Google Books (ou similar) todos os scans de livros – recompensa de $200 mil (2025)

Artigo original ↗ Discussão no Hacker News ↗

Âmbito da recompensa / abordagem técnica

  • A Anna’s Archive oferece até $200 mil por um despejo completo do Google Books (ou similar), além de outras recompensas (por exemplo, PDFs do Internet Archive, MARC da Library of Congress, versões em texto completo).
  • Comentadores delineiam uma abordagem de alto nível:
    • Descobrir como o Google Books expõe fragmentos de páginas e buscar iterativamente páginas contíguas.
    • Contornar a deteção de bots e o rate limiting por meio de automação sofisticada de navegador ou identidades “limpas” compradas.
  • Vários observam que isto é tecnicamente viável, mas altamente inconveniente em escala, o que é precisamente porque a recompensa é tão grande.

Risco legal e pessoal

  • Muitos argumentam que exfiltrar o corpus interno do Google provavelmente passaria de violação civil de direitos de autor para território criminal.
  • Os riscos incluem processos judiciais corporativos, acusações criminais e perseguição de espólios após a morte; alguns duvidam que um funcionário o fizesse “só por dinheiro”.
  • Há ceticismo de que funcionários aleatórios tenham acesso direto e em massa ao conjunto de dados completo ou possam copiar petabytes sem deteção.

Financiamento e papel da Anna’s Archive

  • As pessoas questionam como a Anna’s Archive financia recompensas de seis dígitos; as respostas no fio:
    • Assinaturas de acesso rápido pagas.
    • Acesso de alta velocidade e preço elevado para empresas de IA e corretores de dados, alegadamente sobretudo empresas não‑americanas.
  • A Anna’s Archive é descrita como um agregador de muitas shadow libraries (LibGen, Z-Lib, etc.), funcionando agora como uma “fonte” principal para muitos.

Pirataria, direitos de autor e compensação de criadores

  • Forte apoio de utilizadores em países com acesso legal limitado ou moedas não conversíveis; creditam a AA/Z-Lib por viabilizarem a sua educação.
  • Outros sublinham que a pirataria pode prejudicar o rendimento dos autores e que muitos escritores já lutam para sobreviver; defendem comprar quando possível ou usar a pirataria como uma “pré-visualização”.
  • Vários fios debatem:
    • Duração excessiva dos direitos de autor vs. direitos dos autores.
    • Bibliotecas vs. licenciamento digital e as recentes derrotas legais do Internet Archive.
    • Micropagamentos ou modelos de subscrição vs. pirataria pura e simples.

IA, dados de treino e acusações de hipocrisia

  • A discussão destaca que muitos laboratórios de IA (especialmente fora dos EUA) pagam à AA pelo acesso para treino.
  • Alguns notam uma inconsistência percebida no HN: indignação com o treino de LLMs em obras protegidas por direitos de autor vs. entusiasmo pela distribuição direta de livros pirateados.
  • Outros justificam a diferença enquadrando a pirataria como algo que ajuda indivíduos a aceder ao conhecimento, enquanto o treino de IA é enquadrado como enriquecimento de grandes empresas.