En 2024, uno de los fundadores de Anthropic, la empresa que desarrolla el chatbot Claude, presenta a sus colaboradores un plan destinado a “escanear destructivamente todos los libros del mundo”. El proyecto, conocido internamente como Proyecto Panamá, implicó la compra de enormes cantidades de libros usados y su digitalización para usarlos en el entrenamiento de los modelos de inteligencia artificial de la empresa.
De hecho, los libros fueron destruidos porque, para poder despegar las páginas y escanearlas más fácil y rápidamente, se quitaron los lomos. Por eso también el proyecto de Panamá tuvo que permanecer en secreto: “No queremos que nadie sepa que estamos trabajando en él”, escribió uno de los fundadores de la empresa.
La existencia del proyecto secreto fue revelada por Correo de Washingtonquien obtuvo acceso a un conjunto de documentos relacionados con una demanda colectiva contra Anthropic, en la que la empresa fue acusada de infracción de derechos de autor en trabajos utilizados en la formación de IA. La compañía resolvió la demanda en septiembre pasado, pagando alrededor de 1.500 millones de dólares, pero un juez hizo públicos algunos documentos relacionados con el caso en enero.
Según lo reconstruido por Correo de Washington (Anthropic nunca ha comentado sobre esta historia) Para asegurar el éxito del Proyecto Panamá, Anthropic contó con la colaboración de Tom Turvey, un ex empleado de Google que, unos veinte años antes, había trabajado en Google Books, la controvertida iniciativa con la que la empresa digitalizó y puso a disposición millones de libros en línea.
En esta ocasión, Google utilizó escáneres especiales que no requerían la destrucción de libros: gracias a este enfoque, la empresa pudo colaborar con muchas bibliotecas públicas. El método elegido por Google Books fue respetuoso con los libros pero también mucho más lento que el adoptado por Anthropic.
Para reducir el impacto de la operación, Anthropic optó principalmente por libros de segunda mano. Turvey recurrió primero a The Strand, una conocida librería de Nueva York, y a varias bibliotecas públicas estadounidenses, pero terminó abasteciéndose principalmente de dos vendedores de libros usados: Better World Books y World of Books. No hay datos oficiales sobre el número de libros adquiridos por Anthropic, pero según el Correo de Washington se contarían por millones.
El Proyecto Panamá no es la primera historia de una empresa de software de inteligencia artificial que utiliza grandes cantidades de libros y textos protegidos por derechos de autor para entrenar sus chatbots. En la mayoría de los casos, sin embargo, se utilizaron libros en formato digital, descargados de sitios como LibGen (de “Library Genesis”), que garantizan el acceso ilícito a miles de obras protegidas por derechos de autor. Los sitios de este tipo también se denominan “bibliotecas fantasma” y han sido explotados, por ejemplo, por OpenAI y Meta. Según los documentos analizados por Correo de Washington entre estos también estaría Anthropic, que sin embargo niega haberlos utilizado.
Desde hace años, autores y editores emprenden acciones legales contra empresas del sector de la IA, acusadas de infracción de derechos de autor en el desarrollo de modelos lingüísticos. El resultado de estas disputas aún es incierto, en parte porque no existe una definición legal clara de las cuestiones planteadas. En este contexto, sin embargo, es posible que la decisión de Anthropic de utilizar y destruir libros usados para sus propios fines fuera acertada.
De hecho, según algunas decisiones recientes, incluida una relacionada con un caso contra Anthropic, el uso de material protegido por derechos de autor en la fase de formación de IA sería legal. Esta fase tendría un objetivo “transformador”, con el objetivo de crear contenido nuevo y distinto a partir de los materiales originales, que no sea duplicado ni reemplazado por la IA. Por lo tanto, el uso de estos contenidos en el contexto de la formación entraría dentro de la doctrina del “uso justo” de la legislación estadounidense, que autoriza, bajo ciertas condiciones, el uso de material protegido por derechos de autor con fines de crítica, comentario o parodia, incluso sin la autorización del titular de los derechos.
Según este enfoque, a las empresas de la industria se les permitiría utilizar material protegido por derechos de autor para entrenar sus modelos, siempre que se haya obtenido legalmente. Por lo tanto, fuentes como LibGen se considerarían ilegales, pero los libros del mercado de segunda mano que Anthropic obtuvo legalmente no serían lo mismo.
About The Author
