L’IA cerca libri introvabili per imparare più in fretta

Ordini anomali per migliaia di volumi fuori catalogo hanno acceso i riflettori su una pratica già emersa nel caso Anthropic: acquistare libri fisici, digitalizzarli con procedure industriali e utilizzare i testi per addestrare i modelli di intelligenza artificiale

Per anni hanno occupato gli scaffali delle librerie dell’usato senza attirare particolare attenzione. Manuali tecnici, pubblicazioni specialistiche, raccolte di poesie, libri di storia locale e vecchie guide hanno spesso un valore commerciale molto basso, soprattutto quando nessuno li cerca più. Ora, però, alcuni di questi volumi stanno tornando al centro dell’interesse. Ordini insoliti e molto consistenti hanno iniziato a interessare librai e antiquari in diversi Paesi, alimentando il sospetto che una parte della nuova domanda arrivi dal settore dell’intelligenza artificiale.

Il fenomeno appare singolare soprattutto per la composizione degli acquisti. Non si tratta infatti soltanto di bestseller o di testi celebri, ma di opere difficili da reperire e spesso fuori catalogo da molti anni. Un acquirente può cercare contemporaneamente un vecchio manuale tecnico, una pubblicazione sportiva, una raccolta poetica oppure un volume dedicato alla storia di una determinata comunità. Una selezione tanto eterogenea acquista un senso diverso quando l’obiettivo non consiste nella lettura del libro, ma nell’acquisizione delle informazioni contenute al suo interno.

La digitalizzazione cambia il destino dei vecchi volumi

L’intelligenza artificiale generativa necessita di enormi quantità di materiale per l’addestramento dei modelli linguistici. I sistemi analizzano testi, individuano relazioni tra parole e concetti e utilizzano queste informazioni per costruire modelli capaci di generare nuove risposte. Internet offre una quantità sterminata di contenuti, ma non contiene tutto il patrimonio editoriale prodotto nel corso dei decenni. Molti libri esistono soltanto in formato cartaceo oppure risultano difficilmente accessibili negli archivi digitali.

Proprio questa caratteristica rende particolarmente interessanti i volumi vecchi e fuori catalogo. Un libro dedicato a una disciplina specialistica può contenere terminologia, spiegazioni e informazioni che non compaiono facilmente nelle pagine web. Una pubblicazione locale può conservare nomi, eventi e testimonianze che nessun grande archivio online ha mai raccolto. Per un sistema di IA, ogni nuovo testo può quindi rappresentare una fonte aggiuntiva di conoscenza.

Il caso Anthropic e Project Panama

Le segnalazioni dei librai hanno assunto maggiore importanza dopo la diffusione di documenti relativi ad Anthropic, l’azienda che sviluppa il chatbot Claude. Le carte emerse durante una lunga controversia sul copyright hanno mostrato l’esistenza di Project Panama, un’iniziativa interna dedicata alla digitalizzazione di un numero enorme di libri fisici. L’obiettivo consisteva nell’acquisire rapidamente il contenuto delle opere e inserirlo nei sistemi utilizzati dall’azienda per sviluppare i propri modelli.

Il progetto prevedeva una tecnica che può apparire sorprendente a chi considera il libro soprattutto come un oggetto culturale. Gli operatori possono infatti acquistare una copia fisica, rimuovere la rilegatura, separare le pagine e farle passare attraverso scanner industriali ad alta velocità. La procedura sacrifica il volume cartaceo, ma permette di acquisire moltissime pagine in tempi decisamente più brevi rispetto alla scansione manuale.

Nel settore questa tecnica prende il nome di destructive scanning, cioè scansione distruttiva. Il principio è semplice: invece di aprire un libro pagina dopo pagina e conservarne intatta la struttura, l’operatore elimina la parte che tiene insieme i fogli e crea una sequenza di pagine facilmente gestibile dalle apparecchiature automatiche. Una volta completata la digitalizzazione, il contenuto rimane sotto forma di file mentre la copia fisica perde la propria funzione.

La grande questione del copyright

La vicenda di Anthropic presenta però un elemento fondamentale che non riguarda direttamente la semplice scansione dei libri acquistati legalmente. Nel 2025 una causa intentata da diversi autori ha contestato all’azienda l’utilizzo di milioni di libri ottenuti da archivi digitali pirata per addestrare i propri sistemi. Tra gli autori coinvolti figuravano Andrea Bartz, Charles Graeber e Kirk Wallace Johnson.

Il giudice federale William Alsup ha stabilito nel corso della causa che l’utilizzo delle opere per l’addestramento dei modelli poteva rientrare nel fair use previsto dal diritto statunitense. Allo stesso tempo, però, la vicenda ha evidenziato una distinzione decisiva: l’utilizzo trasformativo dei libri per l’addestramento non cancellava automaticamente i problemi legati alla provenienza illegale delle copie digitali.

Nel settembre 2025 Anthropic ha quindi raggiunto un accordo da circa 1,5 miliardi di dollari per chiudere la controversia collettiva. L’azienda non ha ammesso responsabilità con l’accordo, ma la cifra ha mostrato la portata economica dello scontro tra società tecnologiche, autori ed editori. La vicenda ha inoltre rafforzato il dibattito internazionale sulla possibilità per le aziende di utilizzare opere protette dal diritto d’autore per addestrare sistemi di intelligenza artificiale.

Quando un vecchio libro diventa prezioso per una macchina

Il fenomeno degli acquisti di libri usati assume quindi un significato particolare. Una copia che per un lettore può rappresentare soltanto un vecchio volume dimenticato, per un sistema di IA può contenere migliaia di informazioni utili. La rarità di un libro può addirittura aumentare il suo interesse se il testo non compare già nei grandi archivi digitali utilizzati per l’addestramento.

Questo spiega anche perché gli ordini possano apparire tanto strani agli occhi dei librai. Un essere umano normalmente sceglie un libro perché vuole leggerlo, studiarlo o collezionarlo. Un sistema automatizzato può invece selezionare un volume sulla base dell’ISBN, dell’anno di pubblicazione, dell’argomento, della lingua o della disponibilità. Non conta necessariamente la fama dell’opera: conta la quantità e la qualità delle informazioni che il testo può aggiungere a una raccolta di dati.

Il valore culturale che rischia di scomparire

Per i librai la situazione presenta un aspetto positivo e uno decisamente più controverso. Da una parte, migliaia di libri difficili da vendere possono finalmente trovare un acquirente e generare ricavi dopo anni trascorsi nei magazzini. Dall’altra, la successiva distruzione delle copie solleva interrogativi sul patrimonio culturale. Un volume fuori catalogo potrebbe avere un valore economico quasi nullo e conservare comunque testimonianze importanti per la storia, la cultura o la ricerca.

La questione non riguarda soltanto la tecnologia. Riguarda anche il modo in cui la società considera la conoscenza nell’epoca digitale. Una volta trasformato un libro in dati, il contenuto può circolare all’interno di sistemi informatici e diventare parte del patrimonio utilizzato da un modello. Ma la copia fisica, con la sua carta, la sua rilegatura, le annotazioni e la sua storia editoriale, può scomparire.

Il paragone con Ray Bradbury e con Fahrenheit 451 nasce proprio da questa contraddizione, anche se le situazioni restano profondamente diverse. Nel romanzo di Ray Bradbury la società distrugge i libri per cancellare la libertà di pensiero e impedire alle persone di conservarne il contenuto. Nella realtà della scansione distruttiva, invece, gli operatori vogliono prima acquisire le informazioni e soltanto dopo eliminare il supporto fisico. Il risultato può comunque lasciare una sensazione inquietante: la conoscenza sopravvive dentro le macchine mentre l’oggetto che l’ha custodita finisce distrutto.

La sfida tra innovazione e tutela dei libri

La crescita dell’intelligenza artificiale renderà probabilmente sempre più importante la disponibilità di grandi archivi testuali. Le aziende dovranno però confrontarsi con il diritto d’autore, con le richieste degli autori e con la necessità di garantire maggiore trasparenza sull’origine dei dati. La corsa alla conoscenza non può infatti ridursi a una semplice questione di quantità: conta anche il modo in cui le informazioni vengono raccolte, utilizzate e conservate.

Gli ordini anomali segnalati dai librai raccontano dunque una trasformazione più ampia. La carta, proprio mentre il mondo sembra aver scelto definitivamente il digitale, torna al centro della corsa tecnologica. I libri dimenticati nei magazzini possono diventare improvvisamente preziosi perché contengono parole che le macchine vogliono imparare. E mentre l’intelligenza artificiale continua ad ampliare la propria capacità di elaborare testi, il vero interrogativo riguarda ciò che resterà degli oggetti da cui quella conoscenza proviene.

A cura di Nora Taylor
Leggi anche: Fisco, nuove lettere in arrivo per autonomi e imprese
Seguici su Facebook e Instagram!