escala que a IA exige.”

As páginas da web foram posteriormente removidas. A ISBNdb depois informou à Fortune que o serviço nunca foi lançado, nunca adquiriu ou digitalizou livros para empresas de IA e as páginas da web refletiam um conceito exploratório e não um negócio ativo. Relatos semelhantes surgiram na Alemanha e na Suíça, onde a mídia local relatou que livreiros de segunda mão receberam pedidos incomuns para livros altamente especializados que pareciam inconsistentes com a coleta ou revenda tradicional. A Zoom Books, uma empresa canadense identificada em alguns dos relatos, negou essas alegações e disse à emissora suíça SRF que as compras faziam parte de seu modelo regular de reciclagem e troca.

Para uma indústria construída sobre algoritmos, o e-mail oferece um vislumbre raro de algo muito mais tangível: a cadeia de suprimentos física de livros que pode, em última análise, alimentar modelos de IA.

Fortune contatou a 2077AI buscando um comentário sobre o propósito do pedido de aquisição e se os livros eram destinados ao treinamento de IA. A empresa não respondeu a solicitações de comentário antes da publicação.


Leave a Comment

O seu endereço de email não será publicado. Campos obrigatórios marcados com *