Para enseñar a las máquinas a escribir mejor, las empresas de IA han tenido que volver a uno de nuestros repositorios más antiguos: los libros
Leonor Solís
Especímenes
El 30 de abril pasado, Marçal Font recibió un pedido que llamó su atención en la Librería Fènix de Badalona, cerca de Barcelona. Llevaba veinte años dedicado a los libros de viejo y estaba acostumbrado a encargos insólitos. «De compras extrañas he tenido millones», contó después a BBC Mundo.
Font, además de librero, es poeta y profesor de Literatura Comparada en la Universidad de Barcelona. Aun así, aquel pedido le pareció distinto. Al preguntar a colegas de otros países descubrió que no era el único que estaba observando movimientos semejantes: listas de ISBN sin relación aparente y compradores interesados en grandes cantidades de ejemplares usados. No existe evidencia que permita asegurar que aquellos libros concretos terminaran en manos de una empresa de inteligencia artificial. Pero la sospecha de los libreros coincidía con una transformación mucho mayor.
En 2024, Anthropic, la empresa creadora de Claude, puso en marcha Project Panama, un proyecto interno para construir una enorme biblioteca digital destinada al desarrollo de inteligencia artificial. Documentos judiciales y posteriores investigaciones de medios como The Washington Post y Wired revelaron una operación de una escala difícil de imaginar: la compañía compró millones de libros físicos, muchos de segunda mano, para digitalizarlos mediante un procedimiento conocido como destructive scanning, o escaneo destructivo.
El término es preciso. Los ejemplares llegaban a instalaciones donde una máquina hidráulica cortaba sus lomos. Las páginas, ya separadas, pasaban por escáneres industriales de alta velocidad; después, los restos de papel eran enviados a reciclaje. El texto sobrevivía convertido en datos. El libro, como objeto, dejaba de existir.
¿Por qué una de las tecnologías más avanzadas de nuestro tiempo necesitaba millones de libros viejos? Porque internet no bastaba. Los documentos internos conocidos durante el litigio muestran que Anthropic valoraba especialmente los libros por contener información seleccionada, argumentos desarrollados y narraciones complejas: lenguaje capaz de enseñar a Claude a escribir mejor que buena parte del material disponible en la red. Para construir el futuro de la escritura artificial todavía hacían falta siglos de escritura humana.
La historia tiene además un complejo trasfondo legal. Anthropic había descargado previamente millones de obras de bibliotecas digitales piratas. Un tribunal estadounidense distinguió después entre esas copias y los ejemplares físicos comprados legalmente: consideró lícita la conversión de estos últimos en copias digitales privadas cuando el archivo sustituía al ejemplar adquirido. La obtención de libros mediante bibliotecas piratas fue un asunto distinto y desembocó posteriormente en un acuerdo de 1,500 millones de dólares con autores y editores.
Pero que la transformación pueda ser legal no resuelve la pregunta cultural. Digitalizar un libro conserva su texto. No necesariamente conserva al libro.
Un libro es también una edición, un papel, una tipografía, una encuadernación. Puede guardar anotaciones, dedicatorias, exlibris, manchas, flores secas o las huellas de quienes lo tuvieron entre las manos. Dos ejemplares de una misma obra contienen las mismas palabras y, sin embargo, no son necesariamente el mismo objeto. En una colección científica preservamos un espécimen porque sabemos que puede contener información que todavía no hemos aprendido a buscar. ¿Por qué habría de ser completamente distinto con un libro?
Kathryn James, especialista en libros raros de la Universidad de Yale, planteó aThe Guardian una imagen especialmente fértil: para las obras impresas no existe una «lista de especies amenazadas» que permita advertir cuándo la destrucción a gran escala empieza a afectar ejemplares escasos o irremplazables. La rareza, después de todo, no siempre pertenece originalmente a un objeto: a veces aparece porque casi todos los demás desaparecieron.
James propone además una pregunta aún más extraña. En un ecosistema escrito cada vez más poblado por textos producidos o mediados por inteligencia artificial, ¿tendremos que comenzar a pensar en el «autor completamente humano» como una categoría de preservación? Los libros anteriores a la expansión masiva de la IA poseen de pronto una característica que hasta hace muy poco era tan evidente que no necesitábamos nombrarla: contienen lenguaje producido enteramente por seres humanos.
La paradoja del Proyecto Panamá, se vuelve entonces difícil de ignorar. Anthropic buscaba construir una biblioteca digital capaz de perdurar, preservar palabras y conocimiento para alimentar las máquinas del futuro. Para hacerlo convirtió libros en información y destruyó los objetos de los que esa información procedía. Una biblioteca destinada a permanecer, construida haciendo desaparecer los ejemplares que la originaron.
Quizá conservar el lenguaje humano no consista únicamente en salvar los libros que ya escribimos. También significa seguir escribiendo: producir frases propias, encontrar palabras, equivocarnos, corregir, narrar. Las máquinas aprendieron a escribir leyendo aquello que durante siglos escribimos nosotros; ahora comienzan a ayudarnos a escribir lo que vendrá después. En ese círculo aparece otra pregunta de conservación: si dejamos progresivamente en sus manos la tarea de encontrar nuestras palabras, ¿qué perderemos de nuestra capacidad de pensar, imaginar y narrar?
Portada: Fotografía de Helena Lopez | Unsplash
