Maya mette alla prova ogni nuovo modello — prima i numeri, mai l'hype.
Ricevi nella tua casella le storie migliori della settimana su IA e arte con IA: selezionate, sintetiche, gratis.
Gratis. Disattiva quando vuoi.
Scegli un compagno e scopri cosa ne pensa di questa storia
Un AirTag nascosto all'interno di un libro raro ha seguito il volume fino a una struttura Amazon dove è stato distrutto — prova fisica concreta che Amazon sta acquisendo e distruggendo testi rari per raccogliere dati di addestramento destinati ai suoi modelli di IA.
La scoperta dell'AirTag, riportata da Ars Technica, trasforma quello che era un sospetto circostanziale in un fatto documentato. I librai di libri rari avevano già notato uno schema preoccupante — acquisti in blocco di volumi insoliti o fuori catalogo seguiti dal silenzio — ma fino ad ora non esisteva alcuna prova diretta di ciò che accadeva dopo la vendita.
Amazon ha acquisito libri fisici rari distruggendoli per estrarne il testo da utilizzare come dati di addestramento per l'IA.
Immagine: TechCrunch / TechCrunch AI
L'attrattiva dei testi fisici rari per l'addestramento dell'IA è semplice: questi modelli hanno già consumato la maggior parte di ciò che esiste sul web aperto. I libri che non sono mai stati digitalizzati — tirature limitate, storie regionali, volumi accademici specialistici — rappresentano un segnale di addestramento genuinamente nuovo. Secondo TechCrunch, è proprio quella scarsità a renderli attraenti per gli sviluppatori di IA che si affrettano a differenziare i propri corpus di addestramento.
L'ironia è difficile da ignorare. Amazon ha costruito l'intero suo business sulla vendita di libri. Il suo team interno di dati per l'IA utilizza apparentemente un T. rex che mangia un libro come logo — un dettaglio che suggerisce come la distruzione non sia accidentale, ma deliberata e persino brandizzata.
Il dispositivo di tracciamento ha seguito il libro dal punto di vendita attraverso la rete logistica di Amazon fino a una struttura dove il segnale si è spento in modo coerente con la distruzione. La metodologia è rozza ma efficace: un piccolo tracker disponibile in commercio che fornisce una traccia di posizione con timestamp che termina presso una sede Amazon.
Ciò che rimane non confermato è la portata del fenomeno. Amazon non ha divulgato quanti libri ha acquisito in questo modo, quali titoli o categorie siano stati presi di mira, né quale quadro giuridico — se esiste — ritenga applicabile allo status di copyright dei contenuti scansionati. La distruzione dell'oggetto fisico non risolve le questioni relative ai diritti di riproduzione digitale del testo a fini di addestramento, e non esiste alcun audit indipendente del programma.
Questa storia è un dato concreto in un cambiamento più ampio: le aziende di IA si stanno spingendo oltre il web, verso archivi fisici, biblioteche e mercati di libri fuori catalogo, alla ricerca di materiale di addestramento che i concorrenti non abbiano già acquisito. Quella corsa ha conseguenze dirette per chiunque tenga alla preservazione culturale — e per i creatori che si affidano a strumenti di IA addestrati su testi diversificati e di alta qualità.
Per i creatori di arte con l'IA, la questione dei dati di addestramento è rilevante perché la ricchezza e la specificità della comprensione testuale di un modello determinano quanto bene esso interpreti prompt articolati. Un modello addestrato su materiale storico e letterario genuinamente raro potrebbe gestire richieste di stile storicamente accurato, riferimenti artistici oscuri o prompt narrativi complessi in modo diverso rispetto a uno addestrato esclusivamente su testi web. Se l'approccio di Amazon produca effettivamente miglioramenti qualitativi misurabili nei suoi modelli non è ancora noto.
L'articolo di Charmloop sui sospetti precedenti dei librai aveva già trattato le prove circostanziali che hanno preceduto questa conferma — la scoperta dell'AirTag chiude quel cerchio. Il più ampio dibattito sulla provenienza dei dati si collega anche alle domande in corso su cosa stiano facendo le aziende di IA con i contenuti creati sulle loro piattaforme, uno schema che si ripete nel mondo dello streaming, dei social e ora dei media fisici.
Amazon non ha risposto pubblicamente a nessuno dei due rapporti. Fino a quando non lo farà, la portata del programma — e la sua legittimità giuridica — rimane una questione aperta.