Логотип команди Amazon – це тиранозавр, що готується пожирати книгу.
Протягом останнього року книготорговці підозрювали, що компанії, які займаються розробкою ШІ, скуповують великі партії рідкісних книг, а потім знищують їх після сканування для навчання штучного інтелекту. Однак довести це було складно, доки видання 404 Media не повідомило, що Airtag, захований у рідкісній книзі, виявив, що за деякими оптовими замовленнями стоїть один із технологічних гігантів, який прагне вдосконалити свої передові моделі: Amazon.
У понеділок 404 Media розкрило, що зв’язалося з книготорговцем, який погодився вставити Airtag у рідкісну книгу, що входила до оптового замовлення. Цей Airtag відстежили до потужності Amazon для тренування ШІ в Лас-Вегасі, де розміщувалася команда, яка займалася вириванням книг з обкладинок і скануванням сторінок, як повідомило 404 Media. Очевидно, не помічаючи наростаючої критики щодо знищення книг шляхом сканування, логотип на дверях складу цієї команди, VGT3, зображав тиранозавра, який готувався пожирати книгу, задокументувало 404 Media.
Amazon відхиляє звинувачення
Amazon відмовився коментувати висновки 404 Media, надавши Ars ту саму заяву, яку надали 404 Media, яка не згадує тренування ШІ безпосередньо.
«Amazon купує книги через комерційні канали для розробки та вдосконалення продуктів і послуг, якими користуються наші клієнти», — зазначено в заяві Amazon.
Однак Amazon розробляє те, що вважає передовими моделями ШІ, які потребують величезної кількості 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 із рідкісних книг, які важко знайти, здавалося б, надасть перевагу Amazon, особливо враховуючи, що конкуренти, як-от Anthropic та xAI, публічно заявили, що не тренуються на рідкісних чи антикварних книгах.
Крім того, схоже, Amazon потребував нового джерела оригінальних текстів. 404 Media виявило обговорення на онлайн-форумах, де працівники VGT3 припускали, що на початку цього року Amazon мав дефіцит книг для сканування. Дефіцит був настільки тривожним, що вони боялися закриття складу, якщо Amazon не зможе знайти більше книг для сканування. В один момент запас повністю вичерпався, повідомили працівники. Однак об’єкт досі функціонує, як повідомляє 404 Media. Тепер підтверджено, що оптові замовлення рідкісних книг, які доставляються туди, систематично знищуються цією командою.
Багато книголюбів шоковані методом знищення книг шляхом сканування (оскільки існує альтернатива), а один затятий критик, Майкл Беррі, навіть назвав цю практику «втіленням зла». Однак працівники Amazon повідомляли на форумах, що вважають цю роботу «приємною» можливістю для тих, хто шукає рутинну роботу з гнучким графіком.
Триває дебати щодо рідкісних книг
Окрім того, що рідкісні твори, які цінують книготорговці, поглинаються машиною ШІ Amazon, 404 Media припускає, що їхнє розслідування допомогло зміцнити іншу теорію книготорговців щодо того, чому компанії, що займаються ШІ, можуть замовляти певні рідкісні книги, а не інші.
Після, як повідомляється, історичного року продажів, книготорговці підозрювали, що компанії, що займаються ШІ, націлюються на книги з ISBN-номерами, щоб забезпечити максимальний обсяг унікальних творів у наборах навчальних даних. Огляд 404 Media обговорень працівників Amazon в онлайн-дискусіях показав, що вони були навчені сканувати штрих-коди або ISBN перед скануванням книг. Ця практика, як повідомляє 404 Media, «надає більшої достовірності» теорії книготорговців, що «компанії ШІ намагаються методично сканувати кожну надруковану книгу у світі, працюючи за списком ISBN».
Для книготорговців гроші можуть бути добрими, але ризик того, що їхні ретельно відібрані колекції будуть приречені на 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, здається, пропускають цей крок, шукаючи недорогі, унікальні ISBN для своїх списків.
Наразі книги, які скуповують компанії ШІ, не обов’язково є такими ж цінними, як перші видання відомих творів, які зазвичай високо цінуються. Натомість компанії ШІ часто націлюються на старіші книги з нижчою монетарною вартістю, наприклад, книги, які ніколи не були перекладені з іноземної мови, яка 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», яку компанії ШІ не враховують, повідомив книготорговець, який встановив Airtag, 404 Media. Цінність рідкісної книги може походити з «усіляких речей», які «компанії ШІ не цікавлять. Їм потрібен лише контент як набір слів, пов’язаних між собою».
Реддітори висловлюються
На Reddit деякі шанувальники книг сперечалися, наскільки проблематично те, що компанії знищують рідкісні книги для тренування ШІ, особливо враховуючи, що, як повідомляє BBC, деякі з цих книг роками пилилися на полицях книготорговців.
«Ви б не купили ту стару паперову книгу», — прокоментував один користувач Reddit у відповідь на пост, де скаржилися, що «невідома книга з 1700 року тепер є музейним експонатом і може розкрити повсякденні деталі, яких ми не знали».
У цій темі автор поста зазначив, що справжньою проблемою є те, що крихітні деталі і навіть великі історичні відомості, які можна отримати з перегляду рідкісних книг, будуть втрачені через жадібність ШІ. Компанії ШІ «ніколи не поділяться вмістом» книг, які вони сканують, сказав автор, «оскільки вони не хочуть, щоб хтось інший міг тренувати свій ШІ» на тих самих творах.
«Це звучить як пропаганда від ненависників ШІ», — заперечив інший користувач Reddit, але наступний коментатор поділився схожими побоюваннями. Хоча люди можуть сперечатися з тим, хто стверджує, що тренування ШІ на цих творах зробить усі знання, що містяться в роботі, більш доступними в Інтернеті, коментатор припустив, що моделі ШІ надаватимуть лише «спотворені, цензуровані та закриті за платною стіною фрагменти ідей» із забутих творів.
«Навіть якщо ви любите технології, ви можете визнати, що концепція ШІ, який буквально пожирає книги, щоб стати могутнішим, є досить антиутопічною», — сказав хтось інший у темі.
Деякі книготорговці погоджуються, що не кожен текст потребує збереження, повідомляє 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 зразком видання, що зберігся».
«Це було б значно серйознішою проблемою, якби такий твір було придбано для знищення, витримавши стільки часу», — сказав Вокер.
Для компаній ШІ, які охороняють свої навчальні дані та використовують послуги, що маскують їхню ідентичність як покупців, ймовірно, мало бажання обговорювати свої оптові закупівлі безпосередньо з книготорговцями. Дозволити книготорговцям висловлювати свою думку щодо творів, які вони планують включити до своїх моделей, вимагало б такого рівня прозорості, який може здатися ризикованішим, ніж можливий удар по репутації, якщо колись буде доведено, що цінне перше видання було знищено в ім’я розвитку ШІ.
Оригінал статті: arstechnica.com