Логотипом команди Amazon є тиранозавр рекс, що готується поглинути книгу.
Протягом останнього року книготорговці підозрювали, що компанії, які займаються штучним інтелектом (ШІ), скуповують великі партії рідкісних книг, а потім знищують їх після сканування для навчання ШІ. Довести це було складно, але тепер, як повідомляє 404 Media, AirTag, захований у рідкісній книзі, показав, що принаймні один технологічний гігант, який прагне розвивати свої передові моделі, стоїть за деякими оптовими замовленнями: Amazon.
У понеділок 404 Media повідомило, що зв’язалося з книготорговцем, який погодився помістити AirTag у рідкісну книгу, що була частиною оптового замовлення. Цей AirTag було відстежено до тренувального центру Amazon AI у Лас-Вегасі, де працювала команда, що займалася вириванням книг із палітурок та скануванням сторінок, як повідомила 404 Media. На дверях складу цієї команди, VGT3, було зображено тиранозавра рекса, що готується поглинути книгу — очевидно, ігноруючи зростаюче обурення щодо руйнівного сканування книг, зазначила 404 Media.
Amazon відхиляє звинувачення
Amazon відмовився коментувати висновки 404 Media, надавши Ars лише ту саму заяву, яку вони надали 404 Media, де конкретно не згадується тренування ШІ.
«Amazon купує книги через комерційні канали для розробки та покращення продуктів і послуг, якими користуються наші клієнти», — йдеться в заяві Amazon.
Однак Amazon розробляє те, що вони вважають передовими моделями ШІ, які потребують величезної кількості унікальних даних для навчання, щоб залишатися конкурентоспроможними з провідними компаніями, такими як Google, OpenAI або Anthropic. Наразі компанії ретельно охороняють свої тренувальні дані, щоб уникнути втрати переваги. А навчання моделей на текстах рідкісних, важкодоступних книг, здавалося б, дасть Amazon перевагу, особливо враховуючи, що конкуренти, такі як Anthropic та xAI, публічно заявили, що не тренують свої моделі на рідкісних чи антикварних книгах.
Більше того, схоже, Amazon потребував нового джерела оригінальних текстів. 404 Media звернуло увагу на обговорення на онлайн-форумах, де працівники VGT3 припускали, що на початку цього року Amazon відчував нестачу книг для сканування. Дефіцит був настільки тривожним, що вони хвилювалися, що склад може бути закритий, якщо Amazon не зможе знайти більше книг для сканування. За словами працівників, у певний момент запас повністю вичерпався. Але об’єкт досі функціонує, повідомила 404 Media. І тепер підтверджено, що оптові замовлення рідкісних книг, які доставляються туди, систематично знищуються цією командою.
Багато книголюбів жахаються руйнівного сканування книг (оскільки існує альтернатива), а один завзятий критик, Майкл Беррі, навіть назвав цю практику «злом у чистому вигляді». Однак працівники Amazon повідомляли на форумах, що вони вважають цю роботу «чудовою» можливістю для тих, хто шукає одноманітну роботу з гнучким графіком.
Триває дискусія щодо рідкісних книг
Крім того, що рідкісні твори, які цінують книготорговці, «пережовуються» та «ковтаються» машиною ШІ Amazon, 404 Media припустило, що їхнє розслідування допомогло підтвердити ще одну теорію книготорговців щодо того, чому компанії, що займаються ШІ, можуть замовляти певні рідкісні книги, а не інші.
Після історичного року продажів книготорговці підозрювали, що компанії, які займаються ШІ, націлювалися на книги з ISBN-номерами, щоб забезпечити максимальний обсяг унікальних творів у наборах даних для навчання. Огляд Amazon-працівниками онлайн-дискусій, проведений 404 Media, показав, що їх навчали сканувати штрих-коди або ISBN перед скануванням книг. Ця практика, як повідомила 404 Media, «надає додаткової ваги» теорії книготорговців про те, що «компанії ШІ намагаються методично сканувати кожну друковану книгу у світі, працюючи за списком ISBN».
Для книготорговців гроші можуть бути хорошими, але ризик того, що їхні ретельно зібрані колекції будуть призначені для руйнівного сканування, як у Amazon, створює етичну дилему. Вони знають, як оцінити широкий спектр рідкісних книг, щоб визначити їхню цінність, а компанії ШІ, здається, пропускають цей крок у пошуках недорогих, унікальних ISBN для своїх контрольних списків.
Наразі книги, які компанії ШІ, очевидно, скуповують, не обов’язково є такими ж цінними першими виданнями знаменитих творів, які зазвичай оцінюються досить високо. Натомість компанії ШІ часто обирають старіші книги з нижчою грошовою вартістю, наприклад, книги, які ніколи не були перекладені з іноземної мови, що сьогодні не широко використовується, або книги, які ніколи не були достатньо популярними, щоб отримати широке розповсюдження.
Однак ці твори все ще можуть мати «історичну цінність, інтелектуальну цінність, сентиментальну цінність», які компанії ШІ пропустили, розповів книготорговець, який встановив AirTag, 404 Media. Цінність рідкісної книги може походити від «усіляких речей», які «компанії ШІ не турбують. Їм потрібен лише вміст як купа слів, пов’язаних між собою».
Користувачі Reddit висловлюються
На Reddit деякі шанувальники книг обговорювали, наскільки проблематично, що компанії знищують рідкісні книги для навчання ШІ, особливо враховуючи, що, як повідомив BBC, деякі з цих книг роками стояли на полицях книготорговців, збираючи пил.
«Ти не збирався купувати ту стару паперову книгу», — прокоментував один користувач Reddit у відповідь на допис, що оплакує, що «незрозуміла книга 1700-х років тепер є музейним експонатом і може розкрити повсякденні речі, про які ми не знали».
У цій гілці оригінальний автор допису зазначив, що справжньою проблемою є втрата для ШІ дрібних деталей і навіть важливих історичних знань, які можна отримати, переглядаючи рідкісні книги. Компанії ШІ «ніколи не ділитимуться вмістом» книг, які вони сканують, сказав автор, «оскільки вони не хочуть, щоб хтось інший міг тренувати свій ШІ» на тих самих творах.
«Це схоже на пропаганду від тих, хто ненавидить ШІ», — заперечив інший користувач Reddit, але наступний коментатор висловив подібні побоювання. Хоча люди можуть сперечатися з тим, хто стверджує, що навчання ШІ на цих творах зробить усі знання, що містяться в роботі, більш доступними в Інтернеті, коментатор запропонував натомість, що моделі ШІ надаватимуть лише «спотворені, цензуровані та платні фрагменти ідей» із забутих творів.
«Навіть якщо ви любите технології, ви можете визнати, що концепція ШІ, який буквально пожирає книги, щоб стати потужнішим, є досить антиутопічною», — сказав хтось інший у гілці.
Деякі книготорговці погоджуються, що не кожен текст потрібно зберігати, повідомив BBC. Однак шотландський книготорговець Дерек Вокер розповів BBC, що компанії ШІ повинні прагнути розрізняти твори, які не будуть сильно пропущені — такі як маловідомі академічні тексти, які технічно можуть бути рідкісними — та менш відомі антикварні твори, які можуть бути «єдиним відомим збереженим прикладом видання».
«Це було б набагато серйознішою проблемою, якби такий твір було куплено для знищення, проіснувавши так довго», — сказав Вокер.
Для компаній ШІ, які охороняють свої тренувальні дані та використовують послуги, що маскують їхню особу як покупців, ймовірно, є невелике бажання обговорювати свої оптові закупівлі безпосередньо з книготорговцями. Дозвіл книготорговцям висловлювати свою думку щодо творів, які вони планують включити до своїх моделей, вимагав би рівня прозорості, який може здатися ризикованішим, ніж можливий удар по репутації, якщо коли-небудь буде доведено, що цінне перше видання було знищене в ім’я розвитку ШІ.
Інформація підготовлена на основі матеріалів: arstechnica.com