Project Panama: Anthropic destruye millones de libros para entrenar a Claude

Imagine un enorme almacén repleto de palés con libros. No es una biblioteca ni un archivo silencioso. Aquí no se lee: se diseca. Operarios con mono de trabajo cortan con cuidado los lomos de volúmenes nuevos y convierten las encuadernaciones en montones de hojas sueltas que desaparecen en el interior de escáneres de alta velocidad. No es una escena de una distopía de Ray Bradbury, sino el día a día de una unidad secreta de Anthropic. El proyecto tiene el nombre en clave Project Panama y sus detalles acaban de aflorar en archivos judiciales, lo que ha inquietado un poco a la industria por la escala de lo que ocurre.

Durante mucho tiempo, Anthropic construyó una imagen de alternativa «ética» a OpenAI. Mientras Sam Altman aspiraba internet de forma agresiva, los creadores de Claude hablaban de seguridad y responsabilidad. Sin embargo, resulta que, cuando faltan datos de calidad, la ética cede ante una picadora de carne industrial. Los materiales judiciales revelaron que, a principios de 2024, la dirección de la startup puso en marcha un ambicioso plan de «escaneo destructivo de todos los libros del mundo». La formulación suena siniestra, pero desde el punto de vista técnico tiene sentido: para escanear rápido y sin distorsiones, hay que destruir literalmente el libro y convertirlo en un conjunto de páginas planas.

¿Por qué tanta complicación si existen versiones electrónicas? La respuesta está en la calidad y los derechos. Las bibliotecas digitales legales son caras y están protegidas por licencias estrictas, mientras que los archivos piratas como Shadow Libraries suelen contener errores de reconocimiento de texto. Para entrenar modelos del nivel de Claude 3.5 o del futuro Claude 4 hacen falta conocimientos limpios y estructurados. Anthropic decidió que era más sencillo y barato comprar millones de ejemplares físicos, reducirlos a pulpa y obtener copias digitales perfectas que negociar con cada titular de derechos por separado. El presupuesto de la operación fue de decenas de millones de dólares, una cifra comparable al coste de comprar chips H100.

Esta situación pone de relieve el principal problema de la industria actual de la IA: el «muro de datos» no es un mito, sino una realidad. La humanidad ya ha dado de comer a las redes neuronales casi todo Reddit, Wikipedia y los archivos digitalizados de periódicos. Pero el apetito de los modelos crece de forma exponencial. Si antes hablábamos de que la IA sustituiría a los escritores, ahora vemos cómo devora literalmente su legado físico. La ironía es que una startup valorada en miles de millones de dólares tiene que dedicarse a la logística del papel usado para lograr una ventaja de unos pocos puntos porcentuales en la precisión de las respuestas de un chatbot.

El secretismo de Project Panama tiene una explicación sencilla: queda fatal en términos de relaciones públicas. Es difícil vender al público la idea de una «IA segura» construida sobre las ruinas de libros destruidos. Los abogados de Anthropic probablemente esperaban que la posesión física del libro les diera una rendija en la doctrina del «uso legítimo» (fair use). Algo así como: compramos el libro, tenemos derecho a leerlo, aunque el «lector» sea un algoritmo y el proceso de lectura exija destruir el soporte. Sin embargo, es poco probable que los tribunales sean tan benévolos con la copia industrial masiva.

¿Qué significa esto para nosotros? Hemos entrado en una era en la que la información del mundo físico se vuelve más valiosa que el polvo digital. Si antes digitalizábamos libros para conservarlos para la posteridad, ahora lo hacemos para alimentar una «caja negra» que nos devuelve un resumen en un chat. Es un cambio radical en la cultura de consumo del conocimiento. Pronto podríamos enfrentarnos a una escasez de ediciones raras simplemente porque algún nuevo unicornio de la IA decida comprar toda una tirada para entrenar su nueva «máquina del lenguaje».

Lo esencial: Anthropic ha demostrado que en la batalla por los datos no se hacen prisioneros. ¿Estamos preparados para que la inteligencia del futuro se construya sobre las cenizas de libros quemados?