Amazon compra libros y los destruye para entrenar su inteligencia artificial

Amazon estaría comprando miles de libros antiguos y descatalogados para escanearlos y utilizar su contenido en el entrenamiento de modelos de inteligencia artificial. El procedimiento tiene un detalle polémico: para acelerar la digitalización, los ejemplares son desencuadernados y destruidos.

Según una investigación de 404 Media, los libros llegan a un almacén de Amazon en Las Vegas, donde un equipo identificado como VGT3 recibe los ejemplares, corta sus lomos y digitaliza página por página el contenido.

El material obtenido sería utilizado para entrenar la familia de modelos Nova, en un momento en que las empresas de inteligencia artificial buscan nuevas fuentes de textos para alimentar sus sistemas.

Libros anteriores a la IA generativa

La estrategia apunta principalmente a libros publicados antes de 2022, especialmente títulos descatalogados y determinadas ediciones difíciles de conseguir. Amazon utilizaría el ISBN para identificar y seleccionar los ejemplares.

La razón es sencilla: las compañías de IA necesitan grandes cantidades de contenido creado por humanos y buscan evitar textos producidos por modelos generativos, que podrían contribuir a una progresiva degradación de la calidad de las respuestas.

Un método que ya generó una batalla judicial

La práctica tiene un antecedente directo en Anthropic, fabricante de Claude, que enfrentó demandas de autores por comprar libros físicos, digitalizarlos y utilizarlos para entrenar sus modelos.

En Estados Unidos, un juez consideró que escanear y luego destruir ejemplares adquiridos legalmente podría quedar protegido por la doctrina del “uso legítimo”, al no conservarse copias físicas adicionales.

El caso de Amazon vuelve a poner sobre la mesa una pregunta cada vez más relevante: ¿hasta dónde pueden llegar las empresas de inteligencia artificial para conseguir contenido humano con el que entrenar sus modelos?