Uma decisão da Justiça dos Estados Unidos abriu um precedente ao considerar legal que empresas de inteligência artificial comprem livros físicos, destruam os exemplares após a digitalização e utilizem as cópias digitais para treinar modelos de linguagem. No caso envolvendo a Anthropic, o juiz entendeu que a prática pode ser enquadrada como fair use (uso aceitável), desde que haja a compra legal da obra física e sua destruição após a criação de uma única cópia digital.

A interpretação foi apresentada no processo Bartz v. Anthropic PBC, movido pelos autores Andrea Bartz, Charles Graeber e Kirk Wallace Johnson. Embora a ação tenha resultado em um acordo de US$ 1,5 bilhão relacionado a cerca de 500 mil livros, o processo apontava que a Anthropic havia baixado aproximadamente 7 milhões de obras de bibliotecas piratas, como Libgen e PiLiMiL. A decisão também consolidou a legalidade da destruição de exemplares físicos para alimentar algoritmos. 

Segundo esse entendimento, após adquirir e destruir o livro, a empresa controla os dados digitais gerados, sem que os autores possam decidir sobre o uso desse material no treinamento de ferramentas de IA.

O precedente também repercutiu no mercado editorial. Segundo o jornal The Telegraph, houve um aumento atípico na compra de livros raros e fora de catálogo por empresas de tecnologia para digitalização. O movimento levantou discussões sobre o impacto da prática na preservação de obras históricas e do patrimônio cultural, especialmente quando envolve exemplares com poucas cópias remanescentes. 

O que é o Projeto Panamá e por que ele está visando livros antigos?

O Projeto Panamá é uma iniciativa interna da Anthropic criada no início de 2024 para ampliar o acervo de livros utilizados no treinamento do Claude, o assistente de inteligência artificial da empresa. Documentos judiciais revelam que o projeto utilizava um codinome e orientava funcionários a evitarem conversas sobre a operação em locais públicos ou com pessoas de fora da empresa.

O processo começa com a compra de grandes lotes de livros, incluindo obras antigas, raras e fora de catálogo. Em seguida, os exemplares passam por um processo mecânico em que máquinas hidráulicas removem as lombadas para separar as páginas. Após a digitalização, os livros são transformados em polpa de papel para reciclagem, sendo destruídos de forma permanente. 

A preferência por livros publicados antes da popularização da inteligência artificial generativa está relacionada à qualidade dos dados utilizados no treinamento dos modelos. Estudos publicados nas revistas Nature e Physical Review Letters indicam que o uso recorrente de conteúdo gerado por outras IAs pode degradar o desempenho desses sistemas. 

O trabalho publicado na Physical Review Letters ressalta, inclusive, que a inclusão de até mesmo um único dado produzido por humanos já pode ajudar a prevenir o colapso do sistema causado pelo uso de dados sintéticos. Por isso, obras produzidas antes da era da IA generativa são consideradas uma fonte valiosa de conteúdo criado por humanos para o treinamento desses modelos. 

Se você gostou do conteúdo, talvez também se interesse por saber o que significa quando uma empresa diz que vai treinar IA com dados dos usuários.

{{WHATSAPP_CHANNEL}}