Project Panama: Anthropic destrói milhões de livros para treinar o Claude

Imagine um enorme galpão lotado de paletes com livros. Não é uma biblioteca nem um arquivo silencioso. Aqui ninguém lê: dissecam-se livros. Operários de macacão cortam com cuidado as lombadas de volumes novos, transformando encadernações em pilhas de folhas soltas que somem dentro de scanners de alta velocidade. Não é uma cena de distopia de Ray Bradbury, mas a rotina de uma unidade secreta da Anthropic. O projeto tem o codinome Project Panama, e seus detalhes acabam de surgir em arquivos judiciais, deixando a indústria um pouco desconfortável com a escala do que está acontecendo.

Por muito tempo, a Anthropic construiu a imagem de alternativa «ética» à OpenAI. Enquanto Sam Altman aspirava a internet de forma agressiva, os criadores do Claude falavam de segurança e responsabilidade. Mas, quando faltam dados de qualidade, a ética cede lugar a uma moedora de carne industrial. Os documentos judiciais revelaram que, no início de 2024, a diretoria da startup lançou um plano ambicioso de «escaneamento destrutivo de todos os livros do mundo». A formulação soa sinistra, mas tecnicamente faz sentido: para escanear rápido e sem distorções, é preciso literalmente destruir o livro e transformá-lo em um conjunto de páginas planas.

Por que tanta complicação, se existem versões eletrônicas? A resposta está na qualidade e nos direitos. Bibliotecas digitais legais são caras e protegidas por licenças rígidas, enquanto arquivos piratas como as Shadow Libraries muitas vezes têm erros de reconhecimento de texto. Para treinar modelos do nível do Claude 3.5 ou do futuro Claude 4, é preciso conhecimento limpo e estruturado. A Anthropic concluiu que era mais simples e barato comprar milhões de exemplares físicos, reduzi-los a pó e obter cópias digitais perfeitas do que negociar com cada detentor de direitos separadamente. O orçamento da operação foi de dezenas de milhões de dólares, valor comparável ao gasto com a compra de chips H100.

Essa situação expõe o principal problema da indústria de IA atual: o «muro de dados» não é mito, é realidade. A humanidade já deu às redes neurais quase todo o Reddit, a Wikipédia e os arquivos digitalizados de jornais. Mas o apetite dos modelos cresce de forma exponencial. Se antes falávamos que a IA substituiria os escritores, agora vemos a IA devorar literalmente o legado físico deles. A ironia é que uma startup avaliada em bilhões de dólares precisa cuidar da logística de papel velho para ganhar uma vantagem de alguns pontos percentuais na precisão das respostas de um chatbot.

O sigilo do Project Panama tem uma explicação simples: a coisa parece péssima em termos de relações públicas. É difícil vender ao público a ideia de uma «IA segura» construída sobre as ruínas de livros destruídos. Os advogados da Anthropic provavelmente esperavam que a posse física do livro lhes desse uma brecha na doutrina do «uso justo» (fair use). Algo como: compramos o livro, temos o direito de lê-lo, mesmo que o «leitor» seja um algoritmo e o processo de leitura exija destruir o suporte. Porém, é improvável que os tribunais sejam tão benevolentes com a cópia industrial em massa.

O que isso significa para nós? Entramos numa era em que a informação do mundo físico vale mais que a poeira digital. Se antes digitalizávamos livros para preservá-los para a posteridade, agora o fazemos para alimentar uma «caixa-preta» que nos devolve um resumo no chat. É uma mudança radical na cultura de consumo do conhecimento. Em breve podemos enfrentar escassez de edições raras simplesmente porque algum novo unicórnio de IA decidiu comprar uma tiragem inteira para treinar sua nova «máquina de linguagem».

O essencial: a Anthropic mostrou que, na batalha por dados, não se faz prisioneiros. Estamos prontos para que a inteligência do futuro seja construída sobre as cinzas de livros queimados?