Le aziende di AI potrebbero stare distruggendo libri rari per addestrare i loro modelli

Punti chiave

• Le aziende di AI starebbero acquistando libri fisici, inclusi titoli rari, e poi distruggendoli per estrarre testi per l'addestramento dei modelli.
• La scansione di libri rilegati intatti è più lenta e costosa, rendendo la distruzione il percorso più economico per ottenere grandi volumi di testo di alta qualità.
• I librai sospettano che la pratica sia più diffusa di quanto i rapporti attuali mostrino.
• I libri rari e fuori catalogo distrutti in questo modo potrebbero andare persi definitivamente.
• Ricercatori e amanti dei libri affermano che la distruzione è evitabile, se le aziende scelgono metodi più lenti e meno dannosi.

Da qualche parte proprio adesso, un libro che ha resistito un secolo probabilmente sta passando attraverso un tritatutto.

Questo è il quadro scomodo che emerge dai librai i quali, come riportato per la prima volta da Ars Technica AI, sospettano che le aziende di AI stiano tranquillamente acquistando libri fisici e poi distruggendoli per scansionare le pagine velocemente ed economicamente.

Perché qualcuno distruggerebbe un libro solo per scansionarlo?

Il problema è la rilegatura. La schiena di un libro tiene le pagine unite in una curva, il che rende quasi impossibile una scansione piatta e pulita senza smontarla prima. Distruggere la rilegatura, ritagliare le pagine sciolte, scansionarle e gettare via i resti è drammaticamente più veloce che fotografare un libro intatto pagina per pagina.

La velocità è importante qui perché le aziende di AI sono in una corsa. I modelli dietro strumenti come ChatGPT e Claude, chiamati large language model, imparano da enormi quantità di testo. I libri sono particolarmente preziosi per questo addestramento perché contengono prosa lunga e attentamente scritta molto più ricca della maggior parte del testo trovato online. Ottenere milioni di pagine in un dataset di addestramento rapidamente vale denaro, e distruggere un economico tascabile per farlo è una scelta facile.

La scelta più difficile è ciò che accade quando il libro non è economico.

Che dire dei libri rari o insostituibili?

Questo è il punto in cui la storia diventa genuinamente preoccupante. I librai riferiscono che gli acquirenti, ritenuti lavorare per aziende di AI, stanno acquistando titoli che includono copie rare e fuori catalogo. Una volta che questi libri vengono tritati per la scansione, potrebbe non rimanere alcuna copia fisica.

Una scansione digitalizzata non è la stessa cosa di un manufatto sopravvissuto. Le pagine contengono annotazioni marginali, variazioni di stampa ed evidenze fisiche che gli studiosi utilizzano. Perdere l'oggetto significa perdere più che le parole.

I commercianti sospettano anche che la scala sia più ampia di quanto emerso pubblicamente. Poiché gli acquisti di libri in grandi quantità non sono regolamentati o tracciati in modo da rivelare lo scopo dell'acquirente, l'entità completa è difficile da confermare.

I lettori ordinari dovrebbero preoccuparsene?

Sì, anche se non visitate mai un negozio di libri rari. I libri scansionati modellano ciò che gli strumenti di AI conoscono e come scrivono. Se la prosa in forma lunga più preziosa e accuratamente elaborata entra in questi modelli senza il consenso degli autori o degli editori, e le copie fisiche scompaiono nel processo, sia il patrimonio culturale che i mezzi di sussistenza degli scrittori subiscono un colpo.

La parte più crudele, come sottolineano i critici, è che tutto questo non è tecnicamente necessario. Esistono metodi di scansione più lenti e non distruttivi. Le aziende stanno scegliendo il percorso più economico.

Cosa tenere d'occhio: Se vendete libri usati o rari, state attenti agli acquirenti in grandi quantità che fanno poche domande sulle condizioni e non mostrano interesse per la rivendita. Ordini insolitamente grandi di copie di lettura di titoli fuori catalogo, pagati rapidamente e raccolti in massa, rientrano nello schema che i commercianti stanno descrivendo.