Novo site rastreia se livros foram usados para treinar inteligência artificial

Um novo serviço online promete ajudar quem escreve a descobrir se suas obras foram parar nos bancos de dados piratas usados para treinar inteligência artificial. O site PayAuthors entrou no ar com a proposta de rastrear livros e artigos em bibliotecas paralelas, segundo a Jane Friedman, que noticiou o lançamento em 14 de outubro. A ferramenta cruza o nome do autor com os acervos de sites de download não autorizado.

O serviço mira o rastro deixado por coleções como o Books3, um pacote com mais de 180 mil livros piratas que empresas de tecnologia usaram para alimentar seus modelos de linguagem. A plataforma oferece uma busca gratuita inicial. Nela, o autor digita o próprio nome e o sistema mostra quantas vezes ele aparece nos catálogos de bibliotecas como LibGen e Z-Library, além de apontar quantos desses títulos possuem registro de direitos autorais nos Estados Unidos.

Para quem decide levar o caso à Justiça, o site vende um relatório detalhado por 95 dólares. O documento não é um processo automático nem garante indenização, mas entrega a pesquisa técnica que um advogado precisa para iniciar uma ação. O arquivo lista a impressão digital exata de cada arquivo (o código MD5), o tamanho, o formato, o torrent que o carregou e as datas em que a cópia foi registrada nas plataformas piratas.

A empresa avisa que não representa os autores, não negocia acordos e não fica com nenhuma fatia de possíveis indenizações. O PayAuthors também esclarece que não consegue provar, sozinho, qual empresa de inteligência artificial copiou um arquivo específico. A ligação entre o livro pirateado e a empresa de tecnologia depende de documentos judiciais, alegações formais ou admissões das próprias companhias de que usaram aquele acervo.

No caso do Books3, a varredura do site tenta evitar falsos positivos. Como alguns arquivos do pacote foram listados apenas pelos números de ISBN impressos nas páginas de outros livros — como em seções de obras relacionadas —, o sistema cruza os dados para confirmar se o arquivo de texto daquela obra realmente faz parte do banco de dados usado para treinar as máquinas.