L’AI HA FAME DI LIBRI: PERCHÉ L’INTELLIGENZA ARTIFICIALE STA COMPRANDO E DISTRUGGENDO MILIONI DI VOLUMI

Le aziende dell’intelligenza artificiale stanno tornando alla carta per trovare ciò che Internet non basta più a offrire. Milioni di libri vengono acquistati, smontati, digitalizzati e trasformati in dati. È uno dei paradossi più sorprendenti della rivoluzione AI: per costruire le macchine del futuro stiamo tornando alle biblioteche del passato.

Da qualche tempo librai e antiquari in diverse parti del mondo hanno cominciato a osservare un fenomeno insolito. Vecchi manuali, raccolte di poesie, saggi dimenticati, libri tecnici e volumi fuori catalogo che per anni erano rimasti invenduti hanno improvvisamente trovato acquirenti.

Non necessariamente lettori.

Dietro almeno una parte di questa nuova fame di carta c'è infatti una delle risorse più preziose dell'economia contemporanea: i dati necessari per addestrare l'intelligenza artificiale.

La vicenda è diventata particolarmente evidente con il caso Anthropic, la società che sviluppa Claude. Documenti emersi nel contenzioso sul copyright negli Stati Uniti hanno mostrato che l'azienda aveva acquistato grandi quantità di libri cartacei per trasformarli in una biblioteca digitale destinata anche allo sviluppo dei suoi modelli.

Ma il procedimento utilizzato ha qualcosa di sorprendentemente fisico.

DALLO SCAFFALE ALL'ALGORITMO

Per digitalizzare enormi quantità di libri non è conveniente utilizzare uno scanner tradizionale e voltare pazientemente una pagina dopo l'altra.

Il sistema più rapido è molto più radicale.

Si elimina la rilegatura, si separano le pagine e le si fa passare attraverso scanner industriali ad alta velocità. Il volume cessa quindi di esistere come oggetto, mentre il suo contenuto sopravvive sotto forma di dati.

È il cosiddetto destructive scanning.

Il procedimento non nasce con l'intelligenza artificiale ed è utilizzato da tempo in alcuni processi di digitalizzazione. Ma applicato su scala industriale all'addestramento degli LLM assume un significato completamente diverso.

Un libro viene acquistato come oggetto fisico, smontato, acquisito digitalmente e trasformato in materiale leggibile dalle macchine.

La carta scompare.

Le parole restano.

PROJECT PANAMA: UNA BIBLIOTECA PER LE MACCHINE

La vicenda Anthropic ha reso visibile quanto questa corsa ai libri possa essere ambiziosa.

Negli atti giudiziari del caso Bartz v. Anthropic emerge che la società aveva costruito una grande biblioteca digitale destinata a raccogliere libri provenienti da fonti differenti. Una parte dei volumi era stata acquistata fisicamente, privata della rilegatura, scansionata pagina per pagina e conservata come file digitale.

Il progetto di acquisizione dei libri cartacei è stato associato nelle successive ricostruzioni giornalistiche al nome Project Panama.

L'obiettivo non era semplicemente conservare una biblioteca.

Era costruire una gigantesca riserva di linguaggio umano dalla quale estrarre dataset per addestrare modelli di intelligenza artificiale.

Ed è qui che emerge uno dei grandi paradossi dell'AI contemporanea.

INTERNET NON BASTA PIÙ

Per anni abbiamo immaginato Internet come un archivio praticamente infinito.

Per l'intelligenza artificiale, invece, il Web non rappresenta necessariamente la fonte migliore possibile.

Dentro i libri esiste una quantità enorme di conoscenza che non è mai stata pubblicata integralmente online: manualistica specialistica, testi accademici, narrativa del Novecento, pubblicazioni locali, cataloghi, saggi, poesia, testi scientifici e migliaia di opere fuori commercio.

Soprattutto, il libro possiede qualcosa di estremamente prezioso per un Large Language Model: testo umano lungo, strutturato, revisionato e coerente.

Un libro non è una successione casuale di post.

È un pensiero organizzato.

Ha una struttura, una progressione narrativa o argomentativa, un lessico relativamente coerente e spesso è passato attraverso autori, editor, correttori e case editrici.

In altre parole, proprio nell'epoca in cui l'intelligenza artificiale sembra poter produrre quantità praticamente infinite di testo sintetico, il testo scritto dagli esseri umani diventa ancora più prezioso.

IL PROBLEMA DEL “TESTO SINTETICO”

C'è anche un'altra ragione.

Internet contiene ormai una quantità crescente di materiale generato o modificato attraverso sistemi di intelligenza artificiale.

Per chi costruisce i modelli nasce quindi un problema: come continuare ad addestrare nuove AI utilizzando materiale autenticamente umano?

Se un modello viene alimentato sempre più con testi prodotti da altri modelli, il rischio è creare un gigantesco circuito di riciclo culturale nel quale le macchine imparano progressivamente dalle macchine.

I libri pubblicati prima dell'esplosione dell'AI generativa rappresentano invece una straordinaria riserva di contenuto inequivocabilmente umano.

Un manuale del 1975, un romanzo del 1988 o una raccolta di poesie del 1962 hanno una caratteristica oggi sorprendentemente preziosa:

sappiamo che non sono stati scritti da ChatGPT.

IL GRANDE PROBLEMA DEL COPYRIGHT

La corsa ai libri ha però aperto uno dei conflitti giuridici più importanti dell'era dell'intelligenza artificiale.

Per anni diversi dataset utilizzati nello sviluppo degli LLM hanno incluso enormi quantità di opere protette da copyright.

Uno dei casi più noti è Books3, una raccolta di circa 196.000 libri digitalizzati che è stata inclusa nel grande dataset The Pile e utilizzata nell'ecosistema di ricerca e sviluppo dei Large Language Model.

Il problema era evidente: molte di quelle opere provenivano da fonti non autorizzate.

La questione è arrivata inevitabilmente nei tribunali.

E il caso Anthropic ha prodotto nel 2025 una decisione destinata a diventare un punto di riferimento nel dibattito sull'AI.

COMPRARE UN LIBRO E “FARLO LEGGERE” A UN'AI È LEGALE?

La risposta americana, almeno nella decisione del giudice William Alsup nel caso Bartz v. Anthropic, è stata sorprendentemente articolata.

Il tribunale ha distinto due questioni.

Da una parte l'utilizzo dei testi per addestrare un modello AI, considerato in quel caso un uso sufficientemente trasformativo da rientrare nel fair use.

Dall'altra, il modo in cui quei testi erano stati acquisiti.

Il giudice ha considerato diversamente i libri comprati legalmente e successivamente digitalizzati rispetto ai milioni di copie provenienti da biblioteche pirata.

Per i libri fisicamente acquistati, la trasformazione del volume cartaceo in un file digitale destinato alla biblioteca interna è stata considerata un cambio di formato compatibile, nelle circostanze esaminate dal tribunale, con il fair use.

Per le copie pirata la conclusione è stata opposta.

Comprare un libro e digitalizzarlo non equivale, giuridicamente, a scaricarne illegalmente una copia.

Una distinzione apparentemente semplice che potrebbe avere conseguenze enormi sull'intera industria dell'intelligenza artificiale.

Anthropic ha successivamente raggiunto un accordo da 1,5 miliardi di dollari per chiudere le rivendicazioni relative alle copie pirata oggetto della class action.

IL PARADOSSO DEL LIBRO DISTRUTTO

Rimane però una questione che non è soltanto giuridica.

È culturale.

Un'azienda può acquistare legalmente migliaia di libri. Ma cosa accade quando quei libri vengono sistematicamente smontati e distrutti per trasformarli in dati?

Se si tratta di milioni di copie comuni, il problema della conservazione può sembrare marginale.

Ma quando la ricerca comincia a coinvolgere volumi fuori catalogo, pubblicazioni minori, edizioni difficili da trovare e testi dimenticati, la prospettiva cambia.

Il valore di un libro non coincide necessariamente con il valore delle parole che contiene.

Esistono l'edizione, la carta, la stampa, la grafica, le annotazioni, la provenienza, la materialità dell'oggetto.

Una scansione conserva il testo.

Non conserva necessariamente il libro.

NON È FAHRENHEIT 451. ED È PROPRIO QUESTO A RENDERE LA STORIA INTERESSANTE

Il riferimento più immediato sarebbe Fahrenheit 451, il romanzo di Ray Bradbury nel quale i libri vengono bruciati perché considerati pericolosi.

Ma il paragone rischia di essere troppo semplice.

Qui accade quasi l'opposto.

I libri non vengono distrutti perché inutili. Vengono distrutti perché sono diventati improvvisamente preziosissimi.

Le macchine hanno bisogno di ciò che gli esseri umani hanno scritto.

Hanno bisogno delle nostre storie, delle nostre descrizioni, delle nostre conoscenze, dei nostri errori, delle nostre invenzioni linguistiche.

L'intelligenza artificiale più avanzata del XXI secolo continua quindi ad avere bisogno di una tecnologia inventata secoli fa: il libro.

Ed è forse questo l'aspetto più affascinante della storia.

Per anni abbiamo pensato che il digitale avrebbe reso la carta obsoleta.

Oggi scopriamo che, per costruire alcune delle macchine più sofisticate mai create dall'uomo, la Silicon Valley sta tornando negli scaffali delle biblioteche e delle librerie dell'usato.

Solo che questa volta il lettore non è umano.

E quando ha finito di leggere, del libro potrebbe non rimanere altro che un file.

 

A cura della redazione di ONOFF MAG
Founder & Director Claudio Napoli
Web Development SEA Stefano Albis
© www.ONOFFMAG.com