Según una investigación de 404 Media, Amazon ha adquirido libros raros, les ha cortado el lomo y los ha escaneado con el fin de entrenar sus modelos de inteligencia artificial, destruyendo ejemplares potencialmente irreemplazables. Este procedimiento también ha sido atribuido a Anthropic, y ha levantado cuestiones éticas sobre la destrucción de patrimonio cultural a cambio de datos de entrenamiento.
La investigación de 404 Media utilizó un AirTag para rastrear un envío de libros raros, los cuales llegaron a una instalación de Amazon en Las Vegas conocida como VGT3. Trabajadores de la instalación confirmaron que la práctica de cortar lomos es común para agilizar el proceso de escaneo, lo que generalmente resulta en la destrucción del ejemplar.
Amazon, que comenzó como vendedor de libros en línea, ahora se ha convertido en una fuente significativa de datos de entrenamiento para sus modelos de IA, conocidos como Nova. Los libros raros, especialmente aquellos agotados o sin una versión digital, son valiosos ya que, al ser anteriores a 2022, no fueron escritos por un modelo de IA, evitando así el 'colapso de modelo'.
Las empresas tecnológicas requieren una gran cantidad de texto para entrenar sus modelos de lenguaje, que han absorbido casi todo el contenido disponible en internet. Los libros raros proporcionan un nuevo conjunto de datos de entrenamiento.
Amazon ha afirmado que adquiere libros a través de canales comerciales para mejorar sus productos y servicios, sin especificar el uso específico de estos textos. Sin embargo, la investigación sugiere que los datos escaneados se utilizan para entrenar los modelos de IA de la empresa.
Este no es un caso aislado, ya que Anthropic, una empresa líder en IA, ha sido señalada en una demanda de autores de libros por realizar una operación similar. El caso pone en evidencia la necesidad de un debate sobre la ética de destruir originales únicos en aras del avance tecnológico.
Etiquetas: Amazon, IA, Libros raros, Ética, Antitrust, Tecnología · Big Tech y antitrust
About the Author
