Il progetto di raccogliere ogni libro esistente, immaginato dallo scrittore argentino Jorge Luis Borges nel concetto di “biblioteca totale” e nel racconto “La biblioteca di Babele”, ha assunto una forma concreta e controversa con la diffusione delle biblioteche ombra, archivi digitali che rendono disponibili gratuitamente milioni di opere protette dal diritto d’autore. Strutture come Z-Library e Anna’s Archive, nate per superare le barriere economiche e geografiche nell’accesso alla conoscenza, sono passate dall’essere strumenti utilizzati soprattutto da lettori, studenti e ricercatori a occupare una posizione centrale nell’industria dell’intelligenza artificiale, poiché le enormi raccolte di testi che ospitano rappresentano una fonte particolarmente preziosa per l’addestramento dei modelli linguistici di grandi dimensioni.
Z-Library è stata fondata dai cittadini russi Anton Napolsky e Vladislav Chikhira con l’obiettivo dichiarato di rendere liberamente accessibile ogni libro, arrivando a costruire uno dei più grandi archivi pirata al mondo. Il progetto si finanziava principalmente attraverso piccole donazioni degli utenti e nel 2020 avrebbe generato entrate mensili vicine ai 50.000 dollari, che potevano salire fino a 150.000 durante le campagne annuali di raccolta fondi. Secondo gli amministratori, una parte rilevante delle risorse veniva utilizzata per mantenere un’infrastruttura composta da circa 3.000-5.000 core di elaborazione e diversi petabyte di spazio di archiviazione, oltre che per sostenere il personale tecnico incaricato di garantire il funzionamento e la continua disponibilità del servizio.
Il 21 ottobre 2022 il Dipartimento di Giustizia degli Stati Uniti presentò una denuncia federale contro i responsabili del progetto e il 3 novembre dello stesso anno Napolsky e Valeriia Ermakova, indicata dalle autorità come una delle collaboratrici di Z-Library, furono arrestati in Argentina. Le accuse comprendevano violazione del copyright, frode telematica, associazione finalizzata alla frode e riciclaggio di denaro, mentre gli Stati Uniti avviarono la procedura per ottenere la loro estradizione. I due rimasero agli arresti domiciliari a Córdoba, ma nel maggio 2024 l’iter risultava ancora bloccato, poiché i tribunali argentini avevano richiesto ulteriori informazioni all’FBI e attendevano l’esito della domanda di riconoscimento dello status di rifugiato presentata alla Corte Suprema argentina.
La chiusura dei principali domini di Z-Library si rivelò comunque soltanto un’interruzione temporanea. Dopo circa tre mesi gli amministratori annunciarono il ritorno del servizio attraverso un sistema progettato per rendere più difficile il sequestro centralizzato dei domini. La repressione del progetto contribuì inoltre alla nascita di Anna’s Archive, avviato pochi giorni dopo gli arresti come risposta diretta all’operazione statunitense e strutturato non soltanto come sito di download, ma come sistema globale di conservazione distribuita dei contenuti. L’obiettivo dichiarato è catalogare tutti i libri esistenti, conservarne copie duplicate attraverso infrastrutture decentralizzate e geograficamente distribuite e impedire che possano andare perduti o essere rimossi definitivamente.
Anna’s Archive afferma di avere raccolto circa il 16% di tutti i libri e degli articoli esistenti nel mondo e registra approssimativamente 750.000 download individuali al giorno. A differenza di Z-Library, il progetto non dispone di responsabili pubblicamente identificabili, lascia generalmente senza risposta le azioni legali e rende quindi più complesso individuare persone contro cui presentare mandati di arresto o richieste di estradizione. L’organizzazione accetta apertamente la definizione di archivio pirata e adotta un approccio pragmatico al finanziamento, utilizzando pubblicità, abbonamenti, accessi a maggiore velocità e accordi per la distribuzione di grandi quantità di dati destinate all’addestramento dei sistemi AI.
La crescita dell’intelligenza artificiale generativa ha infatti trasformato gli archivi pirata in una risorsa industriale. Per sviluppare modelli linguistici capaci di produrre testi articolati, rispondere a domande e riprodurre numerosi stili di scrittura, le aziende hanno bisogno di quantità enormi di materiale testuale, e i cataloghi delle biblioteche ombra permettono di acquisire milioni di libri in formati già digitalizzati senza dover negoziare singolarmente licenze con autori ed editori. Le cause giudiziarie avviate negli ultimi anni hanno mostrato che alcune delle più grandi imprese tecnologiche hanno scaricato o utilizzato raccolte provenienti da questi servizi per costruire i dataset impiegati nell’addestramento dei propri modelli.
Anthropic è stata accusata di avere scaricato opere protette da siti pirata e di averle utilizzate per costruire una propria biblioteca digitale interna destinata allo sviluppo di Claude. La società ha raggiunto con autori ed editori un accordo da 1,5 miliardi di dollari, pari a circa 3.000 dollari per ciascuna delle opere comprese nell’intesa, dopo che il tribunale aveva distinto tra l’impiego dei libri per l’addestramento dei modelli, ritenuto in determinate condizioni compatibile con il principio del fair use, e l’acquisizione e la conservazione di copie ottenute illegalmente. Anthropic ha sostenuto che la decisione conferma la legittimità dell’addestramento dell’AI sui libri, mentre il contenzioso ha evidenziato come il metodo utilizzato per procurarsi i materiali possa avere conseguenze giuridiche separate rispetto al loro successivo impiego computazionale.
Documenti emersi nelle cause contro Meta hanno indicato che materiale proveniente dalle biblioteche ombra sarebbe stato utilizzato anche per addestrare i modelli Llama. Alcune comunicazioni interne avrebbero fatto riferimento all’autorizzazione di una persona identificata con le iniziali “MZ”, interpretate da alcuni come un possibile riferimento a Mark Zuckerberg, mentre Meta ha dichiarato di rispettare i diritti di proprietà intellettuale di terze parti e di considerare l’utilizzo delle informazioni per l’addestramento dei modelli coerente con la normativa vigente. Anche Google è stata accusata in un procedimento giudiziario di avere usato dati provenienti da Z-Library per addestrare Gemini, nonostante in precedenza avesse collaborato con le autorità fornendo informazioni utili alle indagini contro il servizio.
Nvidia è stata coinvolta in una causa dalla quale sarebbe emerso che la società aveva avviato contatti con gli amministratori di Anna’s Archive per valutare il trasferimento rapido dell’intero archivio. Un accordo diretto avrebbe evitato i tempi e le limitazioni legati al download ordinario, tra cui captcha, restrizioni sulla velocità e limiti sul numero di file disponibili. Anna’s Archive pubblicizza apertamente grandi pacchetti di dati destinati alle aziende AI e può proporre condizioni commerciali che prevedono l’accesso esclusivo ai materiali per un periodo, per esempio un anno, prima della loro integrazione nell’archivio accessibile al pubblico.
Le biblioteche ombra non presentano la propria attività come semplice pirateria, ma come risposta alle disuguaglianze nell’accesso all’istruzione e alla conoscenza. I loro sostenitori considerano il sistema internazionale del copyright una forma relativamente recente di controllo occidentale e capitalistico, utilizzata soprattutto per estrarre profitti e tutelare gli editori più che gli autori, e osservano che studenti e ricercatori dei Paesi con redditi più bassi possono essere costretti a pagare migliaia di dollari per consultare manuali e pubblicazioni indispensabili. Le autorità e le associazioni editoriali rifiutano invece il termine “biblioteca” e descrivono queste strutture come reti criminali organizzate, sottolineando che la distribuzione indiscriminata di copie illegali riduce le entrate necessarie a finanziare la produzione di nuove opere.
Il conflitto è reso più complesso dalla progressiva riduzione dei redditi degli scrittori e dalla concentrazione del valore economico nelle mani di editori, piattaforme e grandi società tecnologiche. La giustificazione tradizionale del copyright si basa sulla necessità di remunerare chi crea le opere, ma diventa meno convincente quando l’applicazione delle regole non garantisce agli autori un compenso adeguato e, contemporaneamente, aziende dal valore di centinaia di miliardi utilizzano enormi raccolte di testi per costruire servizi commerciali basati sull’AI. Le biblioteche pirata contestano quindi un sistema che limita l’accesso alla conoscenza, mentre le imprese tecnologiche trasformano gli stessi contenuti acquisiti senza licenza in modelli proprietari, abbonamenti e strumenti automatizzati destinati a generare profitto.
La “biblioteca totale” non è più soltanto un’idea letteraria o un archivio destinato alla lettura umana, ma sta diventando la materia prima con cui vengono costruiti i sistemi di intelligenza artificiale. Questa evoluzione apre una disputa che non riguarda esclusivamente la legalità dei download, ma la proprietà della conoscenza, il diritto degli autori a essere remunerati, l’accesso globale all’informazione e la possibilità per le aziende AI di convertire il patrimonio culturale collettivo in infrastrutture commerciali. Il paradosso è che il sogno di rendere disponibili tutti i libri del mondo, nato come progetto di democratizzazione della cultura, rischia ora di fornire gratuitamente i dati necessari alle società più ricche per automatizzare professioni creative, concentrare ulteriore valore economico e vendere sotto forma di servizi proprietari una conoscenza originariamente prodotta da milioni di persone.