Empresas de IA recorrem a acervos de papel para treinar seus modelos

Companhias que desenvolvem modelos de linguagem têm buscado ativamente exemplares impressos publicados antes da popularização dos grandes modelos de linguagem (LLMs). O motivo, segundo o que foi apurado, é que essas obras oferecem um material textual considerado mais "limpo", ou seja, sem contaminação por conteúdo gerado artificialmente, o que se tornou um diferencial valioso na hora de treinar sistemas de inteligência artificial. Esse movimento não surge no vácuo. Desde que ferramentas como ChatGPT, Gemini e outros chatbots se popularizaram, a internet passou a ser inundada por textos escritos ou reescritos por máquinas, um fenômeno que especialistas chamam de "poluição de dados sintéticos". Para quem treina modelos de IA, isso é um problema sério: alimentar um sistema com conteúdo produzido por outra IA pode gerar um efeito cascata de erros, vieses e perda de qualidade, algo já apelidado no meio acadêmico de "colapso de modelo". Diante desse cenário, fontes de texto anteriores a esse boom — como livros publicados em décadas passadas, arquivos de jornais antigos e documentos históricos digitalizados — ganharam valor extra, funcionando como uma espécie de "água mineral" em meio a um mar de dados contaminados. Não é a primeira vez que o setor de IA recorre a acervos físicos: bibliotecas, editoras e até pilhas de livros usados já foram alvo de negociações, parcerias e, em alguns casos, disputas judiciais envolvendo direitos autorais, como os processos movidos por autores e editoras contra grandes empresas de tecnologia nos Estados Unidos. Para o leitor brasileiro, esse tipo de notícia escancara um paradoxo interessante da era da inteligência artificial: quanto mais avançados ficam os modelos, mais eles dependem de conteúdo humano genuíno e, ironicamente, mais antigo. Isso reforça um ponto que tende a ganhar peso nos próximos anos: a autenticidade e a originalidade de conteúdo produzido por pessoas reais podem se tornar um ativo ainda mais valioso — tanto para treinar IA quanto para diferenciar produção editorial, jornalística e acadêmica em um mercado saturado por textos automatizados. Também levanta uma questão prática para autores, editoras e bibliotecas brasileiras: se acervos impressos têm valor estratégico para o treinamento de IA, isso pode abrir espaço para novas discussões sobre remuneração, direitos autorais e parcerias comerciais entre o setor editorial nacional e as empresas de tecnologia, um debate que já está avançado em mercados como o americano e o europeu, mas ainda engatinha por aqui. Além disso, o episódio expõe um limite técnico importante do momento atual da IA generativa: apesar de todo o discurso sobre dados ilimitados e escala infinita, a qualidade da informação de origem continua sendo o gargalo real do progresso desses sistemas.