Perchè i colossi dell’IA distruggono i libri?

L’ultima novità è di poche settimane fa e viene dal Giappone. Nel paese del Sol Levante sta infatti succedendo una cosa curiosa: alcune librerie dell’usato hanno recentemente registrato vendite quintuplicate, con ordini da centinaia di volumi alla volta, tutti diretti allo stesso centro logistico nella prefettura di Okayama. Da lì, i pallet di libri partono verso gli Stati Uniti: oltre cinquanta tonnellate in totale, secondo le notizie raccolte dalle testate giornalistiche nipponiche. Nessuno ha ancora confermato chi sia il compratore finale, ma il percorso ricalca uno schema già noto altrove.

È lo stesso schema emerso in una causa giudiziaria che sta facendo la storia: Bartz v. Anthropic. Gli atti del processo sono stati resi noti dalla stampa americana e raccontano la storia di un’azienda che ha comprato milioni di libri di seconda mano, li ha fatti smontare tagliando la rilegatura, li ha fatti scansionare pagina per pagina sostanzialmente distruggendoli, e infine li ha buttati al macero. 

Quello di Anthropic non è l’unico caso. Un’inchiesta della testata 404 Media ha seguito, grazie a un tracciatore nascosto in un lotto di volumi rari, un processo analogo che ha portato un lotto di alcune centinaia di libri comprato all’ingrosso fino a un magazzino Amazon vicino a Las Vegas, dove, anche in questo caso, alcuni lavoratori avrebbero raccontato di aver tagliato le rilegature, scansionato le pagine e gettato i resti. 

La società non ha però confermato pubblicamente che i file siano destinati all’addestramento dei suoi modelli, né ha chiarito quanti libri siano coinvolti o quale criterio usi per selezionare i volumi. Amazon ha risposto che “acquista libri tramite i canali commerciali per contribuire allo sviluppo e al miglioramento dei prodotti e dei servizi utilizzati dai nostri clienti”.

Questo è uno dei punti comuni. Le aziende spesso non negano l’acquisto dei libri, ma evitano di confermare pubblicamente il processo completo: acquisto, scansione, uso nei dataset, distruzione e conservazione delle versioni digitali ricavate. Segnalazioni di pratiche simili arrivano anche da Regno Unito, Irlanda e altri Paesi europei.

Il filo che lega questi episodi è più interessante della singola notizia e conduce in una direzione molto chiara: la guerra senza quartiere in corso tra i colossi dell’intelligenza artificiale per ottenere la supremazia sviluppando nuovi modelli di frontiera sempre più potenti. 

Per anni la battaglia sui dati con cui si addestrano i modelli linguistici ha riguardato soprattutto le persone: foto, conversazioni e tutte le altre tracce digitali lasciate in rete. Oggi quel fronte si è spostato sulla carta stampata, perché i grandi archivi del web cominciano a scarseggiare e i libri restano un giacimento ancora relativamente poco sfruttato.

Anthropic, per esempio, ha sostenuto che Claude viene addestrato su una combinazione di dati disponibili pubblicamente sul web, dataset acquistati commercialmente e dati prodotti dall’azienda. Ha anche dichiarato che acquistare libri è una pratica ampiamente utilizzata nel settore dell’IA, e che nessuno dei suoi programmi di acquisizione dati compra e distrugge “libri rari o antiquari”. 

Questa dichiarazione è importante, ma va letta con precisione. Non equivale a dire che Anthropic non abbia mai usato la cosiddetta “scansione distruttiva”. Gli atti giudiziari del caso Bartz v. Anthropic descrivono invece un programma chiamato Project Panama, nel quale copie cartacee venivano acquistate, private della rilegatura, scansionate e poi scartate. La dichiarazione aziendale insiste sulla categoria “rari o antiquari”, lasciando aperta la questione di libri fuori catalogo, specialistici o difficili da reperire, ma non formalmente classificati come antiquari.

Gli atti e le cause americane indicano che il problema riguarda più aziende, non soltanto Anthropic. Meta avrebbe definito l’accesso a grandi quantità di dati librari “essenziale per restare competitiva”. OpenAI è stata accusata di aver usato libri protetti da diritto d’autore, e avrebbe riconosciuto di aver scaricato materiale da piattaforme pirata come Library Genesis (LibGen) e Z-Library (spesso menzionate insieme ad altre “shadow libraries” come Sci-Hub e Bibliotik), sostenendo di averlo cancellato prima del lancio di ChatGPT. Questi elementi non provano però che tutte le aziende citate abbiano adottato lo stesso sistema di acquisto, taglio e distruzione fisica dei libri. 

La distinzione è fondamentale: ci sono prove di una corsa generale ai libri, ma non esiste ancora una prova pubblica uniforme che ogni grande azienda abbia un “Project Panama” identico.

Materia prima pregiata

C’è un motivo se l’industria editoriale è entrata nel mirino dei colossi dell’IA, e riguarda la qualità del lavoro umano specializzato. In generale, un romanzo curato da un editor, un saggio storico, un manuale specialistico offrono una scrittura di qualità superiore a gran parte di quanto circola online, caratterizzata da testi e strutture coerenti e corretti, frutto di anni di lavoro redazionale. A finire nella lista dei desideri delle aziende sono soprattutto testi scritti prima che l’intelligenza artificiale generativa cominciasse a riempire il web di contenuti sintetici, quindi genuinamente umani. 

Per un modello linguistico questa è la materia prima più pregiata che esista perché evita del tutto il rischio del “collasso del modello” (model collapse), che si verifica invece quando l’addestramento avviene con contenuti generati da un’altra IA (o da versioni precedenti di se stessa). Questa forma di endogamia digitale (non a caso chiamata anche, con una certa ironia, Habsburg AI, l'“IA degli Asburgo”, dinastia nota per la sua endogamia) è un processo di addestramento paragonabile a una fotocopia di una fotocopia: a ogni passaggio il modello addestrato perde sfumature, dettagli rari e aderenza alla realtà, accumulando errori e appiattendo le risposte.

La soluzione al “problema Asburgo” dell’IA è trovare “materiale umano” fresco, meglio se verificato, com’è il caso dell’industria editoriale pre-ChatGPT. E di questo materiale ne serve tanto. 

I numeri danno l’idea della scala. Secondo Epoch AI, l’insieme del testo umano di qualità disponibile online è un numero attorno ai trecentomila miliardi di token, con un esaurimento previsto tra il 2026 e il 2032. Nello stesso periodo si è formato un mercato delle licenze per dataset che vale già alcuni miliardi di dollari l’anno. Anthropic, per esempio, nel 2026 ha pagato un miliardo e mezzo di dollari per chiudere una causa legata a circa cinquecentomila libri scaricati da archivi pirata.

Qui entra in gioco il diritto d’autore. Chi compra una copia di un libro può rivenderla, prestarla o anche distruggerla senza chiedere permesso a nessuno. È il principio che rende possibili le biblioteche e le bancarelle dell’usato. Possedere il volume, però, non significa avere anche il diritto di riprodurne liberamente il contenuto, per esempio digitalizzandolo integralmente. 

Sul versante opposto, va anche segnalato che la distruzione dei libri è tutt’altro che un’anomalia: gli editori mandano da sempre al macero le copie non vendute, restituite dai librai come parte del “reso”, cioè dell’invenduto. Che è però un modo per chiudere una perdita logistica, non per estrarne valore.

Lo scandalo del macero industriale

Quindi, la distruzione delle copie in sovrappiù c’è sempre stata. Allora perché la vicenda dei libri usati comprati dai produttori e poi distrutti diventa scandalosa? Il macero tradizionale elimina copie che nessuno vuole più leggere. Le aziende di IA, invece, comprano deliberatamente libri che sono sul mercato, che hanno ancora un valore informativo, ne assorbono il contenuto e poi ne distruggono il supporto fisico, spesso senza che autori ed editori vedano un euro. Se il volume era un’edizione rara, quel testo esce per sempre dal mondo condiviso della lettura, ogni libro sparisce davvero solo quando smettiamo di parlarne e di sfogliarlo. 

Tuttavia, alcuni commentatori tecnologici e di orientamento libertario sostengono che la scansione distruttiva venga presentata in modo troppo apocalittico. Per esempio, Jack Nicastro, in un commento ripreso dall’Information Technology and Innovation Foundation, argomenta che il procedimento può convertire rapidamente libri fisici in testo ricercabile, aiutare a rispettare il copyright e ampliare l’accesso alla conoscenza. Secondo questa lettura, il problema principale sarebbe la trasparenza e non la distruzione materiale in sé.

La posizione della Commissione Europea è invece opposta: lo scorso 16 settembre la Commissione ha dichiarato che la digitalizzazione di un libro fisico protetto è un atto di riproduzione e che le eccezioni non coprono, nella sua interpretazione, la digitalizzazione di opere originariamente fisiche.

Inoltre, l’European Writers Council ha condannato la scansione distruttiva di milioni di libri, sostenendo che non si tratta soltanto di copyright, ma di rispetto per il lavoro creativo e per il patrimonio culturale. Questa posizione considera il libro non un semplice contenitore di token: un volume può avere valore come oggetto, come esemplare raro, come testimonianza di una biblioteca, come testo annotato o come unica copia ancora reperibile. Il PDF può salvare le parole, ma non conserva integralmente la storia materiale del libro.

È difficile capire quale possa essere il punto di vista corretto, soprattutto se l’obiettivo è di preservare la cultura di cui i libri sono simbolo oltre che contenitori. Un’altra analisi pubblicata da Stanford difende la scansione distruttiva in linea di principio: anche biblioteche e archivi possono smontare copie duplicate per preservare il contenuto e renderlo studiabile. La condizione, però, è che la procedura sia usata correttamente, su copie adeguate e dentro una politica di conservazione responsabile.

Da un lato, digitalizzare una copia duplicata e depositare il file in un archivio controllato può avere un valore conservativo. Dall’altro, è facilmente dimostrabile che comprare indiscriminatamente migliaia di libri fuori catalogo, tagliarli in modo irreversibile, non rendere pubblico l’elenco dei titoli e usare il risultato per addestrare prodotti commerciali è invece molto più problematico.

Europa e Stati Uniti: stessi libri, leggi diverse

Quello che Anthropic e le altre aziende stanno facendo nasce, come detto, dal bisogno di dati freschi e dagli spazi lasciati dal diritto vigente, soprattutto negli Stati Uniti: la legge per ora permette più di quanto il senso comune sia disposto a concedere. Negli Stati Uniti il giudice che ha istruito il caso Anthropic ha separato con cura i libri scaricati da biblioteche pirata dai libri comprati legalmente e poi scansionati. Ha ritenuto legittimo l’uso dei testi per addestrare i modelli e la digitalizzazione delle copie acquistate, mentre ha escluso che il fair use potesse giustificare l’acquisizione e la conservazione di libri ottenuti da archivi pirata. Si tratta di una sentenza di merito legata a quella singola fattispecie, ma è stata interpretata come un lasciapassare generale. 

Chi si oppone a questa interpretazione, autori ed editori inclusi, nota però che il proprietario di una copia comprata legalmente può altrettanto legalmente rivenderla o distruggerla, ma questo non gli concede automaticamente il diritto di riprodurne il contenuto su scala industriale.

In Europa il quadro è più prudente e non ricalca quello statunitense. Le eccezioni per l’estrazione di testi e dati previste dalla normativa comunitaria permettono in alcuni casi di analizzare opere a cui si abbia accesso lecito, ma gli autori possono riservarsi esplicitamente i diritti per gli usi commerciali. Per questo le segnalazioni arrivate da librerie del Regno Unito, dell’Irlanda e di almeno sette Paesi del continente (non risulta ad oggi che l’Italia sia tra questi) mostrano che il fenomeno non è confinato agli Stati Uniti. La conclusione di un tribunale californiano non si trasferisce da sola nel diritto europeo: davanti a un giudice del Vecchio continente il risultato con tutta probabilità sarebbe molto diverso.

Anthropic, peraltro, non è sola in questa corsa. Ci sono Meta e OpenAI, probabilmente anche Amazon. Le aziende hanno fornito dichiarazioni parziali: confermano acquisti commerciali o descrivono in modo generale le fonti dei dati, ma raramente pubblicano liste complete dei libri, procedure di conservazione, criteri per escludere opere rare e informazioni verificabili sul percorso dei file. Nessuno di questi elementi dimostra infatti che tutte le aziende seguano lo stesso protocollo di acquisto, taglio e distruzione fisica, ma conferma che la caccia ai libri è un fenomeno parte di un mercato ormai strutturato, non un’anomalia isolata.

Resta, sullo sfondo, un deficit di trasparenza che accomuna quasi tutti i protagonisti della vicenda. In Giappone l’associazione degli editori ha chiesto chiarimenti al grande distributore Nippan, il cui nome compare negli atti del contenzioso americano, senza ottenere finora risposte sulle singole transazioni. 

Librai e artisti contro l’IA

Questa storia si inserisce in una vicenda più ampia che da alcuni decenni vede contrapposta l’industria culturale alle multinazionali tecnologiche. Dalle guerre a Napster alla fine degli anni Novanta fino agli scontri di oggi fra artisti e colossi dello streaming, tutto ruota intorno alla ridistribuzione dei profitti: artisti pagati pochi centesimi per ascolti che generano fatturati miliardari. 

È la stessa guerra che ha mandato in sciopero per 148 giorni gli sceneggiatori di Hollywood, preoccupati che l’IA potesse scrivere al posto loro togliendo lavoro futuro (alla fine hanno ottenuto la garanzia che nessun testo generato da un modello potesse valere come materiale letterario), ma finora nessuno si era posto il problema, enorme, della sostituzione anche fisica del libro in quanto strumento più antico e potente per la trasmissione della cultura delle nostre società.

Adesso, il libro, oggetto apparentemente innocuo su uno scaffale, è diventato il terreno di uno “scontro finale” tra chi crea e chi addestra. Tuttavia, le storie che circolano online secondo le quali i grandi dell’intelligenza artificiale “stanno distruggendo tutti i libri del mondo”, “ogni volume giapponese finisce in Anthropic”, “tutte le aziende bruciano opere uniche” vanno ridimensionate. 

Il fenomeno non è una leggenda nata sui social. La vera novità però è che la trasformazione del libro in materia prima industriale per l’IA sta diventando abbastanza vasta da produrre effetti visibili nei mercati dell’usato, nei rapporti fra editori e distributori e nel dibattito sulla conservazione culturale.

Fonte

È "corsa" cinese all'acquisto di materie prime?

di Francesco Dall'Aglio

Sempre a proposito di Cina, articolo molto interessante dell'Economist che si fa una bella domanda: perché Xi Jinping, ovvero la Cina, sta costruendo scorte segrete di materie prime? L'articolo è dietro paywall ma ho amici molto gentili, quindi lo riassumo a vostro beneficio prima che lo faccia, male, roba tipo Linkiesta.

Negli ultimi due decenni la domanda cinese di materie prime è cresciuta moltissimo, anche in conseguenza dell'aumento del potere d'acquisto delle popolazione. L'anno scorso l'import totale di materie prime è cresciuto del 16%, e nei primi sei mesi di quest'anno di un ulteriore 6%. Questo aumento di importazioni però non si è tradotto in un aumento del consumo. Al contrario, pare che la Cina stia ammassando materie prime perché è preoccupata dalla minaccia di un blocco statunitense: preoccupazione sensata perché dipende in larghissima misura dalle importazioni.

Alcuni numeri: la Cina importa il 40% del suo gas, il 70% del greggio, il 70% della bauxite (serve principalmente a fare l'alluminio), il 97% del cobalto (che serve a parecchie cose, soprattutto per le batterie al litio). Dal 2020, la capacità cinese di stoccare greggio è salita da 1,7 miliardi di barili a 2 miliardi; per il gas, stoccato principalmente in siti sotterranei, la capacità è cresciuta di sei volte tra il 2010 e il 2020, raggiungendo i 15 miliardi di metri cubi, con l'obiettivo di raggiungere i 55 miliardi l'anno prossimo; infine, le cisterne di LNG dovrebbero riuscire a stoccare 85 miliardi di metri cubi di gas per il 2030.

Al momento le scorte di gas valgono 23 giorni di consumo al ritmo attuale di utilizzo. Stesso discorso per il petrolio, con quantità ancora maggiori: al momento ci sono scorte per 115 giorni di utilizzo. Il calcolo sui metalli è più complesso, ma a seconda del materiale la Cina ha scorte dal 35% al 133% della necessità ANNUALE. Per quanto riguarda le risorse alimentari, infine, al termine del prossimo raccolto le scorte di grano e mais saranno rispettivamente il 51% e il 67% della quantità MONDIALE, corrispondenti più o meno a un anno di utilizzo.

Questa smania di accaparramento, che se continuasse (come pare probabile aumenterà addirittura) porterebbe ovviamente a un aumento dei prezzi delle materie prime, è ovviamente causata dalla preoccupazione cinese di un blocco economico degli USA e dei loro alleati, o di un blocco militare degli stretti attraverso i quali passa la maggior parte del traffico commerciale mondiale, e delle risorse di cui ha bisogno la Cina.

Qui finisce l'articolo dell'Economist e cominciano le mie considerazioni, che poi sono due. La prima, banale: in quest'ottica, la dipendenza reciproca tra Cina e Russia è destinata ad aumentare. La seconda: come già nel caso russo, quando qualcuno si sente preoccupato e vede che dall'altra parte non si fa alcuno sforzo per rassicuralo, può capitare che decida di agire per primo per evitare di trovarsi vittima del peggior scenario che le sue simulazioni prevedono.

Fonte

Cinque stati europei “saccheggiano” i conti libici. L’Onu ne contesta la legittimità

Una recente inchiesta del webmagazine Politico.eu ha raccolto nuove prove sul fatto che il fondo sovrano libico LIA (Lybia Africa Investment), teoricamente congelato dall’Onu, abbia distribuito indisturbato dividendi azionari, reddito da obbligazioni e pagamenti di interessi dopo l’aggressione Nato alla Libia e la violenta deposizione di Gheddafi.

Nel marzo 2011, una risoluzione Onu, consentì ad una serie di paesi, tra cui quelli dell’Unione Europea e gli Usa, di sanzionare il regime di Gheddafi congelando 67 miliardi di asset detenuti dal governo libico in diversi paesi del mondo, Italia inclusa. Una parte di queste risorse, spiegano a Politico.eu, si trova in Belgio, in almeno quattro conti bancari gestiti da Euroclear, un’istituzione finanziaria con sede a Bruxelles. Si tratta di circa 16 miliardi, che sulla carta appartengono alla “Libyan Investment Authority (LIA), il fondo sovrano del paese”.

“Sei anni dopo la morte di Muammar Gheddafi – scrive il sito – i fondi congelati del regime a Bruxelles stanno generando decine di milioni di euro di interesse, nonostante le sanzioni internazionali”.

Ma l’intrigo si fa più rognoso perché il fondo sovrano libico ha dichiarato al sito Politico che cinque Paesi europei, tra cui l’Italia, hanno distribuito denaro – interessi e dividendi – dai conti congelati in Europa appartenenti al defunto leader libico, Muammar Gheddafi, nonostante le sanzioni Onu del 2011. I cinque Paesi Ue indicati dalla Lia sono Regno Unito, Germania, Italia, Lussemburgo e Belgio.

La Lia ha risposto ad una richiesta di Politico.eu sui misteriosi pagamenti effettuati dai conti formalmente accreditati a Gheddafi (in realtà dello Stato libico), congelati in Europa, e che sono già diventati una questione politica di primo piano in Belgio, perché risulterebbero grosse somme di denaro uscite dai conti di Bruxelles.

Lo scorso anno, in una inchiesta del giornale tedesco Süddeutsche Zeitung si citavano i famosi Panama Papers, nei quali ci sarebbero prove del fatto che buona parte di quei soldi, almeno quelli contenuti nel fondo sovrano istituito da Gheddafi stesso nel 2006, il LIA (Libya Africa Investment) appunto, sarebbero stati investiti in fondi petroliferi in giro in Africa, permettendone la loro circolazione. E si tratterebbe di una cifra assai considerevole: circa 60 miliardi.

Il Belgio si è difeso sostenendo che le sanzioni riguardano il capitale ma non gli interessi accumulati dal fondo sovrano. “In molte giurisdizioni (Regno Unito, Belgio, Germania, Italia e Lussemburgo per esempio) gli interessi e i dividendi sulle proprietà congelate sotto sanzioni Onu non sono congelati”, ha scritto la Lia.

Un gruppo di esperti sostenuto dall’Onu ha però contestato tale versione e lo scorso settembre ha definito illegali questi pagamenti, che si sospetta possano aver contribuito all’instabilità del Paese. Un portavoce dell’Onu, José Luis Díaz, ha detto che le conclusioni del gruppo di esperti dello scorso settembre sono state inviate al Consiglio di sicurezza dell’Onu, che potrebbe adottare misure appropriate.

Fonte