Команда Amazon використовує зображення тиранозавра, який готується поглинути книгу, як свій логотип.
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. Однак довести це було складно. Тепер, як повідомляє 404 Media, AirTag, захований у рідкісній книзі, виявив, що принаймні один технологічний гігант, прагнучи розвивати свої передові моделі, стоїть за деякими з цих оптових замовлень: 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 згодом було відстежено до об’єкта Amazon для тренування ШІ в Лас-Вегасі. Там команда знімала книги зі своїх палітурок та сканувала сторінки, як повідомляє 404 Media. Зважаючи на зростаючий суспільний резонанс щодо знищення книг шляхом сканування, логотип на дверях складу цієї команди, VGT3, зображував тиранозавра, який готувався поглинути книгу, як задокументувало 404 Media.
Amazon ухиляється від коментарів
Amazon відмовився коментувати висновки 404 Media, надавши Ars Technica ту саму заяву, що й 404 Media, в якій не згадується тренування ШІ.
«Amazon купує книги через комерційні канали для розробки та вдосконалення продуктів і послуг, якими користуються наші клієнти», — йдеться в заяві Amazon.
Однак Amazon розробляє те, що вважає передовими моделями ШІ, які потребують величезного обсягу унікальних навчальних даних, щоб залишатися конкурентоспроможними з провідними компаніями, такими як Google, OpenAI або Anthropic. Наразі компанії ретельно охороняють свої навчальні дані, щоб уникнути втрати переваги. Тренування моделей на текстах рідкісних книг, які важко знайти, здавалося б, надало б перевагу Amazon, особливо враховуючи, що конкуренти, такі як Anthropic і xAI, публічно заявили, що не тренуються на рідкісних або старовинних книгах.
Крім того, схоже, що Amazon потребував нового джерела оригінального тексту. 404 Media відзначило обговорення на онлайн-форумах, де працівники VGT3 припускали, що на початку цього року Amazon зіткнувся з браком книг для сканування. Дефіцит був настільки тривожним, що вони побоювалися закриття складу, якщо Amazon не зможе знайти більше книг для сканування. За словами працівників, в один момент постачання повністю вичерпалося. Однак, як повідомляє 404 Media, об’єкт все ще функціонує. І тепер підтверджено, що оптові замовлення рідкісних книг, доставлені туди, систематично знищуються цією командою.
Багато книголюбів жахаються знищення книг через сканування (оскільки існує альтернатива). Один із затятих критиків, Майкл Беррі, навіть назвав цю практику «злом у його чистому вигляді». Однак працівники Amazon повідомляли на форумах, що вважають цю роботу «приємною» можливістю для тих, хто прагне до монотонної роботи з гнучким графіком.
Тривають дебати щодо рідкісних книг
Окрім того, що рідкісні твори, які цінують книготорговці, пожираються 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 року історичних продажів книготорговці підозрювали, що компанії, що займаються ШІ, націлюються на книги з ISBN (міжнародними стандартними книжковими номерами), щоб забезпечити найвищий обсяг унікальних творів у наборах навчальних даних. Огляд онлайн-обговорень працівників Amazon, проведений 404 Media, вказує на те, що вони були навчені сканувати штрих-коди або ISBN перед скануванням книг. Ця практика, як повідомляє 404 Media, «надає більшої достовірності» 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 знищення шляхом сканування, як це робить Amazon, створює етичну дилему. Вони знають, як оцінювати широкий спектр рідкісних книг, щоб визначити їхню цінність, а компанії ШІ, схоже, пропускають цей крок, полюючи на недорогі, унікальні ISBN для заповнення своїх списків.
Наразі книги, які компанії ШІ, очевидно, скуповують, не обов’язково є такими бажаними першими виданнями відомих творів, які зазвичай цінуються досить високо. Натомість, компанії ШІ часто націлюються на старіші книги з нижчою грошовою вартістю, наприклад, книги, які ніколи не були перекладені з іноземної мови, яка сьогодні не є широко поширеною, 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 не враховують, повідомив книготорговець, який розмістив AirTag, 404 Media. Цінність рідкісної книги може походити з «усіхляких речей», які «компанії ШІ не цікавлять. Їм потрібен лише контент як набір слів, зв’язаних разом».
Користувачі Reddit висловлюються
На Reddit деякі шанувальники книг обговорювали, наскільки проблематично, що компанії знищують рідкісні книги для тренування ШІ, особливо враховуючи, що, як повідомляє BBC, деякі з цих книг десятиліттями стояли на полицях книготорговців, збираючи пил.
«Ти все одно не збирався купувати ту стару паперову книгу», — прокоментував один з користувачів Reddit у відповідь на пост, в якому скаржилися, що «незрозуміла книга 1700 року тепер є музейним експонатом і може розкрити повсякденні речі, яких ми не знали».
У цій гілці обговорення автор теми зазначив, що справжньою проблемою є те, що крихітні деталі і навіть великі історичні висновки, які можна отримати з перегляду рідкісних книг, будуть втрачені через жадібність ШІ. 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 поділився подібними побоюваннями. Хоча люди можуть посперечатися з тим, хто стверджує, що тренування ШІ на цих творах зробить усе знання, що міститься в роботі, більш доступним онлайн, коментатор припустив, натомість, що моделі ШІ надаватимуть лише «спотворені, цензуровані та закриті для доступу фрагменти ідей» із забутих творів.
«Навіть якщо вам подобаються технології, ви можете визнати, що концепція ШІ, який буквально поглинає книги, щоб стати потужнішим, є досить антиутопічною», — сказав хтось інший у цій гілці.
Деякі книготорговці погоджуються, що не кожен текст потребує збереження, як повідомляє BBC. Однак шотландський книготорговець Дерек Вокер сказав BBC, що компанії ШІ повинні прагнути розрізняти твори, які не будуть сильно пропущені — наприклад, маловідомі академічні тексти, які технічно можуть бути рідкісними — та маловідомі старовинні твори, які можуть бути «єдиним відомим прикладом видання, що збереглося».
«Це була б набагато серйозніша проблема, якби такий твір був придбаний для знищення, проіснувавши так довго», — сказав Вокер.
Для компаній ШІ, які охороняють свої навчальні дані та використовують служби, що маскують їхню ідентичність як покупців, ймовірно, мало 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 більш ризикованим, ніж можливий удар по репутації, якщо коли-небудь буде доведено, що цінне перше видання було знищене в ім’я розвитку ШІ.
Оригінал статті: arstechnica.com