Anthropic, empresa responsable del desarrollo de inteligencia artificial Claude, puso en marcha en 2024 una estrategia para adquirir millones de libros usados, deshojarlos y escanear su contenido con el objetivo de utilizarlo en el entrenamiento de sus modelos de IA.
La operación de Anthropic, conocida como Proyecto Panamá, permaneció en secreto hasta que un juez de Estados Unidos hizo públicos más de 4 mil páginas de documentos relacionados con una demanda por derechos de autor.
¿Por qué Anthropic destruyó millones de libros?
De acuerdo con los documentos revisados por The Washington Post, Anthropic de Claude compró millones de ejemplares usados, en donde el plan consistía en cortar los lomos de los libros, escanear sus páginas y posteriormente entregar los ejemplares a una empresa de reciclaje.
“Si lo entrenamos con un libro sobre medicina, todos esos datos se cargan en el modelo y entonces es capaz de utilizar esa información para inferir sobre alguna consulta”
Ismael Everardo Bárcenas Patiño, responsable del Laboratorio de Inteligencia Artificial Microsoft de la Universidad Nacional Autónoma de México (UNAM)
Especialistas consultados por La Jornada explicaron que los modelos de inteligencia artificial necesitan enormes cantidades de información para aprender y responder consultas, además recurrir a libros antiguos permite incorporar contenido que nunca fue digitalizado y que, por ello, no estaba disponible en Internet para el entrenamiento de estos sistemas.
El caso también reavivó el debate sobre derechos de autor e inteligencia artificial, especialmente porque Anthropic habría utilizado previamente contenidos provenientes de sitios que distribuían obras sin respetar el copyright.
“Hay libros antiguos que nunca fueron digitalizados; entonces su información nunca se usó para ese entrenamiento, recurrir a ellos es una manera de ver si esos datos mejorarían el modelo de aprendizaje que ya se tiene.”
El juez William Alsup determinó que la empresa podía utilizar libros adquiridos legalmente para entrenar sus modelos al considerar que el uso era transformador; sin embargo, dejó abierta la disputa relacionada con los ejemplares obtenidos de fuentes que infringían derechos de autor.
En México, especialistas advierten que el país necesita reglas claras para proteger obras, datos y contenidos frente al avance de la IA generativa.