Компанії, що займаються розробкою ШІ, тихо скуповують рідкісні книги, викликаючи опір з боку книготорговців.
Якщо ви справді цінуєте стару книгу та, можливо, навіть дивуєтеся, як її крихкі, пожовклі сторінки містять одні з найдавніших спроб людей осягнути світ навколо, то заголовки про технологічні компанії, які знищують книги для навчання ШІ, ймовірно, завдають болючої рани вашій душі.
Справді, гнітить уявити купи книжкових обкладинок, що чекають, щоб їх пропустили через подрібнювач, тоді як вирвані сторінки обрізають, сканують і викидають. Але це найдешевший і найпростіший спосіб якнайшвидше оцифрувати книги, а компанії ШІ змагаються за вдосконалення своїх моделей, навчаючись на захопливих, високоякісних довгих текстах, які можна знайти лише в книгах. Тому книголюби побоюються, що ця практика відбувається в більших масштабах, ніж повідомляється зараз, і що деякі фізичні копії книг будуть втрачені назавжди.
Однак, що робить це знищення ще боліснішим, так це те, що цього можна уникнути.
Google запатентував технологію безпечного сканування книг ще у 2009 році, яку компанії ШІ могли б використовувати для ефективного сканування книг — якби вони були готові сповільнитися та інвестувати в цей процес. Однак вона не ідеальна; дослідження показали, що викривлення сторінки може спотворювати текст, а деякі сторінки можуть бути пропущені. Як повідомляв Wired, збої можуть виникати, коли працівники рухаються надто швидко, зокрема, коли «розрізнені руки» затуляють сторінки.
Загалом, компроміси у вартості та швидкості можуть не приваблювати компанії ШІ, які шукають найдешевший спосіб сканувати мільйони найменувань, а метод Google може бути не найкращим для роботи з рідкісними книгами. Internet Archive, який допомагає бібліотекам зберігати старі колекції, давно розуміє, що сканування старих текстів вимагає часу та уваги для обмеження обробки, і саме тому вважається такою «людською» роботою.
Для компаній ШІ, які прагнуть знайти короткі шляхи, метод Internet Archive може здатися майже незбагненним.
Але якщо ви книголюб, який шукає полегшення, переглядаючи чутки про знищення книг за допомогою ШІ, старий допис 2021 року описує, як Internet Archive сканує книги, щоб уникнути пошкодження навіть найцінніших рідкісних видань. У ньому сканер книг, який працює в Архіві з 2010 року, Еліза Чжан, запропонувала момент спокою, пояснивши, що їй так подобається «складно» сканувати книги.
Internet Archive справді намагався автоматизувати процес, зазначалося в дописі, навіть тестуючи «комерційні книжкові сканери з вакуумним маніпулятором для перегортання сторінок». Але «виявилося, що ці автоматизовані сканери погано справляються з крихкими книгами, рідкісними томами та іншими спеціальними колекціями — саме з тим матеріалом, який наші бібліотечні партнери просять нас оцифрувати», — заявили в Internet Archive.
«Робота вимагає гострої концентрації», — сказала Чжан, оскільки сторінки «дуже старих, крихких книг» «тонкі, як папір». В дописі Андреа Міллс, яка керує операціями зі сканування книг в Архіві, пояснила, що «чисті, сухі людські руки — це найкращий спосіб перегортати сторінки».
Щоб гарантувати, що кожна рідкісна книга проходитиме процес сканування лише один раз, Чжан не поспішає. Вона обережно піднімає скло сканера за допомогою педалі щоразу, коли перегортає сторінку, потім налаштовує камери та переконується, що сторінка читабельна. Вона також зазначає будь-які розгортки, встановлюючи нагадування, щоб повернутися та сканувати вставки, щоб бонусні матеріали не були втрачені під час документування основних сторінок роботи.
Весь цей час вона розуміє, що якщо сторінка буде пропущена або зображення буде надто розмите, власне програмне забезпечення Internet Archive зупинить процес і попросить її сканувати її знову. Однак практика веде до досконалості, і вона повідомляє про низький рівень помилок після більш ніж десятиліття пошуку ритму в роботі.
На той час Чжан відсканувала «понад 3 мільйони сторінок, 14 000 розгорток та 18 000 елементів (переважно книг)», з метою гарантувати «нуль помилок», — йдеться в дописі.
Ars звернувся до Internet Archive за коментарем, але Кріс Фріленд, директор бібліотечних служб, сказав, що допис, який детально описує роботу Чжан, «досі є найкращим описом нашого процесу сканування сьогодні».
Допис з’явився після того, як відео сканування книг Чжан набрало 1,5 мільйона переглядів у тодішньому Twitter, супроводжуване підписом, який резонував з книголюбами, обуреними знищенням книг за допомогою ШІ.
«В Internet Archive ми оцифровуємо книгу так, — сказав твіт. — Ми ніколи не знищуємо книгу, відрізаючи її палітурку. Натомість ми оцифровуємо її складним шляхом — сторінка за сторінкою».
Рідкісні книготорговці повідомляють про підозрілі оптові замовлення
Відтоді, як позов влітку 2025 року викрив компанію Anthropic у знищенні мільйонів друкованих книг для навчання своїх моделей ШІ, книголюби стали на захист найцінніших колекцій від того, що здається нескінченним прагненням компаній ШІ «згодувати» всі книги світу своїм великим мовним моделям.
Найбільший страх у людей, які хочуть бачити книги збереженими через процес навчання, полягає в тому, що компанії ШІ безжально перероблятимуть на папір рідкісні книги, які ніколи не можна буде замінити.
Як повідомляв The Atlantic минулого тижня, соціальні мережі «бушували» після двох нещодавніх повідомлень, які свідчили про те, що ШІ вже ставить під загрозу рідкісні книги. По-перше, у звіті Telegraph звинувачували Кремнієву долину у знищенні мільйонів рідкісних книг та «шредеруванні оригіналів», а потім 404 Media повідомив, що компанія, яка займається базами даних книг, ISBNdb, рекламувала, що може допомогти компаніям ШІ знаходити книги оптом.
Цей негативний резонанс був передбачуваним, оскільки ISBNdb, за повідомленнями, попереджала своїх клієнтів про поганий імідж. Anthropic почала використовувати кодову назву — «Project Panama» — для свого руйнівного сканування книг, намагаючись приховати це від громадськості.
Немає жодних доказів того, що Anthropic коли-небудь знищувала рідкісні книги, і компанія заперечила це в заявах. Також правда, що деякі компанії ШІ допомагають зберігати рідкісні книги. OpenAI та Microsoft, наприклад, співпрацюють з бібліотекарями Гарварду над ініціативою з навчання моделей ШІ на приблизно 1 мільйоні книг, що перебувають у суспільному надбанні, датуючих XV століттям. Інші, зокрема xAI Ілона Маска, публічно заявили, що не знищуватимуть рідкісні книги для навчання ШІ. У дописі на X Маск сказав, що «попросив команду SpaceXAI зберегти будь-які рідкісні книги в бібліотеці та сканувати їх складним шляхом, а не просто відрізати палітурку та сканувати».
Але не всі переконані, що найбільші компанії ШІ щирі у своїх обіцянках зберегти рідкісні книги, навіть якщо авторське право дозволяє їм знищувати копії книг, які вони придбали. Критики в соціальних мережах і Reddit вказали, що Маск не сказав, що команда xAI не знищить жодної книги, і незрозуміло, як його компанія визначає «рідкісну» книгу.
Тим часом, рідкісні книготорговці продовжують повідомляти про дивні замовлення, розуміючи, що більшість щирих покупців шукають окремі книги, а не замовляють великі партії різноманітних видань.
Ще вчора ірландська книгарня Kennys повідомила про «божевільне» замовлення на 5 000 рідкісних видань, як повідомила The Irish Times. На відміну від оптових замовлень від університетів чи великих бібліотек, це замовлення здалося підозрілим, оскільки покупець не намагався торгуватися щодо ціни — що тепер стало очевидним «червоним прапорцем» про потенційну причетність ШІ, повідомляє Times.
Хоча деякі книготорговці заявили, що можуть отримати короткострокову вигоду від великих замовлень, вони побоюються, що продаж компаніям ШІ, які безрозбірно знищують їхні колекції, «може підписати їм смертний вирок», — повідомляє Times.
Томаш Кенні з Kennys Bookshop сказав Times, що ШІ «тероризує нашу галузь», і він планує відмовляти замовлення, які, ймовірно, призначені для навчання ШІ, щоб захистити права авторів на їхні твори та доступ читачів до важкодоступних видань.
«Книготорговці, як правило, перебувають на передовій багатьох моральних дилем, політичних та етичних питань. У більшості випадків це не мені вирішувати», — сказав він. «Однак, якщо вони беруть книгу та сканують її з метою вилучення інтелектуальної власності, тоді Kennys не хоче бути частиною цього».
Цілком можливо, що громадський резонанс змусить найбільші компанії застосувати методи, подібні до Internet Archive, які зосереджуються як на збереженні рідкісних книг фізично, так і в цифровому вигляді. Але серце розривається уявляти альтернативу, де рідкісні книги стають ще рідкіснішими, особливо для тих, хто любить відчуття тримання старої книги в руках.
Чжан знає про привабливість рідкісних книг, іноді зупиняючись у роботі, щоб прочитати частини видань, які вона сканує. На запитання, що їй найбільше подобається в роботі, Чжан відповіла з тим самим ентузіазмом, який відчувають багато книголюбів, гортаючи полиці в таких магазинах, як Kennys.
«Все! Мені все цікаво», — сказала Чжан. «Я не вважаю це нудним. Кожна колекція для мене важлива».
Дізнатися більше на: arstechnica.com