Anthropic Destrói Milhões de Livros para Treinar IA Claude
A empresa de inteligência artificial Anthropic, desenvolvedora do modelo Claude, foi revelada por um processo judicial por ter adquirido milhões de livros físicos, destruído-os após a digitalização e utilizado seu conteúdo para treinar seus algoritmos. A prática, que evoca debates sobre direitos autorais, ética e preservação do patrimônio cultural, veio à tona em meio a uma ação legal por violação de direitos autorais nos Estados Unidos, levantando preocupações globais sobre os métodos de treinamento de IAs.
A revelação, inicialmente destacada pela Agência Pública e outras mídias, detalha como a Anthropic teria empregado uma metodologia de digitalização destrutiva, envolvendo o corte das lombadas dos livros, escaneamento das páginas e posterior descarte dos exemplares físicos. O objetivo seria alimentar o Claude com dados de alta qualidade, livres da chamada “AI slop” – conteúdo já gerado por outras inteligências artificiais.
A Metodologia da Digitalização Destrutiva
O processo de aquisição e destruição de livros pela Anthropic teve início em fevereiro de 2024. A empresa contratou Tom Turvey, um ex-gerente de parcerias do projeto Google Books, indicando uma intenção de replicar ou adaptar estratégias de digitalização em larga escala. A metodologia consistia em:
- Aquisição Massiva: Milhões de cópias de livros foram compradas, muitas delas usadas ou fora de catálogo.
- Desencadernação: As lombadas dos livros eram removidas, separando as páginas.
- Digitalização Rápida: As páginas eram então escaneadas rapidamente usando equipamentos industriais, convertendo o texto em formato digital.
- Destruição: Após a digitalização, os exemplares físicos eram picotados e descartados, resultando na perda dos originais.
Essa abordagem, embora eficaz para a obtenção rápida de grandes volumes de dados, é significativamente mais veloz e econômica do que métodos de digitalização não destrutivos, que buscam preservar a integridade física dos livros.
Veja também:
Contexto Legal e a Doutrina do “Fair Use”
A polêmica em torno da Anthropic ganhou destaque em um processo judicial movido por três autores – Andrea Bartz, Charles Graeber e Kirk Wallace Johnson – em um tribunal da Califórnia, nos EUA. A ação, conhecida como Bartz v. Anthropic PBC, acusava a empresa de infração de direitos autorais por utilizar o conteúdo de seus livros sem a devida autorização.
Em junho de 2025, o juiz William Alsup, do Tribunal Distrital dos EUA para o Distrito Norte da Califórnia, proferiu uma decisão que gerou um precedente complexo. O magistrado considerou que o uso de livros comprados legalmente para treinar modelos de IA, mesmo com a digitalização destrutiva, poderia se enquadrar como “fair use” (uso justo) sob a lei americana. A justificativa foi que a conversão do formato físico para digital, seguida pela destruição do original, constituía um uso “transformador”, desde que a empresa não mantivesse ambas as versões. Essa decisão ecoou precedentes importantes, como o caso Google Books, que validou a digitalização de livros para fins de busca e análise.
Contudo, o processo também revelou que a Anthropic teria baixado aproximadamente 7 milhões de obras de bibliotecas piratas, como Libgen e PiLiMiL. Essa parte da acusação levou a um acordo reportado de US$ 1,5 bilhão, relacionado a cerca de 500 mil livros, indicando que nem todo o material foi obtido por meio de compras legítimas.
Preocupações Éticas e Culturais
A prática da Anthropic reacendeu o debate sobre a ética na corrida pelo treinamento de IAs e o impacto na preservação do conhecimento. Críticos e especialistas apontam para diversas preocupações:
- Perda Irreversível: A destruição de livros físicos, especialmente obras raras ou fora de catálogo, representa uma perda irreversível para o patrimônio cultural e o acesso público ao conhecimento.
- Distorção do Mercado: Há relatos de um aumento atípico na compra de livros raros e esgotados por empresas de tecnologia, o que pode distorcer o mercado editorial e dificultar o acesso de bibliotecas e pesquisadores a esses materiais.
- Questão dos Direitos Autorais: Apesar da decisão de “fair use” para os livros comprados, a controvérsia sobre o uso de material protegido por direitos autorais em bases de dados de IA permanece intensa, com diversas ações judiciais em andamento contra outras empresas do setor.
- Paralelo com “Fahrenheit 451”: Muitos comparam a cena da destruição em massa de livros à distopia retratada por Ray Bradbury em “Fahrenheit 451”, onde livros são proibidos e queimados, levantando questões sobre o futuro da relação humana com o conhecimento físico.
Por Que Livros Físicos e Antigos?
A preferência por livros físicos, especialmente os mais antigos, não é aleatória. As empresas de IA buscam textos produzidos antes da popularização da IA generativa, pois esses materiais são considerados “limpos” de qualquer interferência ou conteúdo gerado artificialmente. O objetivo é evitar a “AI slop”, que descreve conteúdos de baixa qualidade ou repetitivos gerados por IAs, que poderiam degradar o desempenho dos próprios modelos em treinamento. Livros antigos representam uma fonte rica e confiável de linguagem humana original, essencial para o desenvolvimento de IAs mais sofisticadas e com respostas mais próximas das humanas.
Desdobramentos e o Futuro
A decisão judicial favorável à Anthropic em relação ao “fair use” da digitalização destrutiva abriu um precedente significativo para a indústria de IA, mas a discussão está longe de ser encerrada. A comunidade editorial, autores e instituições de preservação cultural continuam a expressar preocupação com as implicações de longo prazo dessa prática.
Enquanto algumas empresas de IA buscam acordos e licenças com editoras para o uso de conteúdo, a demanda por dados de treinamento de alta qualidade e a velocidade de desenvolvimento de novos modelos continuam a pressionar por soluções que, por vezes, colidem com princípios éticos e legais estabelecidos. O caso da Anthropic serve como um lembrete vívido da dimensão física e das consequências reais por trás da construção de sistemas de inteligência artificial que, à primeira vista, parecem etéreos e desvinculados do mundo material.