A Anthropic e outras empresas, estão a destruir livros no processo de treino dos seus modelos AI.
Embora a Google possa levar vantagem devido ao projecto
Google Books iniciado há mais de duas décadas, surgem relatos preocupantes do que as novas empresas de AI - como a Anthropic - estão a lidar com os livros para obter dados de treino.
Várias empresas de inteligência artificial estarão a comprar milhões de livros em papel para os digitalizar e utilizar como dados de treino para os seus modelos, recorrendo a empresas intermediárias para evitar atenção pública. Segundo uma
investigação recente, estas aquisições em massa têm aumentado significativamente nos últimos tempos, com livreiros a reportarem encomendas invulgares que chegam a incluir centenas de milhares de livros de uma só vez.
O interesse nestas obras deve-se ao facto dos modelos AI necessitarem de conteúdos escritos por humanos, com procura especial para os livros da era pré-AI, que ficam automaticamente livres do risco de poderem ter sido eles próprios escritos com auxílio de ferramentas inteligência artificial. Estes livros são considerados fontes de dados de maior qualidade e menos "contaminadas". Mas o maior problema é o processo de digitalização em si: em vez de ser feito de forma cuidada, estes livros são submetidos a processos industriais destrutivos, com a lombada cortada para facilitar a separação e digitalização das páginas, resultando na destruição de livros raros.
🦔AI companies are bulk-buying rare books, scanning them through high-speed machines that cut the spines off, and shredding the originals. A service called ISBNdb facilitates orders of up to a million books and keeps buyers anonymous. Pre-2022 books are premium because they're… pic.twitter.com/0YPd8N2oi5
— Hedgie (@HedgieMarkets) July 27, 2026
I'm a second-generation bookseller. My family runs Houston's largest used & rare bookstore and I'm building an AI tool for used bookstores. We got hit by exactly these orders, including a single order for 70 obscure books that made us pause online sales entirely. So I dug in. I… https://t.co/IK7OE8f1DG
— Charlie D. Becker (@charliedbecker) July 28, 2026
btw anthropic's internal document on this literally said "we don't want it to be known that we are working on this.”
it was called project panama.
here's exactly what happened:
1: anthropic concluded that books were the cheapest way to build a world-class model because they… https://t.co/27sUAVVnkL
— Ole Lehmann (@itsolelehmann) July 27, 2026
Some folks don’t believe that a “principled AI company” would destroy books after they suck out all the information for their models, even one-of-a-kind books and manuscripts.
Here it is admitted in open court. https://t.co/Wh4ONvsjbi pic.twitter.com/PHrqYFCjOG
— Brian Roemmele (@BrianRoemmele) July 27, 2026
Curiosamente, Elon Musk reagiu rapidamente, dizendo que a SpaceXAI perservará livros raros, digitalizando-os sem os destruir:
I’ve asked the SpaceXAI team to preserve any rare books in a library and scan them the hard way vs just cutting off the spine and scanning
— Elon Musk (@elonmusk) July 27, 2026
Como se pode imaginar, a destruição de livros está a gerar polémica, e não ajudará que empresas como a Anthropic tenham visto documentos internos a frisar deliberadamente que este tipo de processo deveria ser mantido em segredo e longe do conhecimento público. Por outro lado, isto acaba por ser um reflexo das leis de copyright, com editores e autores a exigirem que, quando um livro é "usado", então não deverá poder ser revendido ou reutilizado - o mesmo tipo de problema que a Google enfrentou durante décadas e que acabou por praticamente levar ao fim do projecto Google Books.
Agora, chegamos a um ponto em que, vez do foco da digitalização dos livros ser a sua preservação e disponibilização ao público, essa informação ficará fechada em modelos AI proprietários, com o cúmulo de que, tal poderá ter sido feito sacrificando o último exemplar de um livro físico que nunca mais ficará disponível para a posteridade.