Le aziende di intelligenza artificiale stanno acquistando centinaia di migliaia di libri antichi e fuori stampa, inserendo i loro contenuti in set di dati di addestramento e poi distruggendo i volumi fisici: una pratica su scala industriale che secondo ricercatori e librai sta cancellando il patrimonio culturale proprio mentre alimenta la prossima generazione di modelli linguistici. Le rivelazioni, emerse per la prima volta nei documenti giudiziari e ora hanno avuto eco nelle comunità europee dei venditori di libri, hanno aperto un nuovo fronte nella guerra sul copyright dell’IA. Per le ultime notizie sull'intelligenza artificiale sulle controversie sui dati di formazione che stanno rimodellando il settore, i dettagli seguenti tracciano come la caccia al testo pulito si è trasformata in un falò di libri rari.
Come funziona la pratica
Secondo i documenti divulgati da Anthropic durante un procedimento giudiziario del 2026 e riportati dal Washington Post, il processo è deliberatamente industrializzato. Il documento descrive come la "macchina da taglio idraulica" di un appaltatore di scansione "taglierebbe ordinatamente" i libri in modo che le pagine potessero essere "scansionate su scanner ad alta velocità, di alta qualità e di livello produttivo". Una volta digitalizzati, si legge nel documento, la società di scansione avrebbe "programmato con la società di riciclaggio il ritiro dei libri completati".
In altre parole, i libri non vengono restituiti. Vengono ridotti a testo digitale e poi ridotti al macero.
Perché le aziende vogliono libri vecchi e stampati
L’appetito per i libri fisici deriva da un problema in peggioramento per gli sviluppatori di intelligenza artificiale: l’Internet aperta è sempre più inquinata da testi generati dall’intelligenza artificiale. Come ha spiegato il blog legale Verfassungsblog in un'analisi intitolata "L'intelligenza artificiale sta mangiando il mondo dei libri", la formazione sui contenuti sintetici rischia di degradare la qualità del modello, un fenomeno che i ricercatori chiamano collasso del modello. I libri stampati prima del 2022, al contrario, hanno la garanzia che siano scritti da esseri umani.
C'è anche un calcolo legale. Le aziende hanno ritenuto che la scansione dei libri fisici di loro proprietà potrebbe rientrare nella disposizione del "fair use" della legge statunitense sul copyright, una difesa che ritengono sia più forte dello scraping di contenuti web protetti da copyright. Se i tribunali accetteranno tale argomento rimane una questione aperta, ma ciò non ha fermato la frenesia degli acquisti.
Il fenomeno dei libri Zoom
In Europa, l’attenzione si è concentrata su una libreria online canadese chiamata Zoom Books, che secondo Verfassungsblog ha acquisito centinaia di migliaia di titoli di saggistica per i quali c’è poca domanda commerciale residua. Questi volumi – oscuri lavori accademici, storie regionali e manuali tecnici specializzati – sono quasi inutili per i venditori di libri usati, ma rappresentano una ricca vena di materiale formativo precedentemente non sfruttato per i laboratori di intelligenza artificiale.
Futurismo ha riferito che la distruzione sta avvenendo "su scala incredibile, anche se non ne rimane quasi nessuna copia", il che significa che per alcuni titoli la copia scansionata e distrutta potrebbe essere stata tra le ultime edizioni sopravvissute in circolazione.
Librai e ricercatori si oppongono
I rapporti hanno allarmato i librai antiquari, che affermano che gli acquirenti all’ingrosso stanno distorcendo il mercato dell’usato e rimuovendo le edizioni rare più velocemente di quanto gli archivi possano preservarle. L'agenzia Anadolu ha citato le parole di un libraio antiquario turco che ha espresso scetticismo sulla portata delle accuse, pur riconoscendo la crescente preoccupazione nei mercati europei del libro. La copertura del Times of India e di Boing Boing ha inquadrato la tendenza come una conseguenza diretta del fatto che le aziende di intelligenza artificiale cercano di "sfuggire alla propria incapacità di intelligenza artificiale" ritirandosi nella stampa pre-internet.
I conservazionisti sostengono che la distruzione è particolarmente preoccupante perché nessun registro centrale tiene traccia di quali libri siano stati scansionati e distrutti. Una volta distrutto un titolo a bassa sopravvivenza, la perdita può essere permanente, a meno che la società che lo ha scansionato non scelga di condividere la copia digitale, cosa che generalmente non fa.
Una nuova fase della guerra del copyright
La campagna per l’acquisto di libri si trova all’intersezione di due battaglie legali irrisolte: se addestrare modelli di intelligenza artificiale su opere protette da copyright senza autorizzazione costituisca fair use e se distruggere la fonte fisica dopo la scansione cambi il calcolo. Finora i tribunali hanno inviato segnali contrastanti, con alcune sentenze a favore degli sviluppatori di intelligenza artificiale e altre che preservano le rivendicazioni dei creatori.
Per le aziende di intelligenza artificiale, il calcolo è semplice. I libri stampati offrono testi densi, di alta qualità, scritti da persone che sono sempre più difficili da trovare online. Per le biblioteche, gli archivi e i collezionisti che custodiscono le edizioni rare, il compromesso è molto meno favorevole: artefatti fisici insostituibili ridotti a gettoni di addestramento e poi riciclati in poltiglia.
La pratica solleva anche interrogativi sulla trasparenza. La divulgazione da parte di Anthropic è avvenuta solo perché costretta nell'ambito di un contenzioso. Non si sa quante altre aziende stiano perseguendo strategie simili, quanti libri siano già stati distrutti o se emergerà uno standard a livello di settore per preservare i titoli a rischio prima che vengano scansionati e scartati.
Il problema della scala che nessuno può quantificare
Parte di ciò che rende difficile monitorare questa tendenza è la sua diffusione. A differenza di un singolo grande archivio o database, la campagna di acquisto di libri è distribuita in migliaia di transazioni individuali – vendite immobiliari, vendite di dismissione di biblioteche e mercati online – dove un acquirente in blocco che acquista un pallet di titoli di saggistica non solleva alcun chiaro segnale di allarme. Aggregato su centinaia di migliaia di acquisti, tuttavia, l’effetto cumulativo è la rimozione silenziosa di vaste aree di conoscenza di nicchia e a bassa diffusione dal record fisico.
Bibliotecari e archivisti hanno avvertito che la perdita non è distribuita equamente. I bestseller del mercato di massa sopravvivono in innumerevoli copie, ma i titoli più attraenti per i formatori di intelligenza artificiale – opere specializzate e dense di informazioni con piccole tirature – sono proprio quelli che hanno meno probabilità di essere conservati altrove. Una volta distrutti, potrebbero esistere solo come dati di formazione proprietari, bloccati nei server di un'azienda, inaccessibili al pubblico che originariamente li ha prodotti e faceva affidamento su di essi.
Stai al passo con l'intelligenza artificiale
Le guerre tra formazione e dati si stanno intensificando e la posta in gioco si estende ben oltre i bilanci aziendali. Per leggere altre notizie sull'AI e seguire la risposta di tribunali, regolatori e ambientalisti, continua a seguire AI Buzz Wire.
Leggi altre notizie sull'AI →
