Libros usados, nuevo combustible de la IA en Alemania

Últimamente se han multiplicado los informes de libreros de antiguo que han vendido grandes cantidades de libros usados. La hipótesis es que las empresas de inteligencia artificial (IA) de Estados Unidos compran estos libros, los escanean y los utilizan para entrenar a la IA. Además, se acusa a estas empresas de destruir los libros durante el proceso.

¿Es cierto? ¿De dónde provienen estas acusaciones?

Provienen principalmente de libreros de antiguo. Markus Brandis, presidente de la Asociación Alemana de Libreros de Antiguo, informa de numerosos casos en los que los libreros recibieron de repente pedidos inusuales. En pocos meses, algunos libreros habrían obtenido ganancias de seis cifras, dice. "Eso sí que es notable".

En su mayoría, los pedidos llegaban de noche, dice. Los clientes a menudo provenían de Norteamérica. Se pedían sobre todo "libros que no se vendían", es decir, libros que llevaban mucho tiempo en los estantes y que nadie compraba.

¿Un buen negocio para las librerías de antigüedades?

Si bien es cierto que el negocio de los libreros antiguos se ve dinamizado a corto plazo por los nuevos compradores, a largo plazo Brandis habla de una "barbarie" que rechaza "enérgicamente". Que las empresas de IA destruyan libros para el proceso de digitalización no es el problema principal —de la mayoría hay muchos ejemplares—, sino que lo más decisivo es la cuestión de los derechos de autor.

Según Thomas Koch, portavoz de prensa de la Asociación Alemana de Libreros (Börsenverein des Deutschen Buchhandels), hasta ahora las librerías tradicionales no han recibido pedidos comparables. Sin embargo, él también habla de una "tendencia muy preocupante" y de una "violación clara y masiva de los derechos de autor".

¿Quién está detrás de esto?

Se sospecha que detrás de las compras se encuentran grandes desarrolladores de IA. En cuanto a la empresa estadounidense Anthropic, operadora del software de IA Claude, existen pruebas concretas al respecto.

Anthropic compró libros a gran escala para entrenar software de IA, según se desprende de documentos judiciales publicados en el marco de una demanda por derechos de autor presentada por autores contra la empresa.

Entre ellos se encuentra un documento interno de planificación que describe brevemente los objetivos de un plan denominado "Proyecto Panamá". "El Proyecto Panamá es nuestro plan para escanear de manera destructiva todos los libros del mundo", se lee en él. Se refiere a la destrucción intencional de libros durante el proceso de escaneo. Por ejemplo, se cortan los lomos de los libros.

En respuesta a una consulta de la agencia dpa, Anthropic informó: "Claude se entrena con una combinación de datos web de acceso público, conjuntos de datos adquiridos comercialmente y datos generados por nosotros mismos".

El gigante informático agregó que la adquisición de libros es un enfoque muy común en toda la industria de la IA para el entrenamiento de grandes modelos de lenguaje (LLM, por sus siglas en inglés). "En ninguno de nuestros programas de compra de datos se destruyen libros raros o antiguos".

Desde Google afirmaron: "Respetamos los derechos de autor, trabajamos en colaboración con otros y les damos a las editoriales el control sobre cómo se utiliza su contenido". Con el antiguo proyecto Google Books, "ayudamos a cientos de bibliotecas de todo el mundo a digitalizar obras de dominio público para las generaciones futuras, devolviendo los ejemplares físicos intactos".

En una demanda reciente presentada por editoriales, se acusa a Google de haber utilizado datos de Google Books, en violación de los derechos de autor, para entrenar su software de IA Gemini. La empresa no se pronunció al respecto, alegando que el proceso judicial está en curso.

OpenAI no respondió a una consulta de dpa.

¿Por qué las empresas de IA escanean libros?

Sebastian Schelter es profesor en la Universidad Técnica de Berlín e investiga sobre inteligencia artificial. Los chatbots, como ChatGPT o Claude, se basan en los llamados "grandes modelos de lenguaje" o LLM, es decir, modelos estadísticos que se entrenan con enormes cantidades de texto, explica.

"Se ha comprobado empíricamente que, cuanto más grandes son estos modelos y cuantos más datos se utilizan para entrenarlos, mejor funcionan", dice Schelter.

Los primeros modelos se entrenaron con datos de la red, ya que eran los más accesibles. "A partir de cierto punto, ya se había incorporado, por así decirlo, todo el Internet público", explica Schelter. Por eso, desde hace unos años, las empresas están buscando datos que no estén disponibles en Internet.

Sin embargo, la búsqueda de material para el entrenamiento de la IA también implica competencia entre las empresas del sector: "Si una empresa logra acceder a ciertos datos que otra empresa no tiene, eso puede suponer automáticamente una ventaja competitiva", indica Schelter.

¿Hay que destruir un libro para poder escanearlo?

La respuesta corta: no. Kathrin Kessen es miembro de la junta directiva de la Asociación Alemana de Bibliotecas y conoce bien el tema de la digitalización de libros. Escanear un libro sin dañarlo es bastante laborioso, ya que no todos los libros se pueden abrir a 180 grados y hay que pasar las páginas una por una, dice ella.

Es más rápido y mucho más económico separar las páginas del lomo del libro para el proceso de escaneo. "Nunca haríamos eso en las bibliotecas con los libros", asegura Kessen. Sin embargo, dado que las empresas de IA se dedican al procesamiento masivo, esa podría ser una razón para que utilicen los llamados escáneres de alimentación continua, que pueden procesar páginas sueltas en pilas.

En principio, sin embargo, nadie puede dictar qué hacer con un libro una vez que se ha comprado, aclara Kessen. No obstante, el tema despierta emociones. "Especialmente en Alemania, el tema de la destrucción o incluso la quema de libros, por supuesto, conmueve de manera particular", señala Kessen en referencia a la quema de libros durante el nazismo.

¿Qué dice la ley alemana?

En Alemania está prohibido escanear libros protegidos por derechos de autor. Solo se permite el escaneo si el titular de los derechos correspondientes da su consentimiento o si se aplica una excepción legal pertinente (por ejemplo, para una copia privada). El hecho de haber comprado un libro no cambia nada al respecto.

Sin embargo, el escaneo de libros para el entrenamiento de IA sí está permitido, aunque solo si se cumplen requisitos estrictos, explica el abogado Christian Solmecke. Probablemente el requisito más importante es que el acceso a la obra debe ser lícito. "La compra legal de un ejemplar, incluso uno usado, es suficiente para ello", precisa Solmecke. No obstante, no se prevé una remuneración para los autores, lo cual es uno de los principales puntos de crítica a la norma.

Según se desprende de los expedientes judiciales de Estados Unidos, Anthropic y otras empresas de IA obtuvieron libros en grandes cantidades de manera ilícita —principalmente a través de dos colecciones en línea de copias piratas—. Sin embargo, Anthropic subraya que los modelos entrenados con ellos no se publicaron comercialmente y que no se obtuvieron ingresos con ello.

¿Importa que los libros sean destruidos?

Otra disposición de la ley alemana de derechos de autor establece que las copias deben eliminarse tan pronto como ya no sean necesarias para el entrenamiento de la IA. Es precisamente aquí donde la situación se vuelve delicada, ya que los datos recopilados con los que se entrena la IA no suelen eliminarse después de un solo uso, sino que se conservan para generaciones de modelos posteriores, explica Solmecke.

Sin embargo, en lo que respecta a la eliminación de los datos, es donde la cosa se pone interesante: en un juicio contra Anthropic en Estados Unidos sobre este tema, fues este el punto decisivo. De hecho, la destrucción de los libros fue parte de la justificación del tribunal para determinar que el proceso era legal.

"De manera que, en definitiva, no se trataba de una copia adicional, sino de un mero cambio de formato —jurídicamente comparable a copiar un CD comprado a un reproductor de MP3—", dice Solmecke. Por lo tanto, desde un punto de vista legal, la eliminación final de los libros fue positiva para la empresa de IA.

¿Y qué legislación se aplica ahora?

Lo decisivo es el país en el que se escanean y se eliminan los libros. Dado que los libros se escanean en Estados Unidos, se aplica la legislación de ese país. Aunque ya se han dictado tres sentencias de primera instancia sobre la evaluación del entrenamiento de IA (dos a favor de empresas de IA y una en su contra), la situación jurídica al respecto en Estados Unidos aún no está claramente definida.