Imagina comprar miles de libros con un incalculable valor histórico solo para meterlos en una guillotina industrial. Pues eso es exactamente lo que está haciendo Amazon para entrenar a su nueva familia de modelos de inteligencia artificial, conocidos en la industria como Nova. Y no, no es una teoría de la conspiración sacada de un foro de internet.
La noticia ha saltado por los aires gracias a una brillante maniobra de rastreo físico. Todo para destapar cómo la sed de datos de las grandes tecnológicas está empezando a consumir, literalmente, el patrimonio físico de la humanidad. Una auténtica locura.
El chivatazo de los libreros y un AirTag rumbo a Las Vegas
Todo empezó cuando los vendedores de viejo detectaron un patrón inquietante en el mercado. Durante el último año, clientes anónimos comenzaron a realizar compras masivas de lotes de libros descatalogados a través de plataformas especializadas como Biblio. Compraban a ciegas.
Y es que estos extraños perfiles no regateaban el precio, ni hacían la típica pregunta sobre el estado de conservación de las páginas. Simplemente barrían el catálogo. Ante estas alarmas, un equipo de 404 Media decidió camuflar un localizador AirTag dentro de uno de esos pedidos misteriosos de libros raros.
También te puede interesar:Amazon se centra en la IA con un plan para invertir $100 mil millones para 2025
Como era de esperar, el dispositivo de Apple dibujó una ruta reveladora. El paquete viajó durante semanas en avión y camión, cruzando medio país hasta detenerse en un gigantesco centro logístico de Amazon en Las Vegas. Allí opera un departamento semiclandestino identificado con el código VGT3.
Básicamente, la misión de los empleados de esta unidad es destripar la cultura impresa. Reciben los ejemplares, les cortan el lomo de cuajo para liberar las hojas y las pasan por escáneres industriales a una velocidad de vértigo. Cortar la encuadernación maximiza el rendimiento del escaneado, pero supone la destrucción total e irreversible del libro original. Así de simple.
El terror al «colapso del modelo» y la barrera del año 2022
Si miramos los números y la arquitectura de los grandes modelos de lenguaje (LLM), esta masacre de papel tiene una explicación técnica aplastante. Amazon necesita nuevas fuentes de texto masivas porque gigantes como OpenAI, Google y ellos mismos ya han raspado casi todo el contenido útil de internet. Se han quedado sin combustible de calidad.
A ello se le suma un peligro mucho mayor: la contaminación de los datos. Desde la irrupción de ChatGPT a finales de 2022, la web está inundada de textos redactados por algoritmos. Entrenar a los nuevos modelos Nova con textos sintéticos generados por otra máquina previa es letal para el desarrollo del software.
También te puede interesar:Amazon se centra en la IA con un plan para invertir $100 mil millones para 2025Es decir, provoca el temido «colapso del modelo». Cuando una red neuronal se retroalimenta con basura sintética, sus parámetros se degradan progresivamente, aumenta la latencia en la inferencia y empieza a alucinar respuestas sin sentido. Necesitan texto puramente humano.
El motivo es simple: acudiendo a obras impresas antes del año 2022, los ingenieros de Amazon se aseguran un corpus de entrenamiento inmaculado. Saben con un 100% de certeza que ningún humano usó IA generativa para escribir esos textos. Un parche radical.
Para no escanear dos veces lo mismo, la empresa de Jeff Bezos solo procesa libros que cuenten con un código ISBN oficial. Esto les permite llevar un registro milimétrico de la literatura mundial que van devorando, dejando fuera del radar solo ediciones extremadamente antiguas o autoediciones que carecen de este identificador.
El escudo legal: por qué destruir un libro es un «uso legítimo»
Evidentemente, trocear libros raros para engordar una base de datos corporativa ha generado una ola de indignación brutal. Pero claro, a nivel legal, los abogados de las grandes tecnológicas lo tienen todo atado y bien atado. Y Amazon ni siquiera ha sido la pionera en usar esta técnica.
En concreto, la start-up Anthropic ya aplicó esta misma filosofía de guillotina para perfeccionar su famoso modelo Claude. El pastel se descubrió durante una demanda de autores contra la compañía de IA por una presunta infracción masiva de los derechos de autor.
La letra pequeña es que un juez de los Estados Unidos dictaminó que escanear y destruir libros físicos comprados legalmente podría ampararse bajo la doctrina del «uso legítimo». El magistrado argumentó que, al triturar el ejemplar tras su digitalización, la IA no está inyectando copias físicas adicionales en el mercado, por lo que no habría un perjuicio comercial directo. Una jugada maestra en los tribunales.
Tras salir a la luz la investigación del AirTag, a Amazon no le ha quedado más remedio que dar la cara. Un portavoz ha admitido abiertamente la práctica, escudándose en que compran el material por canales legales para «mejorar los productos y servicios» de sus usuarios.
Sin embargo, la compañía sigue sin soltar prenda sobre las cifras reales. No sabemos si han destruido miles o millones de volúmenes en sus instalaciones de Nevada, ni por qué el papel no se recicla o se dona en un formato utilizable. Lo que nos queda claro es que la carrera de la inteligencia artificial ya no se libra solo en la nube y los centros de datos, sino también en las estanterías polvorientas de todo el planeta.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
