Amazon compra libros raros, los corta y los escanea para su IA
Un equipo interno recibe ejemplares físicos, les corta el lomo y los digitaliza página por página. El material alimenta sus modelos Nova y la compañía busca libros impresos antes de 2022, libres de texto generado por máquinas.
La empresa que empezó vendiendo libros por internet está destruyendo ejemplares raros para entrenar sus modelos de inteligencia artificial. Un equipo interno recibe los libros físicos, les corta el lomo y escanea el contenido página por página.
Cortar la encuadernación acelera la digitalización, pero destruye el ejemplar original en el proceso.
Todo ese material va al conjunto de datos con el que se entrenan los modelos Nova de la compañía. Y hay un criterio de selección revelador: se buscan libros impresos antes de 2022, es decir, libres de texto generado por máquinas.
La razón es que los grandes modelos ya consumieron buena parte del texto disponible en internet, y lo que queda ahí está cada vez más contaminado por contenido que ellos mismos produjeron. Un libro de papel anterior a la irrupción de estas herramientas es materia prima limpia.
Tras conocerse la investigación, Amazon aceptó la práctica. Un vocero dijo que la compañía compra libros por canales comerciales para mejorar los productos y servicios que ofrece a sus usuarios.
Hay además un precedente judicial que la ampara. Un juez estadounidense determinó que escanear y destruir libros comprados para entrenar una inteligencia artificial puede considerarse uso legítimo: al destruir el ejemplar físico no se generan copias adicionales, así que no hay infracción directa de derechos de autor.
El rastro de esta práctica salió a la luz por un detalle casi doméstico: alguien puso un localizador en un envío de libros y siguió su viaje hasta una nave dedicada a alimentar la inteligencia artificial de la compañía.
