ANÁLISIS CLAVE
Proyecto Panamá: la carrera de la inteligencia artificial que está llevando a destruir libros antiguos para alimentar sus modelos.
Una investigación periodística puso al descubierto una operación destinada a comprar grandes cantidades de libros antiguos y someterlos a un proceso de escaneo que puede implicar cortar sus lomos y destruir los ejemplares. El objetivo: convertirlos rápidamente en datos para entrenar modelos de inteligencia artificial. El caso abre un debate sobre derechos de autor, patrimonio cultural y el futuro de la información humana.
La inteligencia artificial necesita cantidades cada vez mayores de información para entrenar sus modelos.
Después de recorrer internet, publicaciones digitales, periódicos, blogs y otros contenidos disponibles en línea, las empresas tecnológicas están poniendo la mirada en un territorio mucho menos explorado: las librerías de usados, los anticuarios y las colecciones de libros antiguos.
El fenómeno salió a la luz cuando el librero catalán Marçal Font, propietario de la Librería Fénix de Badalona, comenzó a recibir pedidos inusuales procedentes de Canadá.
No se trataba simplemente de comprar uno o dos ejemplares. Los pedidos incluían cantidades llamativas de libros, realizados en períodos muy cortos y con costos de envío que no parecían tener sentido comercial.
Font consultó entonces con Xavier Vinaixa, investigador especializado en inteligencia artificial. Al investigar el patrón descubrieron que otros libreros de Alemania, Nueva Zelanda y otros países habían recibido pedidos similares.
La investigación terminó conectando estas operaciones con el denominado "Proyecto Panamá", un plan que habría buscado digitalizar grandes cantidades de libros para utilizarlos en el entrenamiento de sistemas de inteligencia artificial.
El elemento más polémico es el método utilizado.
Cuando digitalizar significa destruir.
Existen sistemas que permiten escanear un libro sin dañarlo. Sin embargo, el procedimiento conocido como escaneo destructivo es mucho más rápido.
Primero se corta el lomo del libro y se separan todas sus páginas. Luego, las hojas pasan por escáneres industriales capaces de procesar enormes cantidades de material en poco tiempo.
El resultado es una copia digital del texto, pero el ejemplar físico queda prácticamente destruido.
La razón es sencilla: la velocidad y la escala.
Para entrenar modelos de lenguaje se necesitan cantidades gigantescas de información. Y los libros que todavía no están digitalizados representan una enorme reserva de textos que las máquinas todavía no han procesado.
El problema es que entre esos ejemplares pueden encontrarse obras descatalogadas, ediciones difíciles de conseguir e incluso piezas únicas.
La paradoja: conservar destruyendo.
La digitalización puede preservar el contenido de un libro frente al paso del tiempo. Pero convertirlo exclusivamente en datos también puede significar perder una parte importante de su valor histórico.
Un libro no es solamente el texto que contiene.
Su encuadernación, las anotaciones realizadas por sus propietarios, los sellos, las ilustraciones, el tipo de papel, la procedencia o incluso las marcas de uso pueden proporcionar información fundamental para investigadores.
Por eso, los especialistas consultados plantean una diferencia fundamental: digitalizar no necesariamente significa conservar.
Además, existe otro riesgo: que las copias digitales terminen almacenadas en bases de datos privadas y no estén disponibles para bibliotecas, investigadores o lectores.
El peligro de los libros que nunca tuvieron ISBN.
Uno de los aspectos más preocupantes señalados por los investigadores es que la búsqueda automatizada de libros puede concentrarse en publicaciones identificadas formalmente.
Pero una parte importante de la cultura escrita nunca tuvo ISBN.
Fanzines, publicaciones clandestinas, materiales políticos, revistas independientes, documentos de movimientos sociales y expresiones de contracultura podrían quedar fuera de los grandes procesos de digitalización.
Y si esos materiales desaparecen físicamente sin haber sido preservados digitalmente, podría perderse información que nunca estuvo disponible en otra parte.
La nueva frontera de la IA: los datos.
El caso del Proyecto Panamá revela un problema cada vez más importante para la industria tecnológica: los datos humanos de calidad no son infinitos.
Los modelos de inteligencia artificial necesitan enormes cantidades de textos para aprender patrones del lenguaje, establecer relaciones entre conceptos y generar nuevas respuestas.
Internet proporcionó durante años una fuente prácticamente inagotable. Pero a medida que los sistemas fueron entrenados, comenzó a crecer la necesidad de acceder a materiales nuevos y especializados.
Ahí aparecen los libros antiguos.
El problema es que, si las máquinas empiezan a consumir grandes cantidades de contenido humano, surge una pregunta inevitable: ¿qué ocurrirá cuando ya no queden suficientes datos originales?
Una posibilidad es recurrir cada vez más a contenido generado por las propias inteligencias artificiales.
Y allí aparece el escenario conocido como la "serpiente que se come su propia cola": una IA entrenando a otra IA con textos producidos por máquinas.
El riesgo sería una progresiva pérdida de riqueza, diversidad y precisión del conocimiento, algo parecido a realizar un resumen de un resumen de otro resumen, alejándose cada vez más de la fuente original.
El Proyecto Panamá podría no haber terminado.
En el caso que permitió descubrir la operación, los pedidos de libros cambiaron posteriormente de empresas y destinos.
Pero, después de un período sin nuevas solicitudes, Font volvió a recibir otro pedido.
Para el librero, la conclusión es clara:
"El Proyecto Panamá sigue en marcha".
El episodio plantea así una pregunta que va mucho más allá de la tecnología: ¿cuánto patrimonio estamos dispuestos a sacrificar para construir máquinas capaces de conocerlo todo?
Porque la inteligencia artificial puede aprender de millones de libros, pero una vez que un ejemplar único desaparece, ninguna máquina podrá recuperar completamente aquello que había en sus páginas, en sus márgenes, en sus materiales y en su historia.