Empresas de IA suspeitas de destruir livros raros para treinar modelos

Há relatos consistentes de empresas de IA a comprar lotes de livros raros, digitalizá-los à pressa e destruí-los logo a seguir. Não é uma metáfora sobre o digital a matar o papel. É literal: livros desmembrados, capas para um lado, páginas para a trituradora, texto extraído, ficheiros guardados e o resto vai para o lixo.

O motivo é prosaico. Os modelos de IA generativa precisam de textos longos, coerentes e editados por humanos. Em 2026, a Web aberta está cheia de spam, reciclagem de IA e lixo de SEO. Os livros continuam a ser das poucas fontes de prosa trabalhada, com contexto e profundidade. Comprar em segunda mão, arrancar o miolo, passar por scanners industriais e deitar o papel fora é, do ponto de vista de uma folha de cálculo, o caminho mais barato para alimentar modelos com milhões de páginas. Para quem trabalha em alfarrabistas e livrarias de usados, a visão é outra: perda permanente de exemplares que nunca mais voltam a circular.

O ponto irritante é que não tem de ser assim. A Google patenteou em 2009 uma tecnologia de digitalização não destrutiva, com câmaras a capturar as páginas abertas e software a corrigir a curvatura do papel. Não é perfeita, há páginas que ficam distorcidas ou são falhadas, e o famoso desfile de falhas do Google Books mostra bem os limites. Mas prova uma coisa simples: é tecnicamente possível digitalizar livros sem os matar. O problema não é falta de tecnologia. É falta de paciência e vontade de pagar pelo cuidado.

Do outro lado do espectro está o Internet Archive, a jogar um jogo completamente diferente. A organização descreve o seu processo como um trabalho humano, deliberadamente lento. Gente como Eliza Zhang, que desde 2010 passa os dias a levantar um vidro com um pedal, virar páginas finas como papel de arroz, ajustar câmaras, tomar nota de desdobráveis e anexos, e repetir o gesto milhares de vezes. “Mãos humanas limpas e secas são a melhor forma de virar páginas”, disseram. Cada livro raro passa uma vez pelo ritual, com software a parar tudo se uma página sair tremida ou faltar uma imagem. Zhang já terá digitalizado milhões de páginas com uma taxa de erro mínima, precisamente porque não está a correr contra um KPI de throughput horário.

Para empresas de IA obcecadas com escala, esta abordagem quase parece alienígena. O trabalho manual é caro. A digitalização cuidadosa não encaixa bem em pitch decks para investidores. Mas quem olha para livros antigos como artefactos culturais, não apenas clusters de tokens para alimentar modelos, percebe o custo real de triturar colecções. Cada exemplar destruído é menos um livro a circular em feiras do livro, bibliotecas municipais, prateleiras de escolas ou casas em segunda mão. E a ironia é óbvia: as mesmas empresas que dizem querer “preservar conhecimento humano” tratam o suporte desse conhecimento como consumível descartável.

Em Portugal, onde muitas bibliotecas públicas ainda lutam por orçamento para manter os acervos em condições, a ideia de ver o mercado de usados drenado por compras opacas para depois se transformar em pasta de papel digitalizada devia acender alarmes. Não porque a digitalização seja um problema, mas porque a forma como está a ser feita concentra o acesso em poucas mãos e destrói a cópia física no processo. A preservação séria parece continuar nas margens, em projectos como o Internet Archive, que assumem a lentidão e a atenção como parte do trabalho. A IA corre para devorar tudo o que resta de texto legível. Entre os dois extremos, quem se preocupa com livros tem uma escolha clara sobre quem merece confiança.

Fonte: Ars Technica