Empresas destroem livros para treinar sistemas de IA
Empresas destroem livros ao retirar encadernações e separar páginas usadas em processos de escaneamento voltados a sistemas de IA.
Livros antigos, manuais técnicos e publicações regionais tornaram-se fontes estratégicas para empresas interessadas em diversificar os dados utilizados no desenvolvimento da inteligência artificial. Embora essa prática possa enriquecer os sistemas tecnológicos, a destruição de exemplares e a ausência de autorização dos autores provocam um debate sobre os limites dessa exploração.
Empresas buscam conteúdo fora da internet
Empresas de tecnologia passaram a adquirir livros físicos para ampliar a variedade, a profundidade e a qualidade das informações utilizadas no desenvolvimento de sistemas de inteligência artificial.
A estratégia procura superar as limitações de conteúdos repetitivos disponíveis na internet, especialmente em áreas técnicas, históricas, científicas e regionais com baixa presença digital.
Companhias especializadas no comércio de obras usadas, como a ZoomBooks, compram exemplares com reduzido valor de revenda, mas com relevância documental para bases tecnológicas.
Nesse conjunto aparecem manuais especializados, publicações locais, pesquisas antigas e títulos raros, cujas informações podem não existir em plataformas digitais acessíveis ao público.
Para acelerar a captura das páginas, alguns exemplares têm suas encadernações removidas, procedimento que facilita o escaneamento, mas elimina qualquer possibilidade de preservação física posterior.
A destruição dessas obras preocupa bibliotecas, pesquisadores e colecionadores, porque determinados títulos possuem importância cultural superior ao preço atribuído pelo mercado de segunda mão.
Autores enfrentam desafios jurídicos
A utilização de livros no treinamento de modelos artificiais abriu uma disputa sobre os limites legais para reprodução, processamento e aproveitamento comercial de obras protegidas.
Autores e editoras questionam a inclusão de conteúdos sem autorização prévia, principalmente nos casos em que empresas obtêm benefícios econômicos sem oferecer remuneração aos responsáveis.
Anthropic, Google, OpenAI e Microsoft já enfrentam processos relacionados ao suposto emprego de materiais protegidos, situação que evidencia a ausência de consenso jurídico sobre essas práticas tecnológicas.
O debate envolve a diferença entre consultar uma obra para pesquisa e incorporar seu conteúdo em sistemas capazes de produzir respostas, resumos ou textos semelhantes.
Sem regras específicas, criadores podem perder controle sobre a utilização de seus trabalhos, enquanto empresas mantêm vantagens obtidas por meio de informações produzidas por terceiros.
Uma regulamentação equilibrada precisaria estabelecer critérios de transparência, licenciamento e compensação financeira sem impedir pesquisas legítimas ou avanços úteis para a sociedade.
Conhecimento pode ficar concentrado
A transformação de acervos físicos em bases privadas cria o risco de informações antes acessíveis por livros passarem a depender exclusivamente de plataformas comerciais fechadas.
Durante grande parte do século passado, universidades, bibliotecas e instituições públicas exerceram papel essencial na conservação e na circulação de pesquisas científicas, culturais e acadêmicas.
Esse modelo pode perder espaço caso empresas adquiram exemplares, destruam os originais e restrinjam o conteúdo digitalizado aos próprios produtos de inteligência artificial.
Nesse cenário, usuários receberiam respostas produzidas a partir das obras, mas não teriam acesso direto aos documentos, aos contextos completos ou às fontes originais consultadas.
A concentração também pode prejudicar pesquisadores independentes e instituições com poucos recursos, pois informações relevantes permaneceriam sob controle de corporações com interesses comerciais específicos.
Políticas de preservação, registros públicos e regras de acesso podem impedir que a modernização tecnológica converta patrimônios documentais em ativos exclusivos de poucas empresas.
Fonte: El País
