El AirTag oculto revela que Amazon está destruyendo libros raros a granel para entrenar a la IA

Un AirTag oculto de Apple ha revelado que Amazon está comprando y destruyendo libros raros en grandes cantidades para entrenar sus sistemas de inteligencia artificial, según una investigación de Novara Media. El descubrimiento se produjo después de que periodistas de investigación de 404 Media persuadieron a un librero para que incrustara el dispositivo de seguimiento en un lote de libros que Amazon había ordenado de forma anónima. El envío fue rastreado a VGT3, un centro de capacitación de IA de Amazon ubicado en Las Vegas, donde los libros se procesan antes de ser desechados. Dentro de la instalación, los libros son despojados de sus espinas para permitir el escaneo página por página, un proceso esencial para alimentar datos en modelos de IA.

La entrada del almacén presenta un letrero que muestra un dinosaurio listo para consumir un libro, una metáfora visual de la destrucción que tiene lugar en el interior. Esta práctica se alinea con las tendencias más amplias de la industria donde las compañías de IA buscan libros más antiguos, que tienen más probabilidades de ser escritos por humanos y, por lo tanto, son menos propensos a contener contenido generado por IA que podría corromper los datos de entrenamiento. Según los informes, Anthropic, la firma detrás del modelo Claude AI, ha invertido decenas de millones de dólares en la adquisición de millones de libros para satisfacer su demanda de texto escrito por humanos.

A principios de este año, el Washington Post detalló cómo tales adquisiciones son cada vez más comunes entre los desarrolladores de IA que buscan materiales de capacitación de alta calidad. Estos esfuerzos sugieren una creciente dependencia de los libros físicos como una fuente confiable de lenguaje humano inalterado. Dentro del almacén VGT3, los empleados de Amazon tienen la tarea de escanear códigos de barras o ISBN antes de escanear el contenido real de cada libro. Este enfoque meticuloso indica que la compañía está catalogando y procesando sistemáticamente grandes cantidades de material impreso.

En un momento dado, surgieron preocupaciones entre el personal con respecto al posible cierre de la instalación si el suministro de material impreso disminuye, aunque la operación continúa sin cesar, como señaló Ars Technica. En respuesta a estas acusaciones, Amazon emitió una declaración afirmando que adquiere libros a través de canales comerciales para mejorar y refinar los productos y servicios utilizados por sus clientes. La compañía no proporcionó más detalles sobre el papel específico de estos libros en sus procesos de desarrollo de IA ni abordó las implicaciones de su eliminación. La exposición de las prácticas de Amazon destaca la creciente intersección entre los formatos de medios tradicionales y las tecnologías emergentes.

A medida que los modelos de IA se vuelven más sofisticados, la demanda de conjuntos de datos diversos y extensos continúa aumentando. Esto ha llevado a un aumento en el interés de las compañías tecnológicas en textos históricos y raros, que ofrecen patrones lingüísticos únicos y contextos culturales ausentes en el contenido digital moderno. La participación de periodistas independientes en el descubrimiento de esta actividad subraya el papel crítico del periodismo de investigación para responsabilizar a las principales corporaciones. Al aprovechar la tecnología como AirTag, los reporteros pudieron rastrear el movimiento de mercancías y exponer operaciones que de otro modo permanecerían ocultas.

Este incidente sirve como un recordatorio del debate en curso en torno a las consideraciones éticas de la recopilación de datos y el impacto ambiental de las actividades de procesamiento de información a gran escala. A medida que las discusiones sobre la ética de la IA ganan impulso, los métodos empleados por empresas como Amazon serán objeto de un escrutinio más minucioso. El equilibrio entre innovación y responsabilidad se vuelve cada vez más crucial a medida que los límites del avance tecnológico continúan expandiéndose.

El destino de los libros procesados en instalaciones como VGT3 sigue siendo un punto focal en este discurso en evolución, y su destrucción representa tanto una pérdida de patrimonio cultural como un paso adelante en la búsqueda de capacidades avanzadas de aprendizaje automático.