Amazon destrói livros raros depois de escanear as páginas, e o motivo é treinar inteligência artificial

Um comerciante de livros nos Estados Unidos escondeu um rastreador dentro de um exemplar raro antes de vendê-lo em um lote maior, mais por curiosidade do que por desconfiança. O sinal levou o livro até um galpão da Amazon, e o que ele revelou confirma uma suspeita que já circulava entre livreiros: a empresa está comprando livros raros aos montes, escaneando o conteúdo e destruindo o exemplar físico logo em seguida, para alimentar o treinamento de seus modelos de inteligência artificial. A informação é do site Ars Technica.

O galpão identificado pelo rastreador tem o codinome VGT3 e leva um logotipo pouco sutil para quem entende do que se trata: um Tyrannosaurus rex com a boca aberta, prestes a devorar um livro. Dentro dele, segundo relatos de quem já trabalhou no local, os funcionários retiram a lombada dos volumes, a parte que costura a capa às páginas, para poder passar as folhas soltas por um scanner com rapidez. Depois de digitalizado, o livro não volta a existir como objeto físico. Vira só dado.

Comerciantes do setor já suspeitavam dessa prática há algum tempo, mas essa é considerada a primeira evidência concreta de que ela acontece dessa forma. O motivo do interesse da Amazon por livros raros específicos, e não por qualquer edição disponível, tem uma lógica direta: são exemplares antigos, esgotados ou nunca traduzidos, que nunca foram digitalizados e por isso não estão disponíveis em nenhum banco de dados de treino já existente na internet. Como boa parte deles é anterior a 2022, também carregam uma garantia rara nos dias de hoje, a certeza de que nenhuma linha ali foi escrita com ajuda de um chatbot.

É esse detalhe que torna o material valioso para quem treina modelos de IA. Texto humano, original, sem contaminação de conteúdo gerado por máquina, é cada vez mais difícil de encontrar em quantidade na internet aberta, porque boa parte do que se publica hoje já passa por alguma ferramenta de IA em algum momento do processo. Livros antigos, especialmente os que nunca saíram de tiragens pequenas ou já não são reeditados, guardam justamente esse tipo de texto limpo, além de conhecimento histórico e literário que muitas vezes não tem outro registro digital.

O problema é o preço pago por isso. Especialistas em preservação apontam que muitos desses volumes têm valor histórico e intelectual que vai além do conteúdo das páginas, a encadernação, o papel, as anotações de antigos donos, tudo isso se perde quando o livro é desmontado e descartado. Não é a primeira vez que uma empresa de tecnologia usa acervos de livros físicos como matéria-prima de treino, mas a destruição sistemática de exemplares raros levanta uma questão que a indústria só começa a discutir: quanto do patrimônio impresso do mundo vale a pena sacrificar para alimentar um modelo de linguagem, e quem decide isso.

Procurada pelo Ars Technica, a Amazon confirmou que compra livros por canais comerciais para desenvolver produtos e serviços usados por seus clientes, mas não deu detalhes sobre o processo de escaneamento nem sobre o volume de exemplares destruídos até agora.