A Amazon está comprando livros raros, removendo suas lombadas e digitalizando as páginas para ampliar o material disponível para treinamento de sistemas de inteligência artificial.
A operação inclui obras esgotadas ou difíceis de encontrar em formato digital. Esses exemplares oferecem acesso a textos que não estão disponíveis na internet e podem ampliar o conjunto de dados usado no desenvolvimento de modelos de linguagem.
A prática veio à tona após um dispositivo de rastreamento colocado dentro de um livro raro acompanhar o exemplar até uma instalação da Amazon em Las Vegas, conhecida como VGT3. O local usa como identificação visual um dinossauro segurando um livro.
Questionada sobre a operação, a Amazon afirmou que “compra livros por meio de canais comerciais para melhorar os produtos e serviços que os clientes utilizam”.
Por que livros raros interessam à IA
Grandes modelos de linguagem dependem de grandes volumes de texto para treinamento. Obras impressas que nunca foram digitalizadas oferecem uma fonte adicional de conteúdo fora dos materiais disponíveis publicamente na internet.
Livros antigos também têm outra característica relevante para esse processo: textos publicados antes da popularização da IA generativa foram produzidos por humanos, sem conteúdo criado por grandes modelos de linguagem.
Esse tipo de material pode ser usado para reduzir a presença de textos sintéticos nos conjuntos de treinamento. Quando modelos passam a aprender repetidamente a partir de conteúdo produzido por outras IAs, pesquisadores apontam o risco de um fenômeno conhecido como “colapso de modelo”.
Nesse cenário, a qualidade dos resultados pode se deteriorar à medida que sucessivas gerações de conteúdo artificial passam a alimentar novos ciclos de treinamento.
