En resumen
- Un Apple AirTag oculto en un pedido importante de libros condujo a una investigación que rastreó el envío hasta el almacén VGT3 de Amazon en Las Vegas.
- Los trabajadores allí cortan los lomos de los libros para que las páginas alimenten un escáner más rápido, destruyendo el libro impreso en el proceso.
- Amazon confirmó que "compra libros a través de canales comerciales" y dijo que la operación no había sido reportada antes.
Las empresas de IA están escaneando camiones llenos de libros, a veces raros, y a menudo destruyéndolos en el proceso para entrenar sus modelos, y ahora tenemos una idea de qué empresas y cómo lo están haciendo.
La publicación independiente de medios tecnológicos 404 Media colocó un dispositivo de rastreo dentro de un envío de libros raros y lo vio viajar a una instalación de Amazon en Las Vegas donde la empresa escanea y destruye libros impresos para entrenar IA.
La investigación, publicada el lunes, es la primera en señalar públicamente dónde terminan las compras masivas de libros vinculadas al entrenamiento de IA.
La parada final fue el equipo VGT3 de Amazon. Los empleados dijeron al medio que todo lo que hacen es recibir envíos masivos de libros impresos, luego cortan las encuadernaciones para que las páginas alimenten un escáner más rápidamente. El libro se destruye en el proceso. El logo del equipo, muy apropiado, es un dinosaurio sosteniendo un libro entre sus garras.
Por qué los libros impresos están repentinamente en demanda
Los libros impresos antes de 2022 contienen texto que no está mayormente disponible en línea y, crucialmente, no está escrito por máquinas. Entrenar un modelo con su propio tipo de salida arriesga un "colapso del modelo", donde la calidad se degrada con cada bucle recursivo.
Por lo tanto, el papel anterior a 2022 es combustible limpio para el entrenamiento de IA.
Amazon no es el único. Una industria artesanal se ha formado para suministrar a los laboratorios de IA libros físicos que se despojan, escanean y descartan—la escena de "Fahrenheit 451" de textos destruidos para alimentar máquinas que el "Proyecto Panamá" interno de Anthropic ya ejecutó a gran escala, digitalizando millones de libros mediante escaneo destructivo.
Esa lucha por texto limpio ya ha llegado a los tribunales. Un juez federal dictaminó que entrenar IA con libros comprados legalmente puede considerarse uso justo, una victoria parcial para Anthropic que Meta y OpenAI también reclamaron. Las copias pirateadas son otro asunto: Anthropic acordó un acuerdo de 1.500 millones de dólares por títulos pirateados escaneados, y Salesforce ahora enfrenta una demanda colectiva por presunta piratería de libros.
La operación de Amazon permaneció en silencio por una razón estructural. Los libreros notaron un aumento en los pedidos al por mayor durante el último año y sospecharon que las empresas de IA estaban detrás de ellos: los compradores no eran sensibles al precio y elegían títulos aparentemente al azar. Sus preocupaciones finalmente se confirmaron con un AirTag que reveló el destino.
Amazon dijo que "compra libros a través de canales comerciales para ayudar a desarrollar y mejorar los productos y servicios que nuestros clientes utilizan".
