Concebido en 2024 para el entrenamiento de Claude, el Proyecto Panamá se basaba en la premisa de alimentar a los robots con toneladas de libros, físicos, hechos de papel y tinta, para enseñarles “a escribir bien” en lugar de imitar el “lenguaje de baja calidad de internet”.

Cada uno de ellos se escaneaba página por página y se introducía en el gran modelo de lenguaje (LLM) de Anthropic para perfeccionar sus habilidades de escritura. Concretamente, leemos que el proceso utilizaba una “máquina de corte hidráulica” para “cortar con precisión” los millones de libros que recibía de los vendedores de libros usados, y luego escaneaba sus páginas “con escáneres de alta velocidad y calidad profesional”. Después, se contrataba a una empresa de reciclaje para recuperar los volúmenes desmembrados, porque “no había que desperdiciar nada”.

Qué es el Proyecto Panamá

Un plan ingenioso y una cadena de montaje a la inversa que destruye objetos para producir información. Por este motivo, el Proyecto Panamá tuvo que permanecer en secreto: era una práctica destructiva que no contribuía a la buena reputación de la empresa fundada por los hermanos Amodei.

El Washington Post sacó a la luz el proyecto secreto gracias a una serie de documentos que surgieron como parte de una demanda colectiva contra Anthropic, acusada de infringir los derechos de autor de las obras utilizadas para entrenar sus modelos. El caso se resolvió en septiembre pasado con un acuerdo de aproximadamente 1,500 millones de dólares, pero en enero un juez hizo públicos algunos de los documentos del caso, junto con los detalles de una operación que la empresa hubiera preferido mantener en secreto.

Según documentos judiciales, la empresa se centró casi exclusivamente en el mercado de segunda mano para controlar los costos y mantener un perfil bajo. Comenzó con The Strand, una librería histórica de Nueva York, y luego recurrió principalmente a dos minoristas especializados: la estadounidense Better World Books y la británica World of Books. Se desconoce la cantidad total de volúmenes adquiridos, pero el Washington Post estima una cifra de entre quinientos mil y dos millones de volúmenes, comprados a lo largo de unos seis meses a un coste de decenas de millones de dólares.

La historia del Proyecto Panamá evoca una práctica bastante extendida en el ámbito de la inteligencia artificial. Es bien sabido que la mayoría de las grandes empresas del sector han utilizado textos con derechos de autor para entrenar sus modelos, recurriendo generalmente a sitios ilegales, bibliotecas clandestinas que ofrecen acceso a miles de obras digitalizadas. OpenAI y Meta no han ocultado su explotación.

El método pirata

Sin embargo, antes de abordar el tema de los libros físicos, se descubrió que Anthropic también se dedicaba a la piratería. Documentos revelaron que, en 2021, Ben Mann, cofundador de Anthropic, descargó personalmente millones de libros de LibGen. Al año siguiente, Mann elogió un nuevo sitio web llamado Pirate Library Mirror, que afirmaba abiertamente infringir deliberadamente la ley de derechos de autor en la mayoría de los países.

Según la fiscalía, el cambio de metodología, de descargar libros en línea desde sitios ilegales a comprarlos de segunda mano, era una forma de eludir las leyes de derechos de autor, aprovechando un concepto legal conocido como la doctrina de la primera venta, que permite a los compradores disponer libremente de sus compras sin la interferencia del titular. Si bien la destrucción de libros usados ​​por parte de Anthropic se consideró legal, el uso de libros pirateados no lo fue, lo que derivó en un acuerdo extrajudicial de 1,500 millones de dólares.

Artículo originalmente publicado en WIRED Italia. Adaptado por Alondra Flores.