Guerre di Rete propone un articolo a cura di Antonio Dini, noto giornalista di tech e dintorni, ma non solo, dal titolo “Perché i colossi dell’AI distruggono i libri“, un reportage che racconta la storia di aziende US che comprano milioni di libri di seconda mano, li smontano tagliando la rilegatura, poi scansione pagina per pagina sostanzialmente distruggendoli e infine li buttano al macero.

L’ultima novità è di poche settimane fa e viene dal Giappone. Nel paese del Sol Levante sta infatti succedendo una cosa curiosa: alcune librerie dell’usato hanno recentemente registrato vendite quintuplicate, con ordini da centinaia di volumi alla volta, tutti diretti allo stesso centro logistico nella prefettura di Okayama. Da lì, i pallet di libri partono verso gli Stati Uniti: oltre cinquanta tonnellate in totale, secondo le notizie raccolte dalle testate giornalistiche nipponiche. Nessuno ha ancora confermato chi sia il compratore finale, ma il percorso ricalca uno schema già noto altrove.

lo schema è ricorrente: le aziende spesso non negano l’acquisto dei libri, ma non confermano pubblicamente il processo completo. Da Regno Unito, Irlanda e altri Paesi europei arrivano segnalazioni simili a quella della prefettura di Okayama.

Finora le fonti per l’addestramento degli LLM sono state le tracce che le persone lasciavano in rete: conversazioni, foto, post sui social media. Adesso che queste fonti cominciano a scarseggiare il fronte dell’addestramento sembra spostarsi sulla pagina stampata, in quanto i libri sono ancora relativamente poco sfruttati.

Anthropic ha dichiarato che l’addestramento della sua AI Claude passa per l’uso di dati pubblici sul web, sull’acquisto di dataset, e che

nessuno dei suoi programmi di acquisizione dati compra e distrugge “libri rari o antiquari”

Questa è una distinzione importante. I libri fuori catalogo, specialistici o semplicemente difficili da reperire, possono rientrare nella categoria “rari e antiquari”? Molto probabilmente no.

Ma perché i libri stanno diventando una fonte preziosa per l’addestramento delle AI? Per un motivo molto semplice: un libro è frutto del lavoro specializzato di più persone. Romanzi, saggi storici, manuali specialistici hanno tutti subito un controllo ed una revisione che permettono loro di avere una qualità superiore a molto di ciò che è diponibile online (si, anche i libri scritti dall’autore che odiate).

Per gli LLM il rischio peggiore viene chiamato l'”AI degli Asburgo“, facendo riferimento alla dinastia europea che, a causa della pratica di favorire matrimoni fra parenti stretti, ha causato la diffusione di varie malformazioni fra i suoi membri. Per le AI il “problema Asburgo” nasce quando queste vengono addestrate con materiale già in partenza prodotto da altre AI, producendo un materiale finale di scarsa qualità, piatto, con errori e scarsa aderenza alla realtà.

Digitalizzare un libro per motivi di conservazione ha un valore diverso che acquistare migliaia di libri, tagliare le pagine, scansionarle per addestrare prodotti commerciali (che verranno venduti) e poi distruggere la copia fisica.

Già ora la legislazione europea e statunitense diverge sull’interpretazione: negli Sati Uniti qualunque uso di una copia cartacea acquistata legalmente rientra fra gli usi leciti, mentre in Europa in alcuni casi si possono usare testi regolarmente acquistati, ma gli autori possono riservarsi il diritto di questo tipo di sfruttamento commerciale delle loro opere. Quindi le segnalazioni di acquisti di molte migliaia di copie da librerie del Regno Unito, dall’Irlanda e da altri paesi europei (per ora sembra che l’Italia non sia fra questi) ha sollevato perplessità fra gli editori, ed allarme fra gli scrittori.

Il fenomeno non è una leggenda nata sui social. La vera novità però è che la trasformazione del libro in materia prima industriale per l’AI sta diventando abbastanza vasta da produrre effetti visibili nei mercati dell’usato, nei rapporti fra editori e distributori e nel dibattito sulla conservazione culturale.