Empresas de IA compram livros antigos para treinar modelos
Laboratórios de IA buscam livros impressos antes de 2022 para evitar a contaminação de seus modelos por conteúdos gerados artificialmente.
Pontos principais
- A empresa ISBNdb atua como intermediária na compra de lotes entre 1.000 e 1 milhão de livros físicos para empresas de tecnologia.
- O objetivo é obter dados de treinamento 'limpos', livres de textos sintéticos que podem causar o colapso de modelos (model collapse).
- Processos judiciais revelaram que a Anthropic utilizou escaneamento destrutivo, cortando lombadas de livros para acelerar a digitalização.
- O juiz federal William Alsup determinou que a destruição de livros físicos para fins de digitalização é considerada 'uso justo transformativo'.
- Acordos de confidencialidade (NDA) são utilizados para ocultar a identidade dos compradores e as estratégias de aquisição.
- O Google também enfrenta litígios de editoras por utilizar livros protegidos por direitos autorais no treinamento do modelo Gemini.
Empresas de inteligência artificial estão recorrendo a estoques massivos de livros impressos publicados antes de 2022 como uma estratégia para garantir a qualidade de seus dados de treinamento. A iniciativa, facilitada por intermediários como a ISBNdb, busca contornar a crescente poluição da internet por conteúdos gerados por IA, que, segundo pesquisadores, pode degradar o desempenho de novos modelos. A prática envolve a aquisição de grandes volumes de obras físicas, que são posteriormente submetidas a processos de digitalização em larga escala.
O método, contudo, levanta debates sobre direitos autorais e preservação cultural, especialmente devido ao uso de escaneamento destrutivo, onde as obras são fisicamente inutilizadas. Embora o setor enfrente críticas pela destruição de milhões de livros, decisões judiciais recentes nos Estados Unidos têm oferecido respaldo legal às empresas, classificando a digitalização como uso justo. A falta de transparência sobre quais laboratórios estão por trás dessas compras, protegidos por cláusulas de confidencialidade, mantém o setor sob escrutínio de autores e livreiros.
Comentários
Carregando comentários...