Kurzfassung
- Ein in einer großen Buchbestellung versteckter Apple AirTag führte zu einer Untersuchung, die die Lieferung bis zum Amazon-Lager VGT3 in Las Vegas verfolgte.
- Dort schnitten Arbeiter Buchrücken auf, damit Seiten schneller durch einen Scanner laufen, wobei das gedruckte Buch dabei zerstört wird.
- Amazon bestätigte, dass es "Bücher über kommerzielle Kanäle kauft" und sagte, dass der Betrieb zuvor nicht gemeldet worden sei.
KI-Unternehmen scannen Lastwagenladungen von Büchern, manchmal seltene, und zerstören sie dabei oft, um ihre Modelle zu trainieren – und jetzt haben wir eine Vorstellung davon, welche Unternehmen dies tun und wie sie es tun.
Das unabhängige Technologiemedium 404 Media platzierte ein Tracking-Gerät in einer Lieferung seltener Bücher und beobachtete, wie es zu einer Amazon-Einrichtung in Las Vegas gelangte, wo das Unternehmen gedruckte Bücher scannt und zerstört, um KI zu trainieren.
Die Untersuchung, die am Montag veröffentlicht wurde, ist die erste, die öffentlich aufzeigt, wo Massenbuchkäufe im Zusammenhang mit KI-Training landen.
Die letzte Station war das VGT3-Team von Amazon. Mitarbeiter teilten dem Medium mit, dass sie nur massive Lieferungen gedruckter Bücher erhalten und dann die Bindungen abschneiden, damit die Seiten schneller durch einen Scanner laufen können. Das Buch wird dabei zerstört. Das sehr passende Logo des Teams ist ein Dinosaurier, der ein Buch in seinen Klauen hält.
Warum gedruckte Bücher plötzlich gefragt sind
Bücher, die vor 2022 gedruckt wurden, enthalten Texte, die online größtenteils nicht ohne Weiteres verfügbar sind und, entscheidend, nicht maschinengeschrieben sind. Das Training eines Modells mit seiner eigenen Art von Ausgabe riskiert einen "Model Collapse", bei dem die Qualität mit jeder rekursiven Schleife abnimmt.
Papier von vor 2022 ist also sauberer Treibstoff für KI-Training.
Amazon ist nicht der Einzige. Eine Nischenindustrie hat sich gebildet, um KI-Labore mit physischen Büchern zu versorgen, die zerlegt, gescannt und entsorgt werden – die "Fahrenheit 451"-Szene von zerstörten Texten, um Maschinen zu füttern, die Anthurics internes "Projekt Panama" bereits in großem Maßstab durchgeführt hat, indem Millionen von Büchern durch destruktives Scannen digitalisiert wurden.
Dieses Ringen um sauberen Text ist bereits vor Gericht gelandet. Ein Bundesrichter entschied, dass das Training von KI auf legal gekauften Büchern als faire Nutzung gelten kann, ein Teilsieg für Anthropic, den auch Meta und OpenAI für sich beanspruchten. Piratenkopien sind eine andere Sache: Anthropic stimmte einer Einigung über 1,5 Milliarden Dollar wegen gescannter Raubkopien zu, und Salesforce sieht sich nun einer Sammelklage wegen mutmaßlicher Buchpiraterie gegenüber.
Die Amazon-Operation blieb aus einem strukturellen Grund ruhig. Buchhändler bemerkten im vergangenen Jahr einen Anstieg von Massenbestellungen und vermuteten, dass KI-Unternehmen dahintersteckten – die Käufer waren nicht preissensibel und wählten Titel scheinbar zufällig aus. Ihre Bedenken wurden schließlich durch einen AirTag bestätigt, der das Ziel verriet.
Amazon sagte, es "kaufe Bücher über kommerzielle Kanäle, um die Produkte und Dienstleistungen, die unsere Kunden nutzen, zu entwickeln und zu verbessern."
