Компании в сфере ИИ могут уничтожать редкие книги для обучения своих моделей
Книготорговцы бьют тревогу: фирмы, занимающиеся ИИ, скупают физические книги, включая редкие и снятые с печати издания, а затем измельчают их, чтобы быстро и дешево отсканировать страницы.
Ключевые моменты
- По сообщениям, компании ИИ покупают физические книги, включая редкие издания, а затем уничтожают их, чтобы извлечь текст для обучения моделей.
- Сканирование целых переплетённых книг медленнее и дороже, поэтому уничтожение — самый дешёвый способ получить большие объёмы высококачественного текста.
- Книгопродавцы подозревают, что масштабы этой практики намного больше, чем показывает текущая информация.
- Редкие и снятые с печати книги, уничтоженные таким образом, могут быть потеряны навсегда.
- Исследователи и любители книг говорят, что такое уничтожение можно избежать, если компании выберут более медленные и щадящие методы.
Где-то прямо сейчас книга, пережившая век, вероятно, пропускается через щепорез.
Такую тревожную картину рисуют книгопродавцы, которые, как первыми сообщило издание Ars Technica AI, подозревают, что компании ИИ тихо скупают физические книги, а затем уничтожают их, чтобы быстро и дешево отсканировать страницы.
Зачем кому-то уничтожать книгу только для того, чтобы её отсканировать?
Проблема в переплёте. Корешок книги удерживает страницы вместе в изогнутом виде, что делает плоское, качественное сканирование почти невозможным без предварительного разделения. Разрушение переплёта, обрезание отдельных страниц, их сканирование и утилизация обрезков — это несравнимо быстрее, чем фотографировать целую книгу постранично.
Скорость здесь имеет значение, потому что компании, разрабатывающие ИИ, находятся в гонке. Модели, лежащие в основе таких инструментов, как ChatGPT и Claude, называемые большими языковыми моделями, обучаются на огромных объёмах текста. Книги особенно ценны для такого обучения, так как содержат длинный, тщательно написанный текст, намного более богатый, чем большинство текстов в интернете. Получить миллионы страниц в набор данных для обучения быстро — это рентабельно, и уничтожить дешёвую мягкую обложку для этого — простой выбор.
Сложнее, когда книга дорогая.
Что с редкими или уникальными книгами?
Здесь история становится по-настоящему тревожной. Книгопродавцы сообщают, что покупатели, предположительно работающие на компании ИИ, приобретают редкие и снятые с печати издания. Как только эти книги измельчаются для сканирования, физическая копия может исчезнуть навсегда.
Оцифрованное сканирование — это не то же самое, что сохранившийся артефакт. На страницах есть маргиналии, варианты печати и физические свидетельства, которые используют учёные. Потеря самого объекта означает потерю большего, чем просто слова.
Торговцы также подозревают, что масштабы больше, чем то, что стало известно публике. Так как массовые покупки книг не регулируются и не отслеживаются таким образом, чтобы выявить цель покупателя, полный объём сложно подтвердить.
Должны ли об этом беспокоиться обычные читатели?
Да, даже если вы никогда не посещаете магазин редких книг. Книги, которые сканируют, определяют, что знают инструменты ИИ и как они пишут. Если самые ценные, тщательно созданные длинные тексты попадают в эти модели без согласия авторов или издателей, а физические копии исчезают в этом процессе, то пострадают как культурное наследие, так и доход писателей.
Самое жестокое, как отмечают критики, — всё это технически не является необходимостью. Существуют более медленные, неразрушающие методы сканирования. Компании выбирают более дешёвый путь.
На что обратить внимание: Если вы продаёте подержанные или редкие книги, будьте бдительны в отношении оптовых покупателей, которые задают мало вопросов о состоянии и не проявляют интереса к перепродаже. Необычно крупные заказы чтения копий снятых с печати изданий, оплаченные быстро и собранные оптом, соответствуют схеме, которую описывают торговцы.
