Una investigación reveló que la compañía compra ejemplares, incluso algunos descatalogados o de valor histórico, los corta para escanear sus páginas y luego los elimina.
La IA lleva a destruir miles de libros para entrenar nuevos modelos de lenguaje La IA lleva a destruir miles de libros para entrenar nuevos modelos de lenguaje
Amazon quedó en el centro de una nueva polémica vinculada al uso de libros para el entrenamiento de sistemas de inteligencia artificial. Una investigación reveló que la compañía adquiere grandes cantidades de ejemplares impresos, incluidos algunos libros antiguos o difíciles de conseguir, para digitalizar su contenido y utilizarlo en el desarrollo de sus modelos de IA.
El procedimiento fue detectado a partir del seguimiento de un cargamento de libros raros adquirido a través de una plataforma especializada. Para conocer el destino de los ejemplares, investigadores colocaron un dispositivo de rastreo en el envío y lograron determinar que el material terminó en instalaciones de Amazon en Las Vegas, Estados Unidos.
También te puede interesar:
Libros cortados para facilitar el escaneo.
Según la investigación, una vez que los ejemplares llegan a las instalaciones de la compañía, los trabajadores cortan las páginas de los libros para facilitar su procesamiento y escaneo.
De esta manera, el contenido de los ejemplares puede ser convertido en información digital y utilizado como material para entrenar sistemas de inteligencia artificial. Una vez completado el proceso, los libros dejan de tener utilidad para la empresa y son descartados.
La práctica no sería exclusiva de Amazon. Otras compañías dedicadas al desarrollo de inteligencia artificial también recurrieron a la compra de grandes cantidades de libros para obtener material destinado al entrenamiento de sus modelos.
El caso generó preocupación, especialmente porque entre los ejemplares adquiridos pueden encontrarse publicaciones descatalogadas o con cierto valor histórico, que podrían ser difíciles de reemplazar una vez destruidas.
¿Por qué Amazon necesita tantos libros?
Los modelos de inteligencia artificial generativa requieren enormes cantidades de información para aprender a procesar y producir textos. Durante su entrenamiento, los sistemas analizan grandes volúmenes de contenido para reconocer patrones de lenguaje, estilos, estructuras y relaciones entre conceptos.
Internet fue durante años una de las principales fuentes de información para alimentar estos modelos. Sin embargo, ante el crecimiento de los sistemas de IA, las compañías comenzaron a buscar nuevas fuentes de contenido, entre ellas colecciones de libros impresos.
La estrategia también apunta a obtener material producido antes de la expansión de las herramientas de inteligencia artificial generativa. En este sentido, la investigación señala que Amazon habría puesto el foco en publicaciones anteriores a 2022.
La razón está relacionada con un fenómeno conocido como "colapso del modelo". Si los sistemas de inteligencia artificial son entrenados cada vez más con contenidos generados por otras inteligencias artificiales, pueden comenzar a incorporar errores y perder diversidad en la información que utilizan para aprender.
Por eso, disponer de grandes cantidades de textos escritos originalmente por personas resulta especialmente valioso para las empresas que desarrollan estos sistemas.
Una práctica que genera preocupación en el mundo editorial
El uso de libros para entrenar inteligencia artificial ya provocó numerosos cuestionamientos dentro del sector editorial y entre escritores, principalmente por el debate sobre los derechos de autor.
La controversia gira en torno a qué contenidos pueden utilizar las empresas para entrenar sus modelos, si necesitan autorización de los autores o las editoriales y si corresponde algún tipo de compensación económica.
En este nuevo escenario aparece además otra preocupación: la destrucción física de ejemplares que, más allá de su utilidad como fuente de información para una IA, pueden tener valor cultural, editorial o histórico.
El caso también plantea una paradoja para Amazon. La compañía que comenzó su expansión global como una plataforma especializada en la venta de libros hoy utiliza ejemplares físicos como materia prima para alimentar algunos de los sistemas tecnológicos que podrían transformar, precisamente, la manera en que las personas producen y consumen contenidos.
