Компанії зі штучного інтелекту можуть знищувати рідкісні книги для навчання своїх моделей
Букіністи б'ють на сполох: фірми зі штучного інтелекту скуповують фізичні книги, включаючи рідкісні та давно не видані видання, а потім розривають їх на частини, щоб швидко й дешево сканувати сторінки.
Ключові моменти
- Компанії зі штучного інтелекту, як повідомляється, скуповують фізичні книги, включаючи рідкісні видання, а потім знищують їх для вилучення тексту з метою навчання моделей.
- Сканування цілісних книг займає більше часу й коштує дорожче, тому їх знищення — найдешевший спосіб отримати великі обсяги якісного тексту.
- Букіністи підозрюють, що ця практика набагато розповсюджена, ніж це висвітлюється в медіа.
- Рідкісні та давно не видані книги, знищені таким чином, можуть бути втрачені назавжди.
- Дослідники та книголюби стверджують, що такого знищення можна уникнути, якщо компанії обиратимуть повільніші й менш шкідливі методи.
Десь прямо зараз книга, що пережила століття, мабуть, пропускається через щепле.
Саме таку невтішну картину малюють букіністи, які, як це вперше повідомила Ars Technica AI, припускають, що компанії зі штучного інтелекту потайки скуповують фізичні книги й потім знищують їх, щоб швидко й дешево сканувати сторінки.
Чому хтось знищував би книгу лише щоб її сканувати?
Проблема в палітурці. Корінець книги утримує сторінки разом у вигляді кривої, що робить рівне, чисте сканування майже неможливим без попереднього розділення. Знищення палітурки, обрізання розпущених сторінок, їх сканування й позбування від залишків відбувається істотно швидше, ніж фотографування цілої книги сторінка за сторінкою.
Швидкість тут має значення, оскільки компанії зі штучного інтелекту перебувають у гонці. Моделі, що лежать в основі таких інструментів як ChatGPT та Claude, називаються великі мовні моделі, навчаються на величезних обсягах тексту. Книги особливо цінні для такого навчання, оскільки містять довгі, ретельно написані прози, набагато багатші за більшість тексту в інтернеті. Спроможність швидко завантажити мільйони сторінок у набір даних для навчання варта грошей, а знищення дешевого паперового видання для цього — простий вибір.
Складніший вибір виникає, коли книга не дешева.
Що з рідкісними чи незамінними книгами?
Ось де історія стає по-справжньому тривожною. Букіністи повідомляють, що покупці, яких, як вважають, наймали компанії зі штучного інтелекту, придбають видання, що включають рідкісні й давно не видані копії. Як тільки ці книги розривають для сканування, фізична копія може і не збереглися.
Оцифрований скан — це не те саме, що збережений артефакт. Сторінки містять власноручні помітки, варіації друку й фізичні докази, які використовують дослідники. Втрата самого предмета означає втрату більш ніж просто слів.
Букіністи також припускають, що масштаб більший за те, що потрапило в публічний простір. Оскільки масові закупівлі книг не підлягають регулюванню й відстеженню способом, що розкривав би мету покупця, повний обсяг важко підтвердити.
Чи мають це волати звичайні читачі?
Так, навіть якщо ви ніколи не відвідували крамницю рідкісних книг. Книги, які сканують, визначають те, що знають інструменти штучного інтелекту й як вони пишуть. Якщо найцінніше, ретельно написане довгоформатне письмо потрапляє в ці моделі без згоди авторів чи видавців, а фізичні копії під час цього зникають, то культурна спадщина й засоби до існування письменників постраждають.
Найжорстокіше те, як указують критики, що все це технічно необов'язково. Існують повільніші методи сканування без ушкоджень. Компанії обирають дешевший шлях.
На що звернути увагу: Якщо ви продаєте букіністичні чи рідкісні книги, будьте уважні до масових покупців, які задають мало питань про стан й не мають інтересу до перепродажу. Незвично великі замовлення читацьких копій давно не виданих видань, оплачені швидко й зібрані партіями, відповідають картині, яку описують букіністи.
