Depois de utilizar enormes volumes de conteúdo disponível na internet, empresas de inteligência artificial iniciaram uma nova etapa: digitalizar milhões de livros impressos para ampliar a capacidade de seus modelos.
Matéria
Nos primeiros anos da inteligência artificial generativa, grande parte do treinamento foi baseada em conteúdos disponíveis publicamente na internet.
Com o crescimento acelerado dessas tecnologias, surgiu um novo desafio.
A internet passou a conter cada vez mais textos produzidos por outras inteligências artificiais.
Para evitar esse fenômeno e ampliar a qualidade dos dados, empresas passaram a buscar obras escritas antes da popularização da IA.
Livros publicados antes de 2022 ganharam enorme importância por representarem conhecimento produzido exclusivamente por autores humanos.
Documentos divulgados em processos judiciais mostraram que milhões de livros físicos foram adquiridos para digitalização em larga escala.
Em muitos casos, as lombadas foram removidas para acelerar o escaneamento das páginas, permitindo transformar rapidamente o conteúdo em arquivos digitais destinados ao treinamento dos modelos de IA.
A prática gerou intenso debate envolvendo direitos autorais, preservação cultural e os limites do uso dessas obras.
O objetivo dessas empresas não é destruir o conhecimento, mas convertê-lo em dados.
Ainda assim, surge uma pergunta inevitável.
Estamos vivendo uma nova Alexandria?
