AI-компанії тихо скуповують рідкісні книги, стикаючись із опором книготорговців.
Якщо ви справді цінуєте старі книги та, можливо, захоплюєтеся тим, як їхні крихкі, пожовклі сторінки містять одні з найперших спроб людей осмислити світ навколо, то заголовки про технологічні компанії, які знищують книги для тренування ШІ, ймовірно, завдадуть болючої рани вашій душі.
Справді, пригнічує уявляти стоси книжкових корінців, що чекають на подрібнювач, тоді як вирвані сторінки обрізають, сканують і викидають. Але це найдешевший і найпростіший спосіб якомога швидше сканувати книги, а AI-компанії змагаються за вдосконалення своїх моделей, тренуючись на захоплюючих, високоякісних текстах великого обсягу, 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 особливо болісним, так це те, що цього можна було б уникнути.
У 2009 році Google запатентувала технологію сканування книг, яка не руйнує їх і яку AI-компанії могли б використовувати для ефективного сканування книг — якби вони були готові сповільнитися та інвестувати в процес. Однак вона не ідеальна; дослідження показали, що викривлення сторінки може спотворювати текст, а сторінки можуть бути пропущені. Як повідомляв Wired, під час швидкої роботи працівників можуть виникати збої, зокрема, невидимі руки, що затуляють сторінки.
Загалом, компроміси у вартості та швидкості можуть не зацікавити AI-компанії, які шукають найдешевший спосіб сканування мільйонів найменувань, і 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 обмеженого поводження, і саме тому ця робота вважається такою людською.
Для AI-компаній, налаштованих на пошук скорочень, метод Internet Archive може здатися майже чужим.
Але якщо ви книголюб, який шукає бальзам, аналізуючи чутки про знищення книг за допомогою ШІ, старий допис 2021 року описує, як Internet Archive сканує книги, щоб уникнути пошкодження навіть найцінніших рідкісних книг. У ньому сканер книг, яка працює в Архіві з 2010 року, Еліза Чжан, запропонувала момент дзен, пояснивши, що їй так подобається сканувати книги «важким шляхом».
Internet Archive пробував автоматизований шлях, зазначено в дописі, навіть тестуючи «комерційні книжкові сканери з вакуумним пристроєм для перегортання сторінок». Але «виявилося, що ці автоматизовані сканери погано працювали з крихкими книгами, рідкісними виданнями та іншими спеціальними колекціями — саме з такими матеріалами наші бібліотечні партнери просять нас оцифрувати», — заявили в Internet Archive.
«Робота вимагає пильної концентрації», — сказала Чжан, оскільки сторінки «дуже старих, крихких книг» «тонкі, як папір». В дописі Андреа Міллс, яка допомагає керувати операціями зі сканування книг в Архіві, пояснила, що «чисті, сухі людські руки — найкращий спосіб перегортати сторінки».
Щоб переконатися, що кожна рідкісна книга проходить 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 відзначає будь-які розгортки, встановлюючи нагадування повернутися та відсканувати 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 розмитим, власне програмне забезпечення Internet Archive зупинить процес і запропонує їй відсканувати її знову. Однак практика робить досконалим, 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 одиниць (переважно книг)», згідно з дописом, з метою гарантувати «нуль помилок».
Ars звернувся до Internet Archive за коментарем, але Кріс Фріланд, директор бібліотечних послуг, заявив, що допис, який детально описує роботу Чжан, «досі є найкращим описом нашого процесу сканування сьогодні».
Допис з’явився після того, як відео зі скануванням книг Чжан набрало 1,5 мільйона переглядів у тодішньому Twitter, супроводжуване підписом, який резонував із книголюбами, обуреними знищенням книг за допомогою ШІ сьогодні.
«В Internet Archive ми оцифровуємо книгу ось так, — сказано в твіті. — Ми ніколи не знищуємо книгу, відрізаючи її корінець. Натомість ми оцифровуємо її важким шляхом — сторінка за сторінкою».
Рідкісні книготорговці повідомляють про підозрілі оптові замовлення
Відтоді, як літній судовий процес 2025 року викрив Anthropic у знищенні мільйонів друкованих книг для тренування своїх AI-моделей, книголюби почали захищати деякі з найцінніших колекцій від того, що здається нескінченним прагненням AI-компаній завантажити всі книги світу у свої великі мовні моделі.
Найбільший страх людей, які хочуть бачити книги збереженими через навчальний процес, полягає в тому, що AI-компанії бездушно пускатимуть під прес рідкісні книги, які ніколи не можна буде замінити.
Як повідомляв The Atlantic минулого тижня, у соціальних мережах «лютували» після двох нещодавніх звітів, які вказували на те, що ШІ вже ставить під загрозу рідкісні книги. Спочатку звіт Telegraph звинуватив Кремнієву долину у знищенні мільйонів рідкісних книг та «подрібненні оригіналів», а потім 404 Media повідомив, що компанія з бази даних книг під назвою ISBNdb рекламувала, що може допомогти AI-компаніям знаходити книги оптом.
Ця негативна реакція була очікуваною, адже ISBNdb, як повідомляється, попереджала своїх клієнтів про погану репутацію. 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 заперечувала це в заявах. Також правда, що деякі AI-компанії допомагають зберігати рідкісні книги. Наприклад, OpenAI та Microsoft співпрацюють із бібліотекарями Гарварду в ініціативі з навчання AI-моделей приблизно на 1 мільйоні книг, що перебувають у суспільному надбанні і датуються 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 важким шляхом, а не просто відрізати корінець і сканувати».
Але не всі переконані, що найбільші AI-компанії щирі у своїх обіцянках зберігати рідкісні книги, навіть якщо авторське право дозволяє їм знищувати копії придбаних книг. Критики в соціальних мережах та Reddit вказували на те, що Маск не сказав, що команда xAI не знищить жодної книги, і незрозуміло, як його компанія визначає «рідкісну» книгу.
Тим часом, рідкісні книготорговці продовжують фіксувати дивні замовлення, усвідомлюючи, що більшість щирих покупців зазвичай шукають окремі книги, а не замовляють великі партії широко різноманітних видань.
Ще вчора ірландська книгарня Kennys повідомила про «божевільне» замовлення на 5 000 незвичайних видань, повідомляє 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 прапором» потенційної участі ШІ, повідомляє Times.
Хоча деякі книготорговці заявили, що можуть отримати короткострокову вигоду від великих замовлень, вони побоюються, що продаж AI-компаніям, які без розбору знищують свої колекції, «може стати підписанням власної смертної кари», повідомляє Times.
Томаш Кенні з Kennys Bookshop розповів Times, що ШІ «тероризує нашу галузь», і він планує відмовляти в замовленнях, які, ймовірно, призначені для навчання ШІ, намагаючись захистити права авторів на їхні твори та доступ читачів до важкодоступних видань.
«Книготорговці часто перебувають на передовій багатьох моральних дилем, політичних та етичних питань. У більшості випадків я не повинен вирішувати, — сказав він. — Однак, якщо вони беруть книгу і сканують її з метою використання інтелектуальної власності, то Kennys не хоче бути частиною цього».
Цілком можливо, що громадський резонанс змусить найбільші компанії прийняти методи, подібні до Internet Archive, які зосереджені як на фізичному, так і на цифровому збереженні рідкісних книг. Але серце щемить уявляти альтернативу, де рідкісні книги стають ще рідкіснішими, особливо для тих, хто любить відчуття тримати стару книгу в руках.
Чжан знає про привабливість рідкісних книг, іноді зупиняючись під час роботи, щоб прочитати частини видань, які вона сканує. На запитання, що їй найбільше подобається в її роботі, Чжан відповіла з тим самим запалом, який відчувають багато книголюбів, блукаючи полицями в таких магазинах, як Kennys.
«Все! Мені все цікаво», — сказала Чжан. «Я не відчуваю, що це нудно. Кожна колекція важлива для мене».
За даними порталу: arstechnica.com