Foto di Patrick Tomasso.

Le principali aziende dell'intelligenza artificiale sono di recente finite al centro di critiche perché starebbero utilizzando milioni di libri cartacei come materiale di addestramento, ricorrendo però a processi industriali che prevedono la distruzione fisica dei volumi. Editori e intermediari - come segnala 404 Media - starebbero vendendo grandi quantità di testi a società che li scansionano tramite macchine ad alta velocità, spesso tagliando il dorso dei libri per velocizzare il processo. Una parte significativa di questo materiale proviene da acquisti in blocco gestiti da servizi specializzati come ISBNdb, che permettono ordini fino a un milione di copie mantenendo anonimi i compratori.

A finire sotto i riflettori è soprattuto Anthropic, che avrebbe distrutto milioni di libri stampati per costruire i dataset dei propri modelli, utilizzando scanner industriali che separano le pagine e triturano gli originali dopo la digitalizzazione. Le fonti indicano che l'azienda avrebbe acquistato grandi quantità di testi tramite intermediari, con particolare interesse per libri pubblicati prima del 2022, considerati più preziosi perché meno presenti nei dataset digitali già disponibili online. Il processo prevede l'acquisto di libri in grandi lotti, la loro spedizione verso centri di scansione e la distruzione immediata dopo la digitalizzazione. Le macchine utilizzate tagliano il dorso dei volumi per separare le pagine, che vengono poi inserite in scanner ad alta velocità. Questo metodo consente di digitalizzare migliaia di libri al giorno, ma comporta la perdita definitiva degli originali.

L'unico a essersi finora ufficialmente opposto a questa pratica distruttiva è Elon Musk, il quale su X ha dichiarato: «Ho chiesto al team SpaceXAI di preservare qualsiasi libro raro in una biblioteca e di scansionarlo nel modo difficile invece di tagliare il dorso e scansionarlo». Da parte delle altre realtà che si occupano di IA, invece, per ora non ci sono commenti. È ormai chiaro però che l'acquisto massivo di libri è diventato una pratica comune tra le aziende che sviluppano modelli linguistici di grandi dimensioni. La disponibilità di testi cartacei permette di accedere a contenuti non presenti nei database digitali, inclusi saggi, manuali tecnici, opere fuori catalogo e pubblicazioni non digitalizzate. Questo materiale è considerato prezioso per migliorare la qualità dei modelli, soprattutto nelle aree tematiche meno rappresentate online.

La crescente domanda di testi cartacei ha anche portato a un aumento dei prezzi dei libri rari e fuori catalogo, con effetti sul mercato dell'usato e sulle biblioteche che cercano di preservare copie storiche. La comunità accademica e bibliotecaria teme che la digitalizzazione distruttiva possa compromettere la disponibilità futura di opere rare, soprattutto se le aziende non adotteranno politiche di conservazione.

Consigliamo la lettura di:

Il magazzino di Amazon dove i libri vengono scansionati per l'IA e poi distr...

La tecnologia come tramonto della mente

Titoli inventati dall'IA nei risultati Google: l'esperimento che riscriv...

La protesta del libro vuoto: migliaia di scrittori contro l'uso dei loro tes...

Spunti di approfondimento:

Dati incisi nel vetro per 10.000 anni

La logica delle tecnologie

Amazon Kindle, arrivano gli e-book in formato PDF o EPUB senza DRM

E se Internet sparisse?