Amazon destrói livros para treinar IA, revela investigação do 404 Media
A Amazon estaria comprando e destruindo milhões de livros físicos, incluindo exemplares raros e fora de catálogo, para digitalizar seu conteúdo e alimentar modelos de inteligência artificial (IA). A denúncia, inicialmente divulgada pelo portal 404 Media e amplamente repercutida por veículos como o Tecnoblog, aponta para uma operação secreta em um galpão logístico da empresa em Las Vegas, nos Estados Unidos.
A Investigação e o Rastreador AirTag
A descoberta veio à tona após uma investigação do 404 Media, que utilizou um método engenhoso para rastrear as obras. Suspeitando de um aumento atípico na compra de grandes lotes de livros por empresas de tecnologia, a equipe do site escondeu um dispositivo Apple AirTag dentro de um exemplar raro de um lote de mil livros comercializado pela plataforma online Biblio.
O rastreador levou os jornalistas a uma instalação da Amazon em Las Vegas, Nevada. No local, identificado internamente pelo codinome VGT3, funcionários revelaram que a principal função da unidade é processar e converter livros físicos em dados digitais. Para otimizar a velocidade da digitalização em scanners industriais de alta performance, as lombadas e encadernações dos livros são cortadas, resultando na destruição dos exemplares originais após o processo.
O logotipo da unidade VGT3, que exibe um dinossauro segurando um livro em um gesto que simula o ato de rasgar e devorar, é visto como uma representação irônica da prática.
Veja também:
A Busca por Dados ‘Limpos’ para Treinamento de IA
A motivação por trás da compra e destruição em massa de livros reside na crescente demanda por dados de alta qualidade para o treinamento de modelos de linguagem grandes (LLMs) de inteligência artificial. Empresas de IA, incluindo a Amazon, estão buscando avidamente textos escritos por humanos que antecedem o boom da IA generativa (publicados antes de 2022) para evitar o que é chamado de “AI slop” – conteúdo gerado por IA que pode comprometer a qualidade e originalidade dos modelos.
A internet aberta, antes uma fonte inesgotável de dados, está se tornando cada vez mais “poluída” com conteúdo gerado por inteligência artificial, tornando os livros físicos, especialmente os mais antigos e raros, um recurso valioso e “não contaminado” para aprimorar os algoritmos.
Posicionamento da Amazon e Precedentes Legais
Questionada pelo 404 Media, a Amazon confirmou que “adquire livros por meio de canais comerciais para ajudar a desenvolver e melhorar os produtos e serviços que nossos clientes usam”. No entanto, a empresa não especificou quais produtos de IA são treinados com o material digitalizado nem comentou diretamente sobre a destruição dos livros físicos.
A prática de adquirir e destruir livros para treinamento de IA não é exclusiva da Amazon. Outras grandes empresas de inteligência artificial, como a Anthropic (responsável pelo modelo Claude, com seu “Panama Project”) e o Google, também foram associadas a métodos semelhantes de coleta de dados. A Anthropic, inclusive, enfrentou um processo por violação de direitos autorais e chegou a um acordo de US$ 1,5 bilhão com editoras.
Em alguns casos, tribunais têm se posicionado de que a digitalização e destruição de livros de papel para treinamento de IA podem ser consideradas “transformadoras” e não violam direitos autorais, desde que não haja condições impostas sobre o consumo das obras no momento da venda.
Desdobramentos e Preocupações
A revelação levanta sérias preocupações sobre a preservação cultural e o destino de obras raras e históricas. Críticos argumentam que a destruição de exemplares físicos pode levar à perda irreversível de conhecimento e história, além de impactar o patrimônio cultural da humanidade.
O mercado editorial já vinha observando um aumento incomum na procura por determinados livros físicos e, mais recentemente, a Amazon também implementou restrições na autopublicação de livros digitais, limitando a três publicações diárias por autor, em uma tentativa de conter a proliferação de conteúdo gerado por IA na sua plataforma.
Enquanto a corrida por dados de alta qualidade para IA se intensifica, o debate sobre a ética, a sustentabilidade e as implicações culturais dessas práticas promete continuar.