Empresas de inteligencia artificial están llevando a cabo una campaña a gran escala para escanear y destruir millones de libros físicos con el objetivo de alimentar sus algoritmos de aprendizaje profundo. Según los informes, los volúmenes escaneados provienen de bibliotecas, archivos y colecciones privadas, y en muchos casos se realiza sin el consentimiento de los titulares de derechos.
El proceso implica la digitalización de textos mediante escáneres de alta velocidad, seguido de la eliminación física de los ejemplares para liberar espacio de almacenamiento. Los defensores de la práctica argumentan que la disponibilidad de grandes cantidades de datos textuales es esencial para crear modelos de lenguaje que comprendan mejor el contexto y la semántica.
Sin embargo, organizaciones de derechos de autor y grupos de preservación cultural denuncian que la destrucción de obras físicas vulnera la integridad del patrimonio cultural y viola la legislación internacional de propiedad intelectual. Además, la falta de transparencia sobre los criterios de selección de los libros genera preocupación sobre posibles sesgos en los datos de entrenamiento.
El debate se intensifica a medida que los modelos de IA se vuelven más influyentes en la generación de contenido, la traducción automática y la investigación académica, lo que hace crucial establecer marcos regulatorios que equilibren la innovación tecnológica con la protección de los derechos de los autores y la conservación del patrimonio escrito.