Marçal Font, propietario de la librería Fènix en Badalona, quedó sorprendido al notar movimientos inusuales en su negocio. Un día, se compraron cuatro libros por 35 euros, pero los gastos de envío ascendieron a 67 euros. Al poco tiempo, se solicitó otro libro con 20 euros adicionales en gastos de envío. Font decidió investigar el fenómeno junto a su amigo Xavi Vinaixa, director técnico de una empresa tecnológica. Descubrieron que una compañía estaba realizando pedidos para digitalizar libros y utilizarlos en sistemas de inteligencia artificial.
A través de un foro internacional, Font y Vinaixa se pusieron en contacto con libreros europeos que estaban experimentando situaciones similares. Las compras se gestionaban a través de ZoomBooks, una empresa canadiense de compraventa de libros de segunda mano. Los envíos se realizaban a operadores logísticos como PrepFort en Illinois, cuya función es escanear, catalogar y registrar estos libros. Esta cadena de intermediarios dificulta la identificación del destinatario final, pero se sospecha que está vinculada a empresas tecnológicas enfocadas en el desarrollo de inteligencia artificial.
La inquietud de los libreros encontró respaldo en una investigación del periódico The Washington Post sobre Anthropic, creadora del modelo Claude. Documentos judiciales revelaron un programa interno conocido como Project Panama, diseñado para digitalizar libros impresos a gran escala mediante un proceso de escaneo destructivo de ejemplares físicos.
Destruir libros para obtener datos
Este procedimiento de digitalización evoca la esencia de *Fahrenheit 451*, no por censura, sino por la extracción de datos. Vinaixa explica que desencuadernar un libro al guillotinar su lomo permite un escaneo más rápido y económico que los métodos tradicionales de bibliotecas. Sin embargo, esto conlleva la desaparición del ejemplar físico, lo cual plantea una contradicción, ya que un proyecto para recopilar datos termina destruyendo los mismos.
A diferencia del futuro distópico de la novela de Bradbury, el objetivo no es suprimir el contenido, sino adquirirlo. Durante años, las inteligencias artificiales se alimentaron de grandes volúmenes de texto disponible en línea. Sin embargo, las empresas ahora buscan datos más variados y de mayor calidad para corregir las deficiencias encontradas en el contenido actual de internet, como sesgos cognitivos y vocabulario informal.
Los libros se han vuelto valiosos para estas empresas porque contienen conocimiento más elaborado y estructurado que el disponible en la web. Font señala que se están adquiriendo libros especializados, de escasa circulación comercial pero de gran valor documental, lo que incluye publicaciones técnicas y ensayos de interés limitado.
Una preocupación que surge es el futuro de la adquisición de libros. ¿Hasta dónde llegará la demanda de las empresas tecnológicas, y cuándo se empezará a proteger el contenido creado por la humanidad? Font destaca que el riesgo es que estas compañías empiecen a buscar materiales menos protegidos, como fanzines y publicaciones locales.
Además, el conflicto por derechos de autor se intensifica. En diciembre de 2023, The New York Times interpuso una demanda contra OpenAI y Microsoft por el uso de su contenido para entrenar sistemas de inteligencia artificial generativa. En abril de 2024, ocho periódicos estadounidenses se unieron a esta demanda.
El gran colapso
Un fenómeno posible es el «colapso del modelo», que se produce cuando las IA comienzan a entrenarse con contenido generado por otras IA. Esto podría resultar en una degradación del conocimiento, similar a una fotocopia de baja calidad. Font menciona que los libros descatalogados son una reserva de contenido humano no contaminado por la inteligencia artificial.
Si bien la falta de datos es un reto en el sector, la situación ha cambiado. Los modelos avanzados están mejorando gracias a técnicas de aprendizaje por refuerzo. La industria ahora se enfoca en entrenamientos más especializados con datos de alta calidad, desplazando la atención de un simple volumen masivo de datos.
La privatización del conocimiento
Los avances científicos del siglo XX se lograron gracias a datos, universidades e investigación pública, que se conservaba en instituciones accesibles. Sin embargo, actualmente parece haber una tendencia hacia una privatización del conocimiento. Según Patrícia Ventura, doctora en Comunicación, es esencial que el contenido humano se utilice para entrenar modelos de lenguaje públicos, garantizando que el conocimiento siga siendo un bien común.
Font apunta que la inteligencia artificial puede facilitar la preservación del patrimonio cultural, pero advierte que las instituciones públicas deben actuar rápidamente para catalogar y conservarlo antes de que sea transformado en datos privados. Esto no implica la destrucción de libros, sino la absorción de sus datos y la privatización del conocimiento. A diferencia del proyecto de Google Books, las empresas no buscan devolver el acceso a las fuentes primarias; en su lugar, ofrecen un conocimiento transformado por la máquina.
