Anthropic destruyó millones de libros impresos para construir sus modelos de IA

Documentos judiciales han revelado que Anthropic gastó millones de dólares en escaneo de libros impresos para crear Claude, el principal rival del líder en asistentes de IA, ChatGPT.

En el proceso, la empresa cortó millones de libros impresos de sus encuadernaciones, los escaneó y los desechó, utilizando únicamente los originales para entrenar la IA. Estos detalles quedaron ocultos en un fallo sobre derechos de autor de u juzgado estadounidense, que dictaminó que las empresas de inteligencia artificial no necesitan permiso de los autores para entrenar sus grandes modelos lingüísticos (MLL) con libros adquiridos legalmente.

Es probable que la sentencia, la primera de su tipo que aprueba el entrenamiento de la IA como uso legítimo, sea vista como una gran victoria para las empresas de IA, pero también ha puesto en alerta a todas las empresas que esperan que el mismo razonamiento se aplique al entrenamiento con copias piratas de libros, una cuestión que aún no se ha resuelto.

Destrucción de libros impresos

La sentencia judicial de 32 páginas narra cómo, en febrero de 2024, la empresa contrató a Tom Turvey, antiguo responsable de alianzas del proyecto de digitalización de libros Google Books , y le encomendó la tarea de obtener «todos los libros del mundo». Esta contratación estratégica parece haber sido diseñada para replicar el exitoso enfoque de digitalización de libros de Google, la misma operación de escaneo que superó los desafíos de derechos de autor y sentó precedentes clave sobre el uso legítimo.

Si bien el escaneo destructivo es una práctica común en algunas empresas de digitalización de libros, el enfoque de Anthropic fue algo inusual debido a su magnitud, ya documentada. En contraste, el proyecto Google Books utilizó principalmente un proceso de escaneo no destructivo patentado mediante cámara para digitalizar millones de libros prestados de bibliotecas y posteriormente devueltos.

Para Anthropic, la mayor velocidad y el menor coste del proceso destructivo parecen haber prevalecido sobre la necesidad de preservar los libros físicos, lo que sugiere la necesidad de una solución económica y sencilla en una industria altamente competitiva. En última instancia, el juez William Alsup dictaminó que esta operación de escaneo destructivo constituía un uso legítimo, pero solo porque Anthropic había adquirido legalmente los libros, destruido cada ejemplar impreso tras escanearlos y conservado los archivos digitales internamente en lugar de distribuirlos.

El juez comparó el proceso con la «conservación de espacio» mediante la conversión de formato y lo consideró transformador. Si Anthropic se hubiera ceñido a este enfoque desde el principio, podría haber logrado el primer caso de uso legítimo de IA legalmente reconocido. En cambio, la piratería previa de la empresa socavó su posición. Recordemos que Anthropic firmó un acuerdo extrajudicial por el que pagó 1.500 millones a los autores por usar libros sin permiso.

Si no estás familiarizado con la industria de la IA y los derechos de autor, quizás te preguntes: ¿Por qué una empresa gastaría millones de dólares en libros para destruirlos? Detrás de estas extrañas maniobras legales subyace una motivación más fundamental: la insaciable sed de textos de alta calidad por parte de la industria de la IA.