Le aziende di intelligenza artificiale stanno acquistando anonimamente libri fisici all'ingrosso e distruggendoli dopo averne scansionato i contenuti per l'addestramento dei modelli di IA, secondo un rapporto pubblicato inizialmente da 404 Media.

I librai affermano che la domanda di titoli oscuri e fuori catalogo è aumentata drasticamente, sollevando preoccupazioni sul fatto che i libri rari e non comuni stiano scomparendo in modo permanente a causa di questa pratica.

Un giudice federale ha stabilito che la scansione distruttiva di libri acquistati legalmente può qualificarsi come fair use, anche mentre separate cause per violazione del diritto d'autore contro gli sviluppatori di IA continuano il loro iter nei tribunali.

Un'industria artigianale per la scansione distruttiva

Evocando il classico romanzo distopico Fahrenheit 451, alcune aziende di IA non si limitano a leggere i libri: li distruggono. Mentre gli sviluppatori gareggiano per costruire modelli di IA sempre più potenti e le cause per violazione del diritto d'autore si accumulano, è emersa un'industria artigianale per fornire loro milioni di libri fisici che vengono smontati, scansionati in dataset di addestramento e poi scartati.

Si ritiene che le aziende di IA utilizzino intermediari per acquisire libri su scala industriale mantenendo l'anonimato. Le società specializzate nell'approvvigionamento all'ingrosso pubblicizzano la capacità di reperire centinaia di migliaia di titoli garantendo al contempo la riservatezza per i propri clienti del settore IA, riflettendo la sensibilità che circonda questa pratica.

I critici affermano che la campagna di acquisti è guidata dalla volontà delle aziende di IA di preservare la conoscenza prodotta da esseri umani prima che venga diluita da testo generato dall'IA, spesso definito "AI slop". I libri pubblicati prima dell'ascesa dell'IA generativa nel 2023 sono considerati particolarmente preziosi perché forniscono dati di addestramento di alta qualità scritti interamente da esseri umani. Questa spinta riflette una sfida industriale più ampia talvolta chiamata "data wall": man mano che il testo disponibile pubblicamente su internet diventa sempre più saturo di output generato dall'IA, gli sviluppatori si stanno rivolgendo a fonti offline di scrittura umana verificata per mantenere la qualità dei modelli.

Ridefinizione del mercato del libro usato

L'impennata della domanda sta già ridefinendo il mercato del libro usato. Un libraio anonimo ha raccontato a 404 Media che le vendite settimanali sono passate da circa 20 libri a diverse centinaia dopo l'ingresso degli acquirenti di IA nel mercato. Sebbene l'aumento sia stato redditizio, il libraio ha espresso preoccupazione per il fatto che i libri non comuni e fuori catalogo vadano persi in modo permanente dopo essere stati scansionati e distrutti.

"Mi avvantaggia finanziariamente e mi permette di smaltire vecchie giacenze che altrimenti sarebbero difficili da vendere," ha dichiarato il libraio a 404 Media. "Sono stato particolarmente adatto per queste vendite grazie al mio inventario di libri dall'estero e in lingua straniera. D'altra parte, non mi piace l'uso finale, e non mi piace che i libori non comuni vengano polverizzati."

La perdita delle copie fisiche è particolarmente grave per i libri che esistono in tirature limitate o non sono mai stati digitalizzati, sollevando interrogativi sul fatto che le aziende di IA abbiano l'obbligo di preservare i manufatti che consumano.

Precedente legale: fair use per la scansione distruttiva

La pratica ricalca il "Progetto Panama" di Anthropic, che ha digitalizzato milioni di libri attraverso la scansione distruttiva.

La scorsa estate, nella causa per violazione del diritto d'autore Bartz v. Anthropic PBC, un giudice federale di San Francisco ha stabilito che la scansione di libri fisici acquistati legalmente in copie digitali, anche quando gli originali venivano distrutti, costituiva fair use trasformativo. Giudici federali hanno successivamente emesso sentenze analoghe di fair use in cause separate per violazione del diritto d'autore riguardanti OpenAI e Meta.

Tuttavia, in un caso separato, un giudice federale dello stesso distretto ha approvato un accordo per violazione del diritto d'autore da 1,5 miliardi di dollari che richiede ad Anthropic di pagare migliaia di autori circa 3.000 dollari a libro, dopo che l'azienda aveva utilizzato copie piratate delle loro opere per addestrare Claude. I risultati contrastanti sottolineano una distinzione giuridica che le aziende di IA devono ora affrontare con cautela: l'acquisto e la scansione di un libro fisico possono essere protetti, ma ottenere gli stessi contenuti attraverso la pirateria non lo è.

Reazioni del settore e appelli per la preservazione

In risposta alle crescenti critiche, sviluppatori di IA tra cui Elon Musk si sono pronunciati contro la pratica e hanno esortato le aziende a preservare i libri sottoposti a scansione.

"Ho chiesto al team SpaceXAI di preservare eventuali libri rari in una biblioteca e di scansionarli nel modo più laborioso invece di tagliare semplicemente il dorso e scansionarli," ha scritto Musk su X.