Volumi acquistati in massa, privati della rilegatura con macchinari industriali, scansionati pagina dopo pagina e infine mandati al macero. Non è la trama di un nuovo Fahrenheit 451 (1953, distopia allo stato puro dello scrittore americano Ray Bradbury), ma uno dei metodi utilizzati per procurare dati con cui addestrare l’intelligenza artificiale.
A riportare alla luce la vicenda è stato a gennaio scorso il Washington Post, sulla base di migliaia di pagine di documenti giudiziari relativi ad Anthropic, la società che sviluppa il modello linguistico Claude.
Leggi anche: Ti spiego perché tutti stanno abbandonando ChatGPT per iscriversi a Claude dopo la firma col Pentagono
Tutti documenti che descrivono un progetto interno dal nome quasi cinematografico: Project Panama, avviato nel 2024 con l’obiettivo di procurare enormi quantità di libri da trasformare in dati per l’addestramento dei modelli di intelligenza artificiale.
Una successiva inchiesta di 404 Media mostra come i libri cartacei, soprattutto quelli pubblicati prima dell’esplosione dell’IA generativa, stiano diventando una merce sempre più appetibile per le aziende alla ricerca di materiale di addestramento scritto da esseri umani. Una società che opera nel settore, ISBNdb, presenta esplicitamente i libri come una fonte di dati particolarmente preziosa perché composta da conoscenza umana editata, strutturata e, soprattutto, priva del cosiddetto “AI slop”, la massa di contenuti sintetici che ormai invade il web.
Il paradosso è servito: l’intelligenza artificiale ha bisogno dei libri perché internet è sempre più pieno di contenuti prodotti dall’intelligenza artificiale stessa.
Cos’è Project Panama
Project Panama nasce all’inizio del 2024. Secondo i documenti giudiziari esaminati dal Washington Post, Anthropic avrebbe speso in circa un anno decine di milioni di dollari per procurarsi e digitalizzare milioni di libri. Un documento interno descriveva esplicitamente il progetto come un tentativo di realizzare una scansione distruttiva di una quantità enorme di volumi e precisava che l’azienda preferiva non rendere pubblica l’operazione.
La tecnica utilizzata prende il nome di destructive scanning, scansione distruttiva appunto: in pratica, la rilegatura viene rimossa, il dorso tagliato e le pagine, ormai separate, fatte passare rapidamente attraverso scanner industriali. Alla fine rimane il file digitale. Il volume fisico, invece, non è più ricomponibile e viene avviato allo smaltimento o al riciclo.
Lo stesso giudice federale che si è occupato del caso descrive nella sua decisione libri regolarmente acquistati da Anthropic ai quali venivano tolte le rilegature, quindi scansionati pagina per pagina e conservati come file digitali ricercabili.
In altre parole, per conservare il testo si distrugge l’oggetto che lo contiene.
Perché proprio i libri?
Perché un libro è molto più interessante, per una IA, di milioni di pagine web mediocri. Nei documenti interni di Anthropic citati dal Washington Post, già nel 2023 uno dei fondatori ipotizzava che addestrare i modelli sui libri avrebbe potuto insegnare loro a “scrivere bene”, invece di assorbire il linguaggio di scarsa qualità presente online.
Per anni internet è stato considerato la miniera inesauribile dalla quale estrarre testi, immagini e conoscenza. Ma l’arrivo dei sistemi di IA generativa ha modificato progressivamente anche ciò che si trova online.
Articoli prodotti automaticamente, recensioni, descrizioni commerciali, traduzioni, riassunti, post SEO, immagini sintetiche: una quota crescente dei contenuti della rete non nasce più direttamente da esseri umani. E così ciò che fino a ieri appariva antiquato – un vecchio libro stampato e dimenticato su uno scaffale – diventa improvvisamente una risorsa preziosissima.
404 Media racconta proprio l’emergere di questo mercato. ISBNdb propone alle aziende servizi di acquisizione di grandi quantità di libri e sottolinea il valore di testi editorialmente curati e certamente precedenti alla proliferazione dei contenuti generati dall’IA.
Ora, se una nuova generazione di modelli viene addestrata sempre più su contenuti prodotti dalle generazioni precedenti, errori, semplificazioni e distorsioni possono propagarsi nel materiale utilizzato per nuovi addestramenti. È uno dei motivi per cui i dataset di alta qualità e chiaramente riconducibili alla produzione umana stanno acquistando un valore enorme. Ed ecco perché i libri, soprattutto quelli pubblicati prima del boom di ChatGPT e degli altri sistemi generativi, diventano appetibili.
Ma è legale comprare un libro, scannerizzarlo e distruggerlo? Negli Stati Uniti, almeno nel caso Anthropic, la risposta data da un tribunale è stata in parte sì.
Nella causa Bartz vs Anthropic, il giudice federale William Alsup ha stabilito nel giugno 2025 che l’utilizzo delle opere per addestrare Claude e i suoi predecessori poteva rientrare nel fair use, ritenendo l’addestramento altamente trasformativo. Ha inoltre considerato fair use anche la digitalizzazione dei libri cartacei acquistati legalmente, perché Anthropic aveva sostituito ciascuna copia fisica posseduta con una copia digitale interna, senza immettere ulteriori copie sul mercato.
Ma comprare un libro e digitalizzarlo non è la stessa cosa che scaricarne illegalmente una copia e il giudice ha infatti escluso che la creazione di una biblioteca permanente attraverso copie piratate potesse essere giustificata con il fair use. Anthropic aveva acquisito anche milioni di file provenienti da cosiddette shadow libraries, archivi online contenenti opere protette diffuse senza autorizzazione.
La controversia sulla pirateria ha poi portato a un accordo da 1,5 miliardi di dollari relativo a oltre 480 mila opere, accordo che nell’estate 2026 ha ottenuto l’approvazione definitiva del tribunale. Una distinzione tutt’altro che secondaria: non esiste, nemmeno negli Stati Uniti, un lasciapassare generale per prendere qualsiasi libro e utilizzarlo come si vuole.
E in Europa?
L’Unione europea non dispone dell’equivalente generale del fair use statunitense. La direttiva europea sul copyright prevede invece una specifica eccezione per il text and data mining, ossia l’estrazione automatizzata di informazioni da grandi quantità di opere alle quali si abbia accesso legittimo.
L’articolo 4 della direttiva 2019/790 consente determinate riproduzioni ed estrazioni per il text and data mining, ma prevede anche che i titolari dei diritti possano riservarsi espressamente l’utilizzo delle proprie opere, il cosiddetto opt-out.
A questo si aggiunge oggi l’AI Act: dal 2 agosto 2025, i fornitori di modelli di IA per finalità generali immessi sul mercato europeo devono adottare una politica volta al rispetto del diritto d’autore dell’Unione, compreso il riconoscimento delle riserve espresse dai titolari dei diritti, e pubblicare una sintesi sufficientemente dettagliata dei contenuti utilizzati per l’addestramento. Dal 2 agosto 2026 è inoltre entrata nella fase di piena applicazione la relativa attività di enforcement prevista per questi obblighi.
Ora però il nodo fondamentale rimane capire in che modo debbano essere rispettati concretamente i diritti degli autori in una tecnologia che necessita di quantità gigantesche di testi e di dati. Per secoli abbiamo costruito biblioteche affinché i libri potessero essere conservati e letti dalle persone.
Ora aziende con capitali enormi stanno costruendo altre biblioteche: invisibili, digitali e progettate prima di tutto perché siano lette dalle macchine. Quanto al patrimonio culturale, fin a quando saremo disposti a trasformare in materia prima privata pur di costruire l’intelligenza artificiale del futuro?
Ti potrebbe interessare anche:
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Germana Carillo
Source link
