Rzadkie książki trafią do niszczarki po skanowaniu na potrzeby szkolenia AI w Amazonie

Firmy AI skanują ciężarówki książek, czasem rzadkich, i często niszczą je w trakcie, aby trenować swoje modele — a teraz mamy pewne pojęcie, które firmy to robią i jak to robią.

Niezależna publikacja techniczna 404 Media umieściła urządzenie śledzące w przesyłce rzadkich książek i obserwowała, jak trafia do obiektu Amazona w Las Vegas, gdzie firma skanuje i niszczy drukowane książki, aby trenować AI.

Opublikowane w poniedziałek śledztwo jest pierwszym, które publicznie wskazuje, gdzie trafiają masowe zakupy książek związane z trenowaniem AI.

Ostatnim przystankiem był zespół VGT3 firmy Amazon. Pracownicy powiedzieli portalowi, że ich jedynym zadaniem jest przyjmowanie ogromnych dostaw drukowanych książek, a następnie odcinanie opraw, aby strony szybciej przechodziły przez skaner. Książka zostaje zniszczona w tym procesie. Bardzo trafnym logo zespołu jest dinozaur trzymający książkę w szponach.

Dlaczego drukowane książki nagle cieszą się popytem

Książki wydane przed 2022 rokiem zawierają tekst, który w większości nie jest łatwo dostępny w internecie i, co kluczowe, nie jest napisany przez maszynę. Trenowanie modelu na własnym rodzaju wyników grozi "załamaniem modelu", gdzie jakość pogarsza się z każdą rekurencyjną pętlą.

Tak więc papier sprzed 2022 roku jest czystym paliwem do trenowania AI.

Amazon nie jest jedyny. Powstał przemysł chałupniczy, który dostarcza laboratoriom AI fizyczne książki, które są rozbierane, skanowane i wyrzucane – scena "Fahrenheit 451" tekstów niszczonych, aby nakarmić maszyny, którą wewnętrzny "Projekt Panama" Anthropica już prowadził na dużą skalę, digitalizując miliony książek poprzez niszczące skanowanie.

Ta walka o czysty tekst trafiła już do sądu. Sędzia federalny orzekł, że szkolenie AI na legalnie zakupionych książkach może kwalifikować się jako dozwolony użytek, co jest częściowym zwycięstwem dla Anthropic, które Meta i OpenAI również sobie przypisali. Pirackie kopie to inna sprawa: Anthropic zgodził się na ugodę w wysokości 1,5 miliarda dolarów w związku ze skanowanymi pirackimi tytułami, a Salesforce stoi teraz w obliczu pozwu zbiorowego w związku z rzekomym piractwem książkowym.

Operacja Amazona pozostała cicha z przyczyn strukturalnych. Księgarze zauważyli wzrost zamówień hurtowych w ciągu ostatniego roku i podejrzewali, że stoją za nimi firmy AI – kupujący nie byli wrażliwi na cenę i wybierali tytuły pozornie losowo. Ich obawy zostały ostatecznie potwierdzone przez AirTag, który ujawnił miejsce przeznaczenia.

Amazon powiedział, że „kupuje książki kanałami komercyjnymi, aby pomóc w opracowywaniu i ulepszaniu produktów i usług, z których korzystają nasi klienci”.