O que aconteceu
Segundo a 404 Media, a Amazon está comprando grandes quantidades de livros raros, cortando as lombadas e escaneando as páginas para gerar dados de treinamento para seus modelos de IA. O veículo escondeu um rastreador dentro de um livro raro, e o exemplar foi parar em um prédio da Amazon em Las Vegas.
O local se chama VGT3. O logo é um dinossauro segurando um livro. Não fomos nós que inventamos isso, e sinceramente nem conseguiríamos.
A resposta da Amazon à 404 Media foi curta. A empresa diz que compra livros por canais comerciais normais para melhorar seus produtos e serviços. Não negou a prática, e os colecionadores ficam se perguntando quantos exemplares raros acabam em um scanner em vez de numa estante.
Por que importa
Modelos de linguagem vivem com fome, e a internet aberta está ficando sem sobras. Segundo o resumo do TechCrunch, empresas como a Amazon precisam de quantidades enormes de texto, e seus LLMs já absorveram o que dava para encontrar online. No caso da Anthropic, isso teria incluído livros pirateados.
Então a caçada vai para o mundo offline. Livros raros e fora de catálogo são difíceis de achar na internet, o que os torna uma fonte nova de dados de treinamento cobiçados.
Há também um ângulo de qualidade. Tudo o que foi publicado antes de 2022 não pode ter sido escrito por um LLM. Isso importa porque treinar com texto gerado por IA traz o risco de "colapso do modelo", em que a qualidade das respostas piora depois que o modelo engole material demais escrito por máquina.
Papel velho virou cadeia de suprimento de dado limpo.
A parte incômoda é a destruição. Cortar a lombada é o jeito de escanear um livro rápido, e o resultado é um objeto raro que deixou de ser livro. A apuração trata a compra como feita por canais comerciais normais, então a discussão tem menos a ver com legalidade e mais com o que aceitamos picotar por causa de um modelo.
A história se apoia em uma reportagem confiável e na breve declaração da Amazon, então os detalhes sobre escala e títulos afetados ainda são escassos.
O que fazer com isso
- Siga o rastro dos dados.Quando uma empresa celebrar um modelo novo, pergunte de onde veio o texto de treinamento e se alguém consultou os donos.
- Dê valor ao seu acervo.Se você tem material fora de catálogo ou de antes de 2022, saiba que texto limpo escrito por humanos agora tem apelo real para quem constrói IA.
- Acompanhe a briga sobre origem dos dados.A procedência dos dados virou o principal argumento em torno do treinamento de IA, então veja como as empresas respondem.
- Pense antes de vender.Se você negocia livros raros, confira o que o comprador pretende fazer com eles antes de a lombada sair.
Ciao, sapiens. Abrace um livro de bolso enquanto ele ainda tem lombada.


