404 Media siguió el rastro de un envío de libros raros. Terminó en un centro de entrenamiento de IA de Amazon.

Amazon está comprando cantidades enormes de libros, escaneándolos para obtener datos de entrenamiento para la inteligencia artificial y destruyéndolos en el proceso.

Una investigación de 404 Media logró revelar la operación de compra de libros de Amazon, de la que no se había informado anteriormente, al colocar un dispositivo de rastreo en un libro raro que sospechábamos que sería adquirido por una empresa de inteligencia artificial para obtener datos de entrenamiento, y seguirlo por todo el país hasta su destino final.

Ese destino final era un almacén de Amazon en Las Vegas, Nevada. Los empleados de Amazon que trabajan en este lugar dicen que lo único que hacen es recibir envíos masivos de libros impresos, a los que luego les quitan la encuadernación para poder escanearlos más rápido. El libro impreso queda destruido en el proceso. El logotipo del equipo de Amazon que trabaja en este almacén, llamado VGT3, es un dinosaurio que muestra los dientes y sostiene un libro en las manos.

«Amazon compra libros a través de canales comerciales para contribuir al desarrollo y la mejora de los productos y servicios que utilizan nuestros clientes», me dijo un portavoz de Amazon en un comunicado.

Las empresas de inteligencia artificial de todo el mundo buscan constantemente, y invierten enormes recursos para conseguir, más material con el que entrenar sus modelos de IA. En el caso de los libros, eso a veces implica destruirlos en el proceso, algo contra lo que gran parte del público se ha pronunciado y que ahora podemos confirmar que Amazon está haciendo.

En julio, 404 Media publicó un artículo sobre libreros que informaron de un aumento sin precedentes en las ventas a partir del año pasado. Sospechaban que este aumento se debía a que las empresas de inteligencia artificial estaban adquiriendo todos los libros que podían en busca de nuevos datos de entrenamiento. Los libros impresos son valiosos como datos de entrenamiento porque gran parte del texto que contienen no está fácilmente disponible en Internet, donde las empresas de inteligencia artificial ya han recopilado toda la información posible.

Además, los datos están organizados de manera práctica y, si el libro se imprimió antes de 2022, se garantiza que no contiene texto generado por IA, lo cual puede empeorar cualquier modelo de IA que se entrene con él a través de un proceso recursivo llamado «colapso del modelo».

Estos libreros sospechaban que detrás de estas compras masivas a gran escala estaban empresas de inteligencia artificial, debido al elevado número de libros que adquirían, la selección aparentemente aleatoria de los títulos y el hecho de que estos compradores, a diferencia de las bibliotecas y las universidades, no parecían tener en cuenta el precio en absoluto. Sin embargo, los libreros no podían afirmar con certeza quién estaba detrás de esas compras masivas, ya que las plataformas en las que venden sus libros mantienen el anonimato de los compradores.Cuando llega un pedido, el librero envía los libros vendidos a un almacén administrado por las plataformas de venta, donde se clasifican y luego se envían al comprador.

En julio, un librero me contó que había recibido un pedido muy grande, de alrededor de 1,000 libros, en Biblio, uno de estos mercados en línea. El vendedor aceptó colocar un Apple AirTag proporcionado por 404 Media en uno de los libros incluidos en este pedido para que pudiéramos ver adónde iba el libro. Y, por extensión, qué empresa, ya fuera de inteligencia artificial o de otro tipo, estaba detrás de este pedido masivo.

404 Media le concedió el anonimato al librero porque temía que compartir esta información pudiera perjudicar su negocio. Biblio no respondió a una solicitud de comentarios.