Livros japoneses comprados em grande volume podem estar sendo usados para treinar inteligência artificial nos Estados Unidos
Sebos do Japão registraram, nos últimos meses, um movimento atípico de compras em grande escala de livros físicos enviados para os Estados Unidos. Segundo a emissora japonesa NTV, aproximadamente 50 toneladas de obras já foram exportadas desde o ano passado, levantando suspeitas de que parte do material esteja sendo adquirida para digitalização e treinamento de modelos de inteligência artificial.
O volume e o perfil das encomendas chamaram a atenção dos livreiros japoneses. Desde o mês passado, algumas lojas passaram a vender centenas de livros por dia, enquanto outras chegaram a registrar períodos com vendas cinco vezes acima do habitual. O mais incomum, no entanto, é o tipo de obra procurada. Os compradores evitam títulos populares e demonstram interesse específico em publicações de filosofia, história, medicina, direito, política e cultura japonesa, incluindo obras sobre o período Edo e edições políticas de décadas atrás.
Reportagem da NTV identificou centenas de pedidos feitos por contas diferentes, mas que compartilhavam o mesmo endereço em um centro logístico localizado na cidade de Okayama. A partir desse ponto, as obras eram redirecionadas para destinos finais. A empresa responsável pelo centro se recusou a divulgar à imprensa japonesa quem estaria por trás das aquisições.
A principal hipótese levantada é a de que esses livros estejam sendo utilizados como matéria-prima para treinar grandes modelos de linguagem, conhecidos como LLMs, que são sistemas de inteligência artificial capazes de compreender e gerar textos. Empresas do setor já adotam a prática de comprar livros em grandes quantidades, desmontar os exemplares, escanear as páginas e converter o conteúdo em arquivos digitais. Após a digitalização, os exemplares físicos costumam ser descartados.
Esse método ganhou repercussão durante o processo judicial envolvendo a empresa de inteligência artificial Anthropic. Documentos do caso revelaram que a companhia montou uma operação para adquirir milhões de livros físicos, digitalizar o conteúdo e destruir os exemplares em seguida, com o objetivo de formar um acervo digital para o desenvolvimento do Claude, seu modelo de linguagem. A Anthropic foi condenada a pagar cerca de 1,5 bilhão de dólares, valor equivalente a aproximadamente 7,6 bilhões de reais, por violação de direitos autorais.
Um caso mais recente voltou a colocar o tema em evidência. O site 404 Media rastreou um exemplar raro que havia sido vendido em um lote de mil unidades. O material teria chegado a uma instalação da Amazon em Las Vegas, que, segundo a reportagem, seria usada para digitalizar e destruir livros em larga escala. A operação estaria sendo conduzida pela empresa VGT3, instalada no complexo logístico da varejista para converter obras físicas em texto digital antes do descarte.
A Amazon confirmou que adquire livros por meio de canais comerciais com o objetivo de desenvolver e aprimorar os produtos e serviços utilizados pelos clientes, mas não detalhou o uso dado ao material. Curiosamente, o logotipo da unidade responsável pela operação parecia fazer alusão ao próprio processo de destruição dos exemplares.
O episódio envolvendo o Japão reacende o debate sobre os bastidores da indústria de inteligência artificial. A busca por grandes volumes de obras especializadas, muitas delas raras ou esgotadas, expõe um aspecto pouco discutido do treinamento de modelos de linguagem: a dependência de acervos físicos que, após serem digitalizados, deixam de existir no formato original. Para livreiros e pesquisadores, o movimento levanta preocupações sobre o impacto dessa prática em títulos de difícil reposição e sobre a transparência das empresas envolvidas no processo.
