La empresa detrás de Claude creó un proyecto para comprar millones de libros, cortarles el lomo, escanear sus páginas y convertir ese conocimiento en datos para entrenar inteligencia artificial.
Hay una imagen que parece sacada de una historia de ciencia ficción, toneladas de libros entrando a una bodega, máquinas cortando sus lomos y páginas pasando a toda velocidad por escáneres mientras, al final del proceso, los ejemplares físicos dejan de existir.
Pero no es ficción, es parte de Project Panama, una iniciativa de Anthropic, la compañía responsable del chatbot Claude, para adquirir grandes cantidades de libros y digitalizarlos con el objetivo de utilizarlos como material para entrenar sus modelos de inteligencia artificial.
Una investigación publicada por The New Yorker retomó documentos judiciales en los que aparece descrito el proyecto como el esfuerzo de Anthropic por “escanear destructivamente todos los libros del mundo”.
La idea detrás de esta estrategia era conseguir grandes cantidades de textos escritos por humanos para alimentar sus modelos con información que no proviniera únicamente de internet.
Te puede interesar:
La respuesta está en algo que las empresas de inteligencia artificial necesitan cada vez más: datos de calidad.
Los modelos como Claude necesitan enormes cantidades de texto para aprender a comprender y producir lenguaje.
Sin embargo, Anthropic consideraba que los libros ofrecían una ventaja frente a buena parte del contenido disponible en internet: habían pasado por procesos de edición y contenían información especializada que podía ser difícil de encontrar en línea.
Documentos relacionados con Project Panama muestran que Anthropic comenzó a buscar grandes cantidades de libros físicos. Primero recurrió a distribuidores y posteriormente amplió sus compras hacia libreros de segunda mano y proveedores capaces de conseguir títulos específicos.
Te puede interesar:
El objetivo no era precisamente conservarlos; ara acelerar la digitalización, los libros podían ser desencuadernados y cortados por el lomo. Después, sus páginas eran procesadas mediante escáneres de alta velocidad para convertirlas en archivos digitales; una vez digitalizado el contenido, el ejemplar físico podía ser descartado.
El método puede sonar especialmente brutal cuando se habla de libros, pero la técnica de desarmar ejemplares para escanearlos no es nueva, también se utiliza en algunos procesos de preservación y digitalización documental. Lo extraordinario en este caso es la escala y el propósito: alimentar sistemas de inteligencia artificial.
Foto: Canva.
Aunque algunas versiones del caso han hablado de libros “raros” o antiguos, Anthropic ha señalado que sus programas de adquisición no compran y destruyen libros raros o antiquarios. De acuerdo con The New Yorker, muchos de los ejemplares observados eran publicaciones con ISBN, particularmente libros académicos y especializados.
Entre los materiales había textos de historia, biografías, ficción, poesía, crítica literaria, derecho y ciencias sociales, además de publicaciones académicas muy específicas.
Foto: Canva.
Precisamente esos libros difíciles de encontrar podían tener un enorme valor para una inteligencia artificial.
Un texto especializado que quizá tenga pocos lectores humanos puede convertirse en una pieza útil dentro del gigantesco conjunto de información con el que se entrena un modelo.
De acuerdo con documentos judiciales citados por The Washington Post, Anthropic llegó a gastar decenas de millones de dólares para adquirir millones de libros y prepararlos para su digitalización. Una propuesta de un proveedor contemplaba procesar entre 500 mil y 2 millones de libros en seis meses.
La compañía incluso recurrió a un veterano de la industria tecnológica que había participado en Google Books para dirigir esfuerzos relacionados con la adquisición y digitalización de libros.
El razonamiento de Anthropic era sencillo, conseguir los textos, convertirlos en datos y utilizar esa información para mejorar sus modelos. En otras palabras, el libro físico era solamente el recipiente; lo que realmente buscaba la empresa era el contenido.
Te puede interesar:
Y ahí aparece una pregunta mucho más interesante que saber cuántos libros terminaron en una máquina de corte: ¿qué sucede cuando una obra creada para ser leída por personas se convierte simplemente en datos para una inteligencia artificial?
El proceso elimina muchas de las características que tradicionalmente asociamos con un libro, su portada, su edición, sus anotaciones, su materialidad e incluso el contexto en el que fue publicado; para una IA, una página puede terminar reducida a información que puede ser procesada estadísticamente.
Te puede interesar:
Project Panama también abrió un debate legal y ético sobre la manera en que las compañías de inteligencia artificial utilizan obras protegidas por derechos de autor.
El caso de Anthropic llegó a los tribunales después de que autores acusaran a la empresa de utilizar libros sin autorización para entrenar sus modelos.
La compañía terminó acordando un pago de 1.5 mil millones de dólares para resolver una parte de esa disputa, mientras que un juez determinó que comprar legalmente libros impresos y utilizarlos para entrenamiento interno podía constituir fair use.
Foto: Gemini.
La discusión, sin embargo, va mucho más allá de determinar si una máquina puede cortar un libro después de comprarlo legalmente.
También plantea qué ocurre con el conocimiento humano cuando cada vez más obras son absorbidas por sistemas capaces de resumirlas, reinterpretarlas y producir nuevos textos a partir de ellas.
Anthropic quería construir una especie de biblioteca gigantesca para alimentar a Claude. La paradoja es que, para crear esa biblioteca digital, millones de libros físicos podían tener que desaparecer primero.
Y quizá esa sea la parte más inquietante de todo el proyecto, no que la inteligencia artificial necesite libros para aprender, sino que el libro pueda dejar de ser importante como objeto en el momento en que la máquina consigue extraer todo lo que necesita de él.
Te puede interesar:
