Anche Amazon manda al macero libri rari per addestrare l'IA
Per addestrare i propri modelli linguistici, le aziende specializzate in intelligenza artificiale acquistano intere pile di libri vecchi. Questo garantisce alle librerie profitti a breve termine, ma solleva questioni critiche sul diritto d'autore e sulla tutela del patrimonio culturale.
Le aziende che operano nel settore dell'intelligenza artificiale sono costantemente alla ricerca di materiale con cui addestrare i propri modelli linguistici. Per «materiale» si intende tutto ciò che contiene linguaggio: dai post sui social media agli articoli di giornale fino ai video su YouTube. Nemmeno i libri cartacei sfuggono a questa caccia ai dati.
Poche settimane fa alcune librerie antiquarie, tra l'altro in Germania, hanno segnalato ordini di massa insoliti: libri più vecchi, soprattutto titoli invenduti che giacevano da tempo sugli scaffali, sono diventati improvvisamente molto richiesti – e in migliaia di volumi. Il sospetto era che i libri venissero digitalizzati e poi distrutti. Questa pratica era già stata documentata nel caso dell'azienda statunitense Anthropic, che sviluppa il chatbot Claude. Non era tuttavia noto se anche altre aziende del settore dell'intelligenza artificiale agissero in questo modo.
Amazon acquista libri su larga scala
Ora una pista concreta porta ad Amazon, il colosso online che nel 1994 aveva iniziato a sua volta come libreria online. Un team investigativo del sito web statunitense 404 Media ha nascosto un AirTag in una spedizione di circa 1000 libri, che un intermediario aveva ordinato presso una libreria. In questo modo è stato possibile tracciare la consegna attraverso diverse tappe intermedie fino a un magazzino Amazon a Las Vegas.
All'ingresso dell'edificio dove è arrivata la spedizione spicca un grande logo. Contiene il codice della filiale, VGT3, sopra un tirannosauro rex con un libro aperto tra gli artigli. Secondo alcune ricerche condotte da 404 Media, sembra che il compito principale della filiale VGT3 sia la digitalizzazione sistematica dei libri.
Secondo il rapporto, i dipendenti di VGT3 si scambiano opinioni online sulle condizioni di lavoro e sulle loro mansioni. In questo modo è possibile dimostrare che la filiale elabora sistematicamente i libri ricevuti: i codici ISBN vengono scansionati, le copertine dei libri vengono tagliate e le pagine vengono poi digitalizzate. Secondo il personale, in alcuni casi addirittura in turni diurni e notturni.
Amazon ha confermato l'acquisto di libri in una dichiarazione rilasciata a 404 Media. Questo aiuterebbe l'azienda a «sviluppare e migliorare i prodotti e i servizi utilizzati dalla clientela». Ciò che intende Amazon è ovvio, dato che lei stessa utilizza modelli di intelligenza artificiale.
Alla ricerca di testi scritti da persone
La qualità di un modello linguistico dipende interamente dalla qualità del suo addestramento, che dipende a sua volta dalla quantità e dalla qualità dei dati utilizzati a tal fine. I testi revisionati tratti da riviste e libri sono considerati di qualità superiore rispetto agli articoli sui social media pubblicati da chiunque su X. Il Washington Post riporta che in un'e-mail interna del 2024, i libri sono stati definiti dal gruppo Facebook «Meta» come essenziali nella competizione con altre aziende specializzate in intelligenza artificiale.
Le aziende che operano nel settore dell'intelligenza artificiale hanno interesse a raccogliere il maggior numero possibile di fonti testuali di alta qualità. Negli ultimi anni molte fonti digitali accessibili al pubblico sono già state analizzate in modo sistematico. Se ciò sia sempre avvenuto in modo legittimo è oggetto di numerosi procedimenti giudiziari. Migliaia di autrici e autori e case editrici accusano le aziende di intelligenza artificiale di utilizzare testi senza autorizzazione a fini di addestramento.
Allo stesso tempo, i siti web con contenuti digitali di alta qualità integrano sempre più spesso misure di protezione che impediscono a chi raccoglie i dati di accedervi in modo automatizzato. A ciò si contrappongono quantità enormi di libri, giornali e riviste, redatti da persone prima dell'avvento dei potenti modelli linguistici (dal 2022) e mai digitalizzati. È proprio questo enorme archivio cartaceo di dati ad attirare l'attenzione delle aziende di IA.
La modalità con cui vengono effettuati questi ordini in grandi quantità lascia supporre che gli intermediari elaborino automaticamente elenchi di titoli basati sugli ISBN. Così possono cercare in modo mirato i libri che non sono ancora stati acquistati ed effettuare l'ordine. A qualunque costo: gli antiquari riferiscono che i libri venduti in questo modo sono per lo più invendibili e quindi molto convenienti, mentre le spese di spedizione e i dazi doganali incidono sul prezzo in misura molto maggiore.
Scansione e distruzione per l'IA
Il sospetto che dietro a questi ordini ci siano le grandi aziende del settore dell'intelligenza artificiale non è del tutto infondato. Proprio per questo motivo, Anthropic, lo sviluppatore del chatbot Claude, è finito in tribunale quest'anno. Dai documenti interni resi pubblici nel corso del procedimento emerge che nel 2024 Anthropic ha avviato il cosiddetto «Project Panama». A quanto pare Anthropic perseguiva l'obiettivo di «scansionare in modo distruttivo tutti i libri del mondo».
Per gestire in modo efficiente l'enorme mole di lavoro rappresentata dai milioni di libri acquistati da allora, le copertine dei libri venivano tagliate per separare le pagine l'una dall'altra. In questo modo gli scanner ad alte prestazioni erano in grado di digitalizzare rapidamente le singole pagine. I libri cartacei venivano successivamente smaltiti o riciclati. Dal punto di vista legale, questa pratica è più sicura rispetto all'utilizzo di archivi di libri online perché le copie fisiche vengono acquistate legalmente. È proprio questo che distingue il caso dall'utilizzo di copie ottenute illegalmente.
Il giudice William Alsup ha stabilito nel processo contro Anthropic che l'utilizzo di testi provenienti da fonti acquisite legalmente e digitalizzate per addestrare modelli di intelligenza artificiale possa essere considerato un uso altamente trasformativo e che, pertanto, possa rientrare nella dottrina del fair use, ampiamente diffusa negli Stati Uniti. Per «uso trasformativo» si intende che i testi digitalizzati non vengono utilizzati come libri, ma servono a uno scopo diverso, ovvero addestrare l'IA.
Alcune questioni devono tuttavia essere chiarite in ulteriori sentenze, ad esempio nel caso in cui autori e autrici sono in grado di dimostrare un danno economico concreto.
Bene culturale o merce da magazzino che nessuno vuole più?
La distruzione dei libri, invece, non pone alcun problema dal punto di vista giuridico. Il proprietario ha il diritto di distruggere i beni acquisiti legalmente.
Anthropic ha negato nel corso del procedimento di aver acquistato e distrutto libri rari o di valore antiquario. Anche l'articolo di 404 Media conferma che la spedizione oggetto dell'indagine non conteneva libri di rilevanza storico-culturale.
Sembra una situazione vantaggiosa per tutti quando le librerie gioiscono per ordini voluminosi di merce che altrimenti resterebbe invenduta. Si tratta però di ordini di libri rari, ad esempio perché stampati in piccole tirature o pubblicati in una lingua poco diffusa.
Chi lavora nelle biblioteche, nella ricerca storica e nel commercio librario antiquario vede in questo un problema: la scansione distruttiva a basso costo potrebbe, in alcuni casi, distruggere per sempre beni culturali materiali. Chi vende libri si trova così di fronte a un dilemma morale: contribuire consapevolmente alla distruzione di libri rari?
Si sente a casa sia davanti al PC da gaming che sull'amaca in giardino. È affascinata dall'Impero Romano, dalle navi container e dai libri di fantascienza, tra le altre cose. Fiuta soprattutto le ultime notizie dal settore IT e smart gadget.
Curiosità dal mondo dei prodotti, uno sguardo dietro le quinte dei produttori e ritratti di persone interessanti.
Visualizza tutti
