NVIDIA é processada por usar 500 TB de livros pirateados para treinar IA

A NVIDIA está enfrentando um processo nos Estados Unidos por supostamente ter utilizado 500 terabytes de livros pirateados para treinar seus modelos de inteligência artificial. Documentos apresentados no Tribunal Distrital do Norte da Califórnia indicam que a empresa teria ignorado alertas sobre a ilegalidade do material adquirido no site Anna’s Archive.

Novas evidências mostram que a NVIDIA não apenas buscou ativamente esse conteúdo protegido por direitos autorais, mas também negociou diretamente com os administradores do site para obter “acesso de alta velocidade” ao banco de dados, com o intuito de aprimorar seus modelos proprietários, como o NeMo e Megatron.

Emails internos de 2023 indicam que a decisão de usar esse material ilegal partiu da própria gestão da NVIDIA. Os documentos revelam que a empresa estava sob “pressão competitiva” para competir com o ChatGPT da OpenAI, buscando acelerar o lançamento de seus modelos de linguagem, referidos internamente como “NextLargeLLM”.

Outro ponto preocupante na acusação é que os operadores do Anna’s Archive alertaram claramente a NVIDIA sobre a natureza ilícita do conteúdo, questionando se a empresa tinha autorização interna para essa ação. Mesmo assim, o processo alega que a empresa “deu sinal verde” para o download do material pirata em menos de uma semana após esse aviso.

Além do Anna’s Archive, a queixa também menciona que a NVIDIA utilizou outras fontes conhecidas de pirataria acadêmica, como Bibliotik, LibGen, Sci-Hub e Z-Library. O acervo incluía milhões de livros que, de forma legal, estariam disponíveis apenas em sistemas de empréstimo digital restritos.

Na defesa preliminar, a NVIDIA argumentou que a utilização dos livros para o treinamento de IA seria um “uso justo”, alegando que as obras são apenas utilizadas como base para correlações estatísticas. No entanto, os autores ampliaram as acusações, ressaltando a infração direta e vicária de direitos autorais.

Esse caso remete a uma disputa similar envolvendo a Anthropic, desenvolvedora da IA Claude, também processada por usar obras protegidas em seu treinamento. Embora a Anthropic tenha obtido uma decisão favorável quanto ao uso de livros legalmente adquiridos, um acordo de cerca de US$ 1,5 bilhão foi firmado para encerrar uma disputa relacionada a cópias pirateadas.

O processo contra a NVIDIA segue em andamento, com os escritores buscando compensação pelo uso não autorizado de suas obras na criação de tecnologias comerciais de inteligência artificial.