Empresas de IA destroem livros físicos – vamos digitalizar livros raros antes que seja tarde demais

Artigo original ↗ Discussão no Hacker News ↗

Empresas de IA estão comprando livros de segunda mão em grande quantidade, digitalizando-os para dados de treinamento e depois destruindo as cópias físicas, citando regras de direitos autorais dos EUA que favorecem a “mudança de formato” quando existe apenas uma cópia. Os críticos veem isso como uma privatização e uma possível perda de patrimônio cultural — especialmente para obras fora de catálogo ou mal arquivadas —, argumentando que a destruição deveria ao menos vir acompanhada de acesso público às digitalizações. Outros contra-argumentam que a maioria desses títulos são manuais de baixa demanda e livros vanity press que seriam triturados por bibliotecas ou revendedores de qualquer forma, e que o verdadeiro problema está na lei de direitos autorais e na política, e não na digitalização em si.

O que as empresas de IA estão realmente fazendo

  • Vários laboratórios de IA estão comprando grandes quantidades de livros de segunda mão (muitas vezes por meio de intermediários), removendo as lombadas, digitalizando as páginas e depois descartando ou transformando o papel em polpa.
  • Motivos discutidos:
    • Alegação predominante: obter texto de alta qualidade, anterior à IA (“não contaminado”), e cumprir recentes decisões judiciais de direitos autorais nos EUA que permitem “mudança de formato” se o original for destruído.
    • Visão cética: a destruição tem a ver principalmente com custo, logística e manutenção de um fosso de dados proprietário, não com necessidade legal.

Contexto de direitos autorais e legal

  • Casos recentes nos EUA (por exemplo, Project Panama / Bartz v. Anthropic, conforme parafraseado na thread):
    • Digitalizar livros físicos comprados e destruir os livros pode ser tratado como uma única cópia transformada, favorecendo um argumento de uso justo.
    • Manter cópias físicas e digitais, ou usar ebooks pirateados, acarreta maior risco de infração.
  • Muitos comentaristas enfatizam: a lei não exige literalmente triturar os livros; ela apenas faz da digitalização destrutiva a opção mais segura.
  • Forte crítica aos direitos autorais atuais: prazos longos, obras órfãs, conteúdo fora de catálogo mas ainda bloqueado; a culpa é atribuída tanto a legisladores quanto a editoras.

“Livros raros” estão realmente sendo perdidos?

  • Um lado: a maioria dos livros digitalizados são itens de baixa demanda — manuais antigos, atas obscuras de conferências, publicações vanity press, guias de TV — que provavelmente acabariam em aterros ou em polpa de qualquer forma.
  • Outro lado: nessa escala, alguns trabalhos realmente raros ou únicos (pequenas tiragens acadêmicas, histórias locais, artefatos culturais de nicho) inevitavelmente serão destruídos.
  • As evidências são fracas: a discussão observa repetidamente a falta de exemplos concretos de títulos únicos específicos perdidos; muitas alegações são hipotéticas ou anedóticas.

Bibliotecas, livrarias e escala

  • Vários comentaristas observam que:
    • Bibliotecas públicas, bibliotecas universitárias, brechós e editoras rotineiramente descartam ou transformam em polpa enormes quantidades de livros.
    • Livros doados muitas vezes vão direto para reciclagem; políticas de “última cópia” e arquivistas profissionais são a exceção, não a regra.
  • Outros contrapõem:
    • As bibliotecas ao menos têm algum ethos de preservação e funcionários treinados; empresas de IA têm motivações de lucro, curadoria mínima e um throughput muito maior e mais direcionado.
    • Intenção e escala (milhões de livros comprados deliberadamente) são vistas como diferenças moralmente relevantes.

Digitalização versus acesso público

  • Tensão central: os laboratórios de IA mantêm digitalizações de alta qualidade privadas por razões legais e competitivas; o público só vê traços perdidos e parafraseados por meio dos modelos.
  • Muitos argumentam que:
    • Treinar com um livro não equivale a preservá-lo; LLMs não conseguem reproduzir com confiabilidade o texto exato, citações ou contexto.
    • Digitalizações bloqueadas em servidores corporativos são “mal melhor do que aterro” a menos que as leis mudem para permitir a liberação pública eventual.
  • Soluções propostas: depósito obrigatório de cópias digitais em bibliotecas nacionais, liberação pública automática após o fim dos direitos autorais ou para obras fora de catálogo, ou exceções legais explícitas para arquivos públicos.

Valores, retórica e respostas propostas

  • Fortes reações emocionais:
    • Alguns comparam a digitalização destrutiva a queima de livros ou a um momento moderno da Biblioteca de Alexandria; outros chamam isso de “pânico moral” hiperbólico.
    • Visão contrária: isso é apenas mais uma etapa no ciclo de vida normal de livros excedentes, com o benefício adicional da preservação digital.
  • Ações sugeridas:
    • Apoiar e voluntariar-se para a digitalização de bibliotecas sombra (Anna’s Archive, LibGen) e do Internet Archive.
    • Pressionar por reforma dos direitos autorais e exceções no estilo das bibliotecas; alguns defendem boicotes a grandes empresas de IA.