Maya coloca cada novo modelo à prova — números primeiro, hype nunca.
Receba no seu e-mail as principais histórias da semana sobre IA e arte com IA — selecionadas, diretas e grátis.
Grátis. Cancele quando quiser.
Escolha um companheiro e veja o que ele acha dessa história
Um AirTag escondido dentro de um livro raro rastreou o volume até uma instalação da Amazon onde foi destruído — evidência física concreta de que a Amazon está adquirindo e triturando textos raros para coletar dados de treinamento para seus modelos de IA.
A descoberta do AirTag, reportada pela Ars Technica, transforma o que havia sido suspeita circunstancial em fato documentado. Livreiros de livros raros já haviam notado um padrão preocupante — compras em massa de volumes incomuns ou fora de catálogo seguidas de silêncio — mas até agora não havia prova direta do que acontecia após a venda.
A Amazon tem adquirido livros físicos raros e os destruído para extrair texto para dados de treinamento de IA.
Imagem: TechCrunch / TechCrunch AI
O apelo de textos físicos raros para treinamento de IA é direto: esses modelos já consumiram a maior parte do que existe na web aberta. Livros que nunca foram digitalizados — tiragens limitadas, histórias regionais, volumes acadêmicos especializados — representam sinal de treinamento genuinamente novo. Segundo a TechCrunch, essa escassez é precisamente o que os torna atraentes para desenvolvedores de IA correndo para diferenciar seus corpora de treinamento.
A ironia é difícil de ignorar. A Amazon construiu todo seu negócio vendendo livros. Sua equipe interna de dados de IA, aparentemente, usa um T. rex comendo um livro como logotipo — um detalhe que sugere que a destruição não é incidental, mas deliberada e com marca própria.
O dispositivo de rastreamento seguiu o livro desde seu ponto de venda através da rede logística da Amazon até uma instalação onde o sinal desapareceu de maneira consistente com destruição. A metodologia é direta mas eficaz: um pequeno rastreador comercialmente disponível fornecendo uma trilha de localização com timestamp que termina em um local da Amazon.
O que permanece não confirmado é a escala. A Amazon não divulgou quantos livros adquiriu dessa forma, quais títulos ou categorias são alvos, ou qual estrutura legal — se houver — ela acredita que cobre o status de direitos autorais do conteúdo digitalizado. A destruição do objeto físico não resolve questões sobre os direitos de reproduzir o texto digitalmente para fins de treinamento, e não existe auditoria independente do programa.
Esta história é um ponto de dados concreto em uma mudança mais ampla: empresas de IA estão se movendo além da web e entrando em arquivos físicos, bibliotecas e mercados de livros fora de catálogo para encontrar material de treinamento que concorrentes ainda não ingeriram. Essa corrida tem consequências diretas para qualquer um que se preocupe com preservação cultural — e para criadores que dependem de ferramentas de IA treinadas em texto diverso e de alta qualidade.
Para criadores de arte com IA, a questão dos dados de treinamento importa porque a riqueza e especificidade da compreensão textual de um modelo molda quão bem ele interpreta prompts nuançados. Um modelo treinado em material histórico e literário genuinamente raro pode lidar com solicitações de estilo historicamente precisas, referências artísticas obscuras ou prompts narrativos complexos de forma diferente de um treinado apenas em texto da web. Se a abordagem da Amazon realmente produz ganhos de qualidade mensuráveis em seus modelos ainda não é conhecido.
O artigo da Charmloop sobre suspeitas anteriores dos livreiros cobriu a evidência circunstancial que precedeu esta confirmação — a descoberta do AirTag fecha esse ciclo. O debate mais amplo sobre proveniência de dados também se conecta a questões contínuas sobre o que empresas de IA estão fazendo com conteúdo criado em suas plataformas, um padrão que se desenrola através de streaming, mídia social e agora mídia física.
A Amazon não respondeu publicamente a nenhum dos relatórios. Até que o faça, o escopo do programa — e sua situação legal — permanece uma questão em aberto.