Логотип команди Amazon — це зображення тиранозавра Рекса, який готується поглинути книгу.
Книгарні вже близько року підозрювали, що компанії, які розробляють штучний інтелект (ШІ), купують великі партії рідкісних книг, а потім знищують їх після сканування для тренування своїх моделей. Проте досі це було важко довести. Як повідомляє 404 Media, AirTag, захований у рідкісній книзі, виявив, що за деякими оптовими закупівлями стоїть щонайменше один технологічний гігант, який прагне вдосконалити свої передові моделі: Amazon.
У понеділок 404 Media повідомила, що вони зв’язалися з книготорговцем, який погодився помістити AirTag у рідкісну книгу, що була частиною оптової партії. Цей AirTag було відстежено до потужності Amazon для тренування ШІ в Лас-Вегасі. Там працювала команда, яка спеціалізувалася на вириванні книг зі своїми палітурками та скануванні сторінок, як повідомило 404 Media. На дверях складу цієї команди, VGT3, був розміщений логотип із зображенням тиранозавра Рекса, який готується поглинути книгу, — очевидно, на тлі наростаючого обурення щодо знищення книг під час сканування, як задокументувало 404 Media.
Amazon уникає коментарів
Amazon відмовився коментувати висновки 404 Media, надавши Ars Technica ту саму заяву, яку вони надали 404 Media, де конкретно 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.
Проте Amazon розробляє те, що вони вважають передовими моделями ШІ, які вимагають величезного обсягу унікальних даних для тренування, щоб залишатися конкурентоспроможними з провідними компаніями, такими як Google, OpenAI або Anthropic. Наразі компанії ретельно охороняють свої навчальні дані, щоб не втратити перевагу. Тренування моделей на текстах рідкісних книг, які важко знайти, здавалося б, надасть перевагу Amazon, особливо з огляду на те, що конкуренти, такі як Anthropic і xAI, публічно заявили, що вони не тренують моделі на рідкісних чи антикварних книгах.
Крім того, схоже, Amazon потребував нового джерела оригінальних текстів. 404 Media виявила обговорення на онлайн-форумах, де працівники VGT3 припускали, що на початку цього року Amazon відчував дефіцит книг для сканування. Дефіцит був настільки серйозним, що вони побоювалися закриття складу, якщо Amazon не зможе знайти більше книг для сканування. За словами працівників, у певний момент запаси повністю вичерпалися. Але об’єкт досі функціонує, повідомило 404 Media. І тепер підтверджено, що оптові закупівлі рідкісних книг, доставлені туди, систематично знищуються цією групою.
Багато книголюбів шоковані руйнівним скануванням книг (оскільки існує альтернатива). Один із затятих критиків, Майкл Беррі, навіть назвав цю практику «втіленням зла». Однак працівники Amazon на форумах повідомили, що вважають цю роботу «приємною» можливістю для тих, хто шукає рутинну роботу з гнучким графіком.
Тривають дебати щодо рідкісних книг
Крім того, що рідкісні твори, які цінують книготорговці, «пережовуються» та поглинаються машиною ШІ Amazon, 404 Media припустила, 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 рекордних продажів книготорговці підозрювали, що компанії, які розробляють ШІ, націлюються на книги з ISBN, щоб забезпечити максимальний обсяг унікальних творів у наборах даних для тренування. Огляд онлайн-обговорень працівників Amazon, проведений 404 Media, показав, що їх навчали сканувати штрих-коди або ISBN перед скануванням книг. Ця практика, як повідомило 404 Media, «надає додаткову достовірність» теорії книготорговців, згідно з якою «компанії ШІ намагаються методично сканувати кожну друковану книгу у світі, працюючи за списком ISBN».
Для книготорговців гроші, можливо, є привабливими, але ризик того, що їхні ретельно зібрані колекції будуть призначені для руйнівного сканування книг, як у Amazon, створює етичну дилему. Вони знають, як оцінювати широкий спектр рідкісних книг, щоб визначити їхню вартість, а компанії ШІ, схоже, пропускають цей крок у пошуках недорогих, унікальних ISBN для заповнення своїх контрольних списків.
Наразі книги, які компанії ШІ, схоже, скуповують, не обов’язково є привілейованими першими виданнями відомих творів, які зазвичай мають високу цінність. Натомість компанії ШІ часто націлюються на старіші книги з нижчою грошовою вартістю, наприклад, на книги, які ніколи не були перекладені з іноземної мови, яка сьогодні не є широко вживаною, 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 404 Media книготорговець, який встановив AirTag. Цінність рідкісної книги може походити з «усіляких речей», які «компанії ШІ не турбують. Їм потрібен лише контент як набір слів, з’єднаних разом».
Реддітори висловлюються
На Reddit деякі шанувальники книг обговорювали, наскільки проблематично те, що компанії знищують рідкісні книги для тренування ШІ, особливо враховуючи, що, як повідомляє BBC, деякі з цих книг роками стояли на полицях книготорговців, збираючи пил.
«Ви б не купили ту стару паперову книгу», — прокоментував один користувач Reddit у відповідь на публікацію, яка оплакувала, що «незрозуміла книга 1700 року тепер є музейним експонатом і може розкрити щоденні деталі, яких ми не знали».
У цій темі автор оригінальної публікації зазначив, що справжньою проблемою є те, що дрібні деталі та навіть великі історичні висновки, які можна отримати з огляду 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 висловив схожі побоювання. Хоча люди можуть не погоджуватися з тим, хто стверджує, що тренування ШІ на цих творах зробить усю знань, що містяться в них, більш доступними онлайн, автор коментаря запропонував, 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», — зазначив хтось інший у темі.
Деякі книготорговці погоджуються, що не кожен текст потрібно зберігати, повідомляє BBC. Однак шотландський книготорговець Дерек Вокер розповів BBC, що компанії ШІ повинні прагнути розрізняти твори, які не будуть сильно пропущені — наприклад, маловідомі академічні тексти, які технічно можуть бути рідкісними — і менш відомі антикварні твори, які можуть бути «єдиним відомим зразком видання».
«Це було б набагато серйознішою проблемою, якби такий виявився куплений для знищення, переживши стільки часу», — сказав Вокер.
Для компаній ШІ, які охороняють свої навчальні дані та використовують послуги, що маскують їхню ідентичність як покупців, навряд чи є бажання обговорювати свої оптові закупівлі безпосередньо з книготорговцями. Дозвіл книготорговцям висловлюватися 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 знищено в ім’я розвитку ШІ.
Джерело новини: arstechnica.com