TLDR;

Empresas de IA adquirem livros antigos para extrair texto humano de alta qualidade anterior a 2022 como dados de treinamento limpos para LLMs, evitando conteúdo gerado por IA na internet.. Após o escaneamento, as obras são destruídas por cortadores hidráulicos que removem a lombada para agilizar o processo, já que a digitalização não destrutiva é considerada lenta e cara demais.. A prática é permitida nos EUA pela doutrina da primeira venda e uso justo para treinamento interno, desde que as cópias digitais não sejam redistribuídas publicamente.

Resumo

Empresas de tecnologia na Europa e América do Norte estão comprando milhares de livros raros, fora de catálogo e edições antigas em sebos, livrarias e arquivos para treinar modelos de inteligência artificial. Em vez de preservar o conhecimento, elas realizam o “destructive scanning”: cortam as lombadas com máquinas hidráulicas, digitalizam as páginas em scanners de alta velocidade e depois destroem ou reciclam os exemplares físicos. O objetivo é obter dados limpos, escritos por humanos antes de 2022, livres da poluição gerada por IA na internet e não protegidos por direitos autorais digitais. Relatórios do Washington Post e 404 Media revelam projetos como o “Project Panama” da Anthropic, que já investiu dezenas de milhões de dólares nessa prática. Embora a doutrina da primeira venda permita a destruição de cópias físicas, livreiros e historiadores alertam para a perda irreversível de registros únicos. Enquanto algumas instituições, como o Internet Archive, optam por digitalização não destrutiva, a corrida por AGI revive a queima de livros em escala industrial.