Livros | Foto: Richard Souza / GE
Uma investigação do site 404 Media (empresa de mídia independente) revelou que a Amazon compra grandes quantidades de livros físicos, digitaliza seu conteúdo e destrói os exemplares durante o processo. A apuração identificou uma instalação da empresa em Las Vegas, no estado de Nevada, denominada internamente VGT3, onde os livros têm as lombadas removidas para que as páginas possam ser digitalizadas separadamente e em maior velocidade. (404 Media)
A descoberta foi feita depois que jornalistas colocaram um dispositivo de rastreamento em um livro que fazia parte de um lote adquirido de um livreiro. O rastreamento levou a encomenda a uma instalação da Amazon em Las Vegas. Relatos de funcionários ouvidos pelo 404 Media e uma apuração posterior do veículo indicam que a unidade VGT3 recebe livros em grande quantidade, remove as encadernações e digitaliza as páginas. (404 Media)
O método resulta na destruição física dos exemplares processados.
Amazon confirma compra de livros, mas não detalha finalidade
Em resposta ao 404 Media, a Amazon declarou que compra livros por meio de canais comerciais para ajudar a desenvolver e aprimorar produtos e serviços utilizados por seus clientes. A empresa, porém, não explicou publicamente quais obras são adquiridas, quantos exemplares são processados, quais sistemas recebem o conteúdo digitalizado ou por quanto tempo os dados são utilizados. (404 Media)
A investigação relaciona a operação à busca da indústria de inteligência artificial por grandes volumes de textos para o treinamento de modelos. Livros físicos podem reunir conteúdos que não estão disponíveis ou não são facilmente encontrados na internet, especialmente obras publicadas antes da expansão recente da inteligência artificial generativa. (404 Media)
O que a investigação descobriu
O rastreamento começou a partir de um lote de aproximadamente mil livros adquirido de um livreiro por meio de um pedido de grande volume. O vendedor concordou em colocar um Apple AirTag fornecido pelos jornalistas dentro de um dos exemplares, permitindo acompanhar o trajeto da encomenda até seu destino final. (404 Media)
O dispositivo levou os repórteres a uma instalação da Amazon em Las Vegas. Segundo a investigação, a operação VGT3 funciona no mesmo complexo da unidade LAS8, ligada às atividades de impressão sob demanda da empresa. Posteriormente, o 404 Media publicou uma entrevista com um funcionário anônimo que trabalhou na unidade e descreveu o recebimento, a preparação e a digitalização dos livros. (404 Media)
Os relatos indicam que a remoção da lombada permite alimentar scanners com páginas soltas, acelerando o processo em comparação com métodos de digitalização que preservam a encadernação.
A própria identificação visual da equipe VGT3 chamou atenção durante a investigação. Segundo o 404 Media, o símbolo utilizado pela unidade apresenta um dinossauro segurando um livro. (404 Media)
Livros raros, antigos e fora de catálogo não são necessariamente a mesma coisa
A repercussão da investigação, especialmente em publicações que passaram a descrever o caso como a destruição indiscriminada de “obras raras” ou de um patrimônio bibliográfico de alto valor, exige uma distinção importante.
A própria matéria original do 404 Media utilizou a expressão “rare books” em referência ao exemplar rastreado e ao mercado em que essas obras foram adquiridas. Ao mesmo tempo, a investigação e os relatos posteriores não permitem concluir que a Amazon esteja concentrando suas compras em primeiras edições célebres, manuscritos, exemplares únicos ou livros de alto valor financeiro.
Na repercussão do caso, veículos que abordaram a investigação destacaram que os livros procurados pelas empresas de tecnologia não são necessariamente os exemplares mais valiosos no mercado. Entre os materiais de interesse podem estar obras antigas de baixo valor monetário, títulos obscuros, publicações fora de catálogo e livros que nunca tiveram ampla distribuição digital. (Ars Technica)
É justamente a diferença entre valor comercial do objeto físico e valor do conteúdo para uma empresa de tecnologia que ajuda a explicar a controvérsia.
Um livro pode ser antigo e difícil de encontrar sem ser uma peça de alto valor no mercado de colecionadores. Da mesma forma, um título pouco procurado por leitores pode ser particularmente interessante para o treinamento de sistemas de inteligência artificial caso seu conteúdo não esteja disponível online.
Por isso, tratar todos os livros antigos ou fora de catálogo como “relíquias” ou “obras raras” no sentido popular de peças de coleção pode ampliar o impacto da notícia sem representar com precisão a diversidade dos materiais que estão sendo adquiridos.
Isso não significa que obras de menor valor comercial sejam desprovidas de importância histórica, intelectual ou documental. O próprio 404 Media relatou que livros procurados pelas empresas podem possuir valores que não são considerados relevantes para o objetivo específico de extrair e digitalizar seu conteúdo. (404 Media)
O interesse está no texto, não no livro como objeto
A investigação indica que o principal interesse econômico da operação está no conteúdo textual.
Enquanto o exemplar físico possui uma utilidade limitada para uma empresa que busca dados, o texto pode ser convertido em informação digital utilizável no desenvolvimento de sistemas. Obras impressas também oferecem material que pode não estar presente nos conjuntos de dados obtidos a partir da internet. (404 Media)
Outro fator apontado pela repercussão da investigação é a origem do texto. Livros publicados antes da popularização dos modelos de IA generativa representam uma fonte de conteúdo produzido por humanos, sem a presença de textos criados por sistemas recentes de inteligência artificial. (404 Media)
O aumento da presença de conteúdo sintético na internet tem gerado discussões sobre a qualidade dos dados usados para treinar novos modelos. O chamado model collapse, ou colapso de modelo, é um fenômeno estudado em que o treinamento recorrente com dados gerados por outros modelos pode contribuir para a degradação progressiva da qualidade dos resultados.
Digitalização destrutiva reduz o tempo de processamento
O procedimento identificado em Las Vegas é conhecido como digitalização destrutiva. Nesse método, a encadernação é removida e as páginas são separadas antes da passagem pelo scanner.
A alternativa consiste em preservar o livro durante a digitalização, o que normalmente exige equipamentos e procedimentos capazes de processar o exemplar sem desmontá-lo.
Para uma operação que processa grandes quantidades de livros, a separação das páginas permite o uso de sistemas de alimentação automática. O método, porém, sacrifica o objeto físico.
A reportagem do 404 Media revelou a existência dessa operação por meio do rastreamento de um exemplar específico. A publicação posterior do veículo, baseada em entrevista com um funcionário da VGT3, trouxe novos detalhes sobre o funcionamento da unidade. (404 Media)
A repercussão ampliou a controvérsia sobre as “obras raras”
O caso provocou reações principalmente por envolver uma empresa que iniciou suas atividades como livraria online e hoje utiliza livros físicos em uma operação de digitalização que pode resultar na destruição dos exemplares.
Parte da repercussão concentrou-se na ideia de que a Amazon estaria triturando relíquias literárias ou obras raríssimas. Essa interpretação, porém, vai além do que a investigação demonstrou sobre o conjunto de livros adquiridos.
A apuração comprovou que pelo menos um livro inserido em um lote rastreado chegou à instalação da Amazon e revelou relatos sobre uma operação dedicada à digitalização destrutiva. O caso também confirmou que a Amazon compra livros por canais comerciais. (404 Media)
O que não foi demonstrado pela investigação é que a empresa esteja adquirindo exclusivamente ou prioritariamente exemplares únicos, primeiras edições valiosas ou obras consideradas patrimônio insubstituível. Os materiais adquiridos podem incluir títulos com baixo valor comercial, mas com conteúdo textual que não está disponível na internet.
A controvérsia, portanto, envolve duas questões distintas: a preservação dos exemplares físicos e a crescente disputa por dados textuais para alimentar sistemas de inteligência artificial.
O que a investigação confirma e o que permanece sem resposta
A apuração do 404 Media e as informações confirmadas posteriormente permitem estabelecer alguns pontos:
- a Amazon compra livros físicos por meio de canais comerciais;
- um lote rastreado pela investigação chegou a uma instalação da empresa em Las Vegas;
- a unidade VGT3 realiza uma operação de digitalização de livros em que a remoção das lombadas leva à destruição dos exemplares físicos;
- a Amazon afirmou que as compras contribuem para o desenvolvimento e o aprimoramento de produtos e serviços;
- o 404 Media relaciona a operação à demanda por dados para inteligência artificial. (404 Media)
Por outro lado, a Amazon não detalhou publicamente a quantidade de livros adquiridos, os critérios de seleção das obras, a escala total da digitalização, os modelos que utilizam o material ou a destinação final de todos os dados extraídos.
A investigação, assim, revelou uma operação de digitalização destrutiva em grande escala e confirmou a participação da Amazon na compra de livros físicos para obtenção de conteúdo. A discussão sobre o caso ganhou uma dimensão adicional nas redes sociais ao transformar, em parte das repercussões, a categoria genérica de livros antigos, difíceis de encontrar ou fora de catálogo em “obras raras” no sentido de exemplares necessariamente valiosos e insubstituíveis, uma associação que não descreve necessariamente todos os livros envolvidos na operação revelada.
A matéria original pode ser conferida clicando aqui.
