Anthropic destruiu livros para treinar sua IA

A Anthropic comprou milhões de livros físicos, digitalizou o conteúdo e destruiu os exemplares para formar parte de sua biblioteca de treinamento de inteligência artificial. O episódio chama atenção pela controvérsia envolvendo direitos autorais, mas acredito que existe uma discussão ainda maior acontecendo: estamos começando a descobrir quanto conhecimento humano será necessário para construir a próxima geração de inteligência artificial.

O problema não são os livros destruídos

Quando surgiu a informação de que a Anthropic comprou milhões de livros físicos, removeu suas lombadas, digitalizou as páginas e posteriormente destruiu os exemplares, grande parte da discussão naturalmente se concentrou na imagem quase distópica de uma empresa de inteligência artificial literalmente desmontando livros para alimentar seus modelos.

É uma imagem forte. Mas eu acho que ela também pode nos fazer olhar para o lugar errado.

A questão mais interessante não é simplesmente o fato de livros terem sido destruídos durante um processo de digitalização. O que realmente chama minha atenção é o tamanho da corrida que está acontecendo para transformar conhecimento humano em dados capazes de treinar inteligência artificial.

Durante décadas, empresas de tecnologia disputaram usuários, audiência, distribuição e capacidade computacional. Agora existe outro ativo entrando definitivamente nessa disputa: conhecimento de qualidade.

E isso pode mudar bastante coisa.

Por que a Anthropic comprou milhões de livros?

O episódio ganhou relevância também por causa da discussão jurídica envolvendo o treinamento de modelos de IA. Segundo as informações que vieram a público no processo, a Anthropic adquiriu fisicamente milhões de livros para construir uma biblioteca digital utilizada no desenvolvimento de seus modelos.

Em vez de simplesmente manter os exemplares, a empresa adotou um processo industrial de digitalização. Os livros eram desmontados para permitir a leitura das páginas, transformados em arquivos digitais e os exemplares físicos não eram revendidos ou redistribuídos depois.

Existe uma discussão jurídica importante sobre direitos autorais nesse caso e sobre os diferentes métodos utilizados pelas empresas de inteligência artificial para obter material de treinamento. Essa discussão provavelmente ainda vai acompanhar o setor por muitos anos.

Mas existe outra discussão que, na minha visão, é tão importante quanto.

Para construir inteligência artificial cada vez melhor, as empresas precisam alimentar essas máquinas com uma quantidade absurda de conhecimento humano.

E conhecimento de qualidade não é infinito.

A próxima guerra da IA pode ser pelo conhecimento

Nos primeiros anos dessa corrida, boa parte da conversa estava concentrada em capacidade computacional. Quem tem mais GPUs? Quem consegue construir os maiores data centers? Quem consegue levantar bilhões de dólares para financiar infraestrutura?

Tudo isso continua sendo extremamente importante.

Mas modelos de inteligência artificial não precisam apenas de processamento. Eles precisam aprender.

E quanto melhores esses modelos ficam, maior também passa a ser a necessidade de encontrar dados relevantes, confiáveis e suficientemente diversos para continuar melhorando suas capacidades.

A internet obviamente contém uma quantidade gigantesca de informação. O problema é que ela também contém repetição, conteúdo superficial, informações incorretas e, cada vez mais, conteúdo produzido pelas próprias inteligências artificiais.

Livros representam outra coisa. Décadas ou séculos de conhecimento estruturado, pensamento humano, literatura, ciência, filosofia, história e produção intelectual organizada.

Quando uma empresa como a Anthropic está disposta a construir uma operação física para adquirir, desmontar e digitalizar milhões deles, isso revela o valor estratégico que esse tipo de conhecimento passou a ter.

Dados estão deixando de ser apenas combustível

Durante muito tempo ouvimos que "dados são o novo petróleo". Eu nunca gostei muito dessa comparação, mas existe uma parte dela que começa a fazer cada vez mais sentido: recursos valiosos geram disputas por acesso, propriedade e controle.

A diferença é que estamos falando de conhecimento produzido por pessoas.

Autores escreveram livros. Pesquisadores desenvolveram teorias. Jornalistas investigaram histórias. Programadores escreveram códigos. Artistas produziram obras. Milhões de pessoas passaram décadas colocando conhecimento na internet.

Agora estamos usando uma parcela gigantesca dessa produção intelectual para ensinar máquinas a pensar, escrever, programar, argumentar e criar.

Era inevitável que surgisse uma pergunta extremamente desconfortável:

quem tem direito sobre a inteligência produzida a partir de todo esse conhecimento?

Não existe uma resposta simples.

Se colocarmos restrições demais, podemos desacelerar uma das tecnologias mais importantes das próximas décadas. Se ignorarmos completamente os direitos de quem produziu esse conhecimento, criamos outro problema igualmente sério.

É exatamente por isso que casos como o da Anthropic são tão importantes.

Eles estão ajudando a definir regras para uma indústria que praticamente não existia alguns anos atrás.

O paradoxo da inteligência artificial

Existe ainda uma ironia interessante nessa história.

Durante séculos, o livro foi uma das principais tecnologias utilizadas pela humanidade para preservar conhecimento. Agora algumas das empresas mais avançadas do mundo estão transformando esse conhecimento novamente, desta vez para construir sistemas capazes de acessá-lo, combiná-lo e utilizá-lo em segundos.

O suporte muda.

O valor do conhecimento não.

Talvez seja justamente isso que esse episódio revele.

Quanto mais poderosa a inteligência artificial se torna, mais evidente fica que ela depende de algo que já existia muito antes dela: a produção intelectual humana.

Por isso, acredito que a discussão sobre o futuro da IA não será apenas sobre modelos, chips, agentes ou data centers. Será também sobre propriedade intelectual, acesso ao conhecimento e sobre quais regras vamos criar para equilibrar inovação e direitos autorais.

A Anthropic destruir livros depois de digitalizá-los parece, à primeira vista, apenas uma história estranha da corrida pela inteligência artificial.

Eu acho que é muito mais do que isso.

É um pequeno retrato de uma disputa gigantesca que está apenas começando.