AI's Book-Burning Problem: Rare Texts Destroyed for Training Data

TL;DR: Le aziende di IA stanno segretamente acquistando, scansionando e distruggendo milioni di libri fisici, inclusi opere rare e fuori catalogo, per addestrare i loro modelli su testi precedenti al 2022. Questa pratica distruttiva, svelata da 404 Media e Anna's Archive, rischia di chiudere permanentemente la conoscenza umana in server aziendali privati. Le biblioteche ombra ora corrono per scansionare e preservare questi libri prima che scompaiano.

Il costo nascosto della fame di dati puliti dell'IA

Nella corsa per costruire modelli linguistici sempre più intelligenti, le aziende di IA hanno scoperto un segreto sporco: i dati di addestramento più puliti si trovano nei libri fisici stampati prima del 2022, non contaminati dal rumore generato dall'IA che ora inonda Internet. Ma assicurarsi quei dati ha un prezzo sbalorditivo: la distruzione dei libri stessi.

Indagini recenti hanno rivelato che le principali aziende di IA, tra cui Amazon e Anthropic, stanno acquistando enormi quantità di libri usati e rari, scansionandoli e poi distruggendo le copie fisiche. La pratica, soprannominata "scansione distruttiva", sta trasformando il sogno dell'accesso universale alla conoscenza in un monopolio aziendale sulla cultura umana.

Il Progetto Panama di Anthropic: una scommessa da 1,5 miliardi di dollari

Il primo domino è caduto nel gennaio 2026, quando The Washington Post ha svelato la storia del "Progetto Panama" di Anthropic. L'azienda aveva speso decine di milioni di dollari per acquistare milioni di libri cartacei, scansionarli per addestrare il suo LLM Claude e poi distruggerli tutti. La portata dell'operazione era sbalorditiva, e fu solo l'inizio.

In un accordo sui diritti d'autore da 1,5 miliardi di dollari, Anthropic ha ammesso di aver scansionato titoli piratati come parte di questo progetto. Mentre le azioni dell'azienda sono state ritenute legalmente consentite (un giudice federale ha stabilito che addestrare l'IA su libri acquistati legalmente può qualificarsi come fair use), le implicazioni etiche sono profonde. Come ha scritto il volontario di Anna's Archive "u" in un post ospite: "È scandaloso che sia legalmente consentito, ma eticamente è un crimine estremamente grave contro l'umanità."

Il magazzino VGT3 di Amazon: il distruttore di libri

Il coinvolgimento di Amazon è emerso grazie a un'abile inchiesta giornalistica di 404 Media. Hanno nascosto un AirTag Apple in un libro raro che sospettavano sarebbe stato acquisito da un'azienda di IA e ne hanno tracciato il viaggio attraverso il paese. La destinazione finale: il magazzino VGT3 di Amazon a Las Vegas, Nevada.

I lavoratori di questa struttura hanno confermato che il loro unico compito è ricevere enormi spedizioni di libri stampati, tagliare le rilegature per alimentare le pagine attraverso gli scanner più velocemente e smaltire i resti distrutti. L'operazione è così sistematica che i lavoratori scansionano ISBN e codici a barre prima di digitalizzare le pagine, portando i librai di libri rari a sospettare che le aziende di IA stiano lavorando su elenchi di ISBN nel tentativo di scansionare ogni libro stampato esistente.

Amazon ha confermato di "acquistare libri attraverso canali commerciali" e ha affermato che l'operazione non era stata segnalata prima. L'azienda non ha affrontato direttamente l'addestramento dell'IA, ma le prove sono chiare: si tratta di un'operazione industriale su larga scala di distruzione di libri.

Perché distruggere i libri? L'economia dell'accaparramento della conoscenza

La logica dietro la scansione distruttiva è fredda e calcolata. Ci sono tre ragioni principali per cui le aziende di IA scelgono di distruggere i libri fisici:

• Vantaggio competitivo: Distruggere i libri impedisce ai concorrenti di scansionarli e usarli per l'addestramento. Una volta scansionate, le copie digitali diventano proprietarie.
• Protezione legale: Possedendo le copie fisiche, le aziende possono sostenere che la loro scansione è un uso trasformativo, proteggendole da rivendicazioni di copyright.
• Efficienza dei costi: La scansione senza perdita di libri rari è costosa. Tagliare le spine e la scansione ad alta velocità è più economico, anche considerando il costo dei libri stessi.

Questo crea un paradosso preoccupante: le aziende di IA promettono di "rendere accessibile la conoscenza umana" mentre smantellano i supporti più solidi di quella conoscenza. Il pubblico potrebbe ottenere assistenti IA più intelligenti, ma al costo di enormi quantità di risorse di conoscenza che scompaiono per sempre dal dominio pubblico.

Il problema dei libri rari: una perdita insostituibile

Mentre la distruzione di tascabili comuni è preoccupante, la perdita di libri rari e fuori catalogo è catastrofica. Queste opere sono spesso non disponibili da nessuna parte su Internet, rendendole unicamente preziose per l'addestramento dell'IA. Ma sono anche pezzi insostituibili del patrimonio culturale.

I librai di libri rari hanno espresso allarme per il fatto che opere insostituibili potrebbero scomparire nella ricerca di dati di addestramento. Una singola copia di un'illustrazione botanica del XIX secolo o di una raccolta di poesie a tiratura limitata potrebbe essere distrutta in pochi minuti, per non essere mai più vista. La paura dei librai è aggravata dalla teoria che le aziende di IA stiano lavorando sistematicamente attraverso elenchi ISBN, il che significherebbe che nessun libro è al sicuro.

Crollo del modello: l'arma spianata dell'industria dell'IA

C'è una ironia amara in questa corsa distruttiva per dati puliti. I ricercatori di IA hanno identificato un fenomeno chiamato crollo del modello, in cui l'alimentazione di testo generato dall'IA in un modello linguistico durante l'addestramento causa un graduale deterioramento della qualità dell'output. Questo è il motivo per cui i libri fisici precedenti al 2022 sono così preziosi: sono garantiti come scritti da umani.

Ma distruggendo questi libri, le aziende di IA stanno assicurando che le future generazioni di modelli non avranno più dati puliti su cui addestrarsi. Stanno sacrificando la salute a lungo termine dell'ecosistema dell'IA per un vantaggio competitivo a breve termine. La stessa cosa che stanno cercando di evitare, il crollo del modello, potrebbe essere accelerata dalle loro stesse azioni.

Biblioteche ombra: l'Alessandria digitale

In risposta a questa crisi, le biblioteche ombra come Anna's Archive si stanno mobilitando. Come la più grande biblioteca veramente aperta nella storia umana, Anna's Archive si vede come la costruzione di "una biblioteca digitale di Alessandria, una luce inestinguibile dell'umanità". L'organizzazione sta chiamando volontari in tutto il mondo per scansionare e caricare libri prima che vengano distrutti.

"Se ogni persona scansiona un libro e ci sono 10 milioni di volontari in tutto il mondo, possiamo ottenere 10 milioni di pezzi di ricchezza inestimabile," ha scritto il volontario "u". L'organizzazione offre riconoscimento e iscrizione a vita per piccole scansioni e può aiutare a pagare le spese di scansione per caricamenti su larga scala.

L'urgenza è reale. Dall'inizio del 2025, i contenuti generati dall'IA hanno rappresentato più della metà dei contenuti Internet appena pubblicati. Se gran parte dei contenuti futuri sarà costituita da libri e articoli generati dall'IA, gli umani saranno in grado di distinguerli? "Una volta che l'IA avrà assorbito anche l'ultima frase scritta dagli umani su carta, tutto ciò che rimarrà su Internet saranno le parole dell'IA stessa," avverte "u".

Il panorama legale: fair use o pirateria?

La battaglia legale sulla scansione distruttiva è in corso e complessa. Un giudice federale ha stabilito che addestrare l'IA su libri acquistati legalmente può qualificarsi come fair use, una vittoria parziale per Anthropic che Meta e OpenAI hanno anche rivendicato. Tuttavia, le copie piratate sono una questione completamente diversa.

Anthropic ha accettato un accordo da 1,5 miliardi di dollari per titoli piratati scansionati, e Salesforce ora affronta una class action per presunta pirateria di libri. La distinzione tra libri acquistati legalmente e piratati sta diventando un campo di battaglia chiave nelle aule di tribunale.

Ma anche quando le aziende acquistano libri legalmente, la distruzione di copie fisiche solleva domande che l'attuale legge sul copyright non affronta adeguatamente. Come ha notato un esperto legale, la legge sta cercando di tenere il passo con la tecnologia, e le conseguenze sono sopportate dal nostro patrimonio culturale.

La corsa contro il tempo

Questa è una corsa contro il tempo, e il traguardo è la completa distruzione della collezione mondiale di libri fisici. L'obiettivo di Anna's Archive è ambizioso: scansionare e caricare tutte le pubblicazioni mondiali prima che gli editori blocchino completamente la conoscenza e prima che le aziende di IA distruggano tutto.

"Questa è una corsa contro il tempo," scrive "u". "Il nostro ideale è scansionare e caricare tutte le pubblicazioni mondiali prima che gli editori blocchino completamente la conoscenza e prima che le aziende di IA scansionino e distruggano tutti i libri e gli articoli del mondo."

La domanda è se l'umanità agirà in tempo. Ogni libro distrutto da un'azienda di IA è un pezzo della nostra memoria collettiva perso per sempre. Ogni libro scansionato e caricato su una biblioteca ombra è un pezzo salvato. La scelta è nostra da fare, e l'orologio sta ticchettando.