Компанії, що займаються розробкою штучного інтелекту, тихо скуповують рідкісні книги, але стикаються з опором з боку книготорговців.
Якщо ви справді цінуєте стару книгу — і, можливо, навіть дивуєтеся, як її крихкі, пожовклі сторінки містять одні з найперших способів, якими люди намагалися зрозуміти навколишній світ, — тоді заголовки про технологічні компанії, що знищують книги для навчання ШІ, ймовірно, завдадуть удару по найболючішому місці вашої душі.
Дійсно, сумно уявляти купи книжкових корінців, що чекають, аби їх пропустили через подрібнювач, тоді як вирвані сторінки обрізають, сканують і викидають. Але це найдешевший і найпростіший спосіб якнайшвидше відсканувати книги, а компанії зі штучного інтелекту змагаються за вдосконалення своїх моделей, тренуючи їх на високоякісних, захопливих текстах великого обсягу, які можна знайти лише в книгах. Тому книголюби бояться, що ця практика відбувається у більших масштабах, ніж повідомляється зараз, і що деякі фізичні копії книг будуть втрачені назавжди.
Що робить це знищення ще болючішим, так це те, що цього можна уникнути.
У 2009 році Google запатентував технологію сканування книг, яка не руйнує їх. ШІ-компанії могли б використовувати її для ефективного сканування книг, якби були готові сповільнитися та інвестувати в цей процес. Однак вона не ідеальна; дослідження показали, що вигин сторінки може спотворювати текст, а деякі сторінки можуть бути пропущені. Як повідомляє Wired, можуть виникати збої, коли працівники рухаються занадто швидко, наприклад, коли “безтілесні руки” закривають сторінки.
Загалом, компроміси у вартості та швидкості можуть не зацікавити ШІ-компанії, які шукають найдешевший спосіб відсканувати мільйони найменувань, а метод Google може бути не найкращим для роботи з рідкісними книгами. Internet Archive, який допомагає бібліотекам зберігати старі колекції, давно зрозумів, що сканування старих текстів потребує часу та уваги для обмеження обробки, і саме тому вважається такою “людською” роботою.
Для компаній зі штучного інтелекту, що прагнуть знайти короткі шляхи, метод Internet Archive може здатися майже чужим.
Але якщо ви книголюб, який шукає розради серед чуток про знищення книг за допомогою ШІ, стара публікація 2021 року описує, як Internet Archive сканує книги, щоб уникнути пошкодження навіть найцінніших рідкісних видань. У ній сканер книг, яка працює в Archive з 2010 року, Еліза Чжан, запропонувала момент дзен, пояснивши, що їй так подобається сканувати книги «важким шляхом».
Internet Archive пробував автоматизований підхід, як зазначено в публікації, навіть тестуючи «комерційні сканери книг із вакуумною рукою для перегортання сторінок». Але «виявилося, що ці автоматизовані сканери погано працюють з крихкими книгами, рідкісними томами та іншими спеціальними колекціями — тими матеріалами, які наші бібліотечні партнери просять нас оцифрувати», — заявив Internet Archive.
«Робота вимагає зосередженості», — сказала Чжан, оскільки сторінки «дуже старих, крихких книг» «тонкі, як папір». В публікації Андреа Міллс, яка керує операціями зі сканування книг в Archive, пояснила, що «чисті, сухі людські руки — найкращий спосіб перегортати сторінки».
Щоб гарантувати, що кожна рідкісна книга пройде процес сканування лише один раз, Чжан не поспішає. Вона обережно піднімає скло сканера за допомогою педалі кожного разу, коли перегортає сторінку, потім налаштовує камери та переконується, що сторінка читабельна. Вона також зазначає будь-які розгортки, встановлюючи нагадування повернутися і відсканувати вставки, щоб бонусні матеріали не були втрачені під час документування основних сторінок твору.
Весь цей час вона розуміє, що якщо сторінку пропущено або зображення занадто розмите, фірмове програмне забезпечення Internet Archive зупинить процес і запропонує їй відсканувати її знову. Однак практика веде до досконалості, і вона повідомляє про низький рівень помилок після більш ніж десятиліття пошуку ритму в роботі.
На той час Чжан відсканувала «більше 3 мільйонів сторінок, 14 000 розгорток і 18 000 предметів (здебільшого книг)», з метою гарантувати «нуль помилок», — йдеться у публікації.
Ars звернувся до Internet Archive за коментарем, але Кріс Фріланд, директор бібліотечних послуг, зазначив, що публікація, яка описує роботу Чжан, «досі є найкращим описом нашого поточного процесу сканування».
Публікація з’явилася після того, як відео зі скануванням книг Чжан набрало 1,5 мільйона переглядів на тодішньому Twitter, супроводжуване підписом, який резонував з книголюбами, шокованими сучасним знищенням книг за допомогою ШІ.
«В Internet Archive ми оцифровуємо книги так, — сказано в твіті. — Ми ніколи не знищуємо книгу, відрізаючи її корінець. Натомість ми оцифровуємо її важким шляхом — сторінка за сторінкою».
Рідкісні книготорговці сигналізують про підозрілі оптові замовлення
Відтоді, як улітку 2025 року судовий позов викрив компанію Anthropic у знищенні мільйонів друкованих книг для навчання своїх моделей ШІ, книголюби почали захищати найцінніші колекції від того, що здається нескінченним прагненням ШІ-компаній переробити всі книги світу у свої великі мовні моделі.
Найбільший страх людей, які прагнуть зберегти книги через процес навчання, полягає в тому, що ШІ-компанії безжально перероблятимуть рідкісні книги, які ніколи не можна буде замінити.
Як повідомляв The Atlantic минулого тижня, у соціальних мережах «бушували» після двох нещодавніх звітів, які вказували на те, що ШІ вже ставить під загрозу рідкісні книги. Спочатку в звіті Telegraph звинувачували Кремнієву долину у знищенні мільйонів рідкісних книг та «знищенні оригіналів», а потім 404 Media повідомила, що компанія-розробник баз даних книг під назвою ISBNdb рекламує, що може допомогти ШІ-компаніям знаходити книги оптом.
Цю негативну реакцію можна було очікувати: ISBNdb, за повідомленнями, попереджала своїх клієнтів про погану громадську думку. Anthropic почала використовувати кодову назву «Project Panama» для свого деструктивного сканування книг, щоб приховати це від громадськості.
Немає жодних ознак того, що Anthropic коли-небудь знищувала рідкісні книги, і компанія заперечувала це у своїх заявах. Також правда, що деякі ШІ-компанії допомагають зберігати рідкісні книги. Наприклад, OpenAI та Microsoft працюють з бібліотекарями Гарварду над ініціативою з навчання моделей ШІ на приблизно 1 мільйоні книг, що перебувають у суспільному надбанні, датованих XV століттям. Інші, зокрема xAI Ілона Маска, публічно заявили, що не знищуватимуть рідкісні книги для навчання ШІ. У публікації 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 ШІ-компанії щирі у своїх обіцянках зберігати рідкісні книги, навіть якщо закони про авторське право дозволяють їм знищувати копії придбаних книг. Критики в соціальних мережах та на Reddit вказували на те, що Маск не сказав, що команда xAI не знищуватиме жодних книг, і незрозуміло, як його компанія визначає «рідкісну» книгу.
Тим часом, книготорговці рідкісними книгами продовжують сигналізувати про дивні замовлення, розуміючи, що більшість щирих покупців зазвичай шукають окремі книги, а не замовляють великі партії широко різноманітних видань.
Вчора ірландська книгарня Kennys повідомила про «божевільне» замовлення на 5000 маловідомих видань, як повідомила The Irish Times. На відміну від оптових замовлень від університетів чи великих бібліотек, це замовлення виглядало підозрілим, тому що покупець не намагався торгуватися щодо ціни — що тепер стало очевидним «червоним прапорцем» потенційної участі ШІ, повідомила Times.
Хоча деякі книготорговці заявили, що можуть отримати короткострокову вигоду від великих замовлень, вони побоюються, що продаж компаніям зі штучного інтелекту, які без розбору знищують їхні колекції, «може стати підписанням власної смертної вироку», — повідомила Times.
Томаш Кенні з Kennys Bookshop розповів Times, що ШІ «лякає нашу індустрію», і він планує відмовлятися від замовлень, ймовірно призначених 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 це не мені вирішувати», — сказав він. «Однак, якщо вони беруть книгу і сканують її з метою вилучення інтелектуальної власності, тоді Kennys не хоче бути частиною цього».
Цілком можливо, що громадський осуд змусить найбільші фірми прийняти методи, подібні до Internet Archive, які зосереджуються 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 в руках стару книгу.
Чжан знає про привабливість рідкісних книг, іноді зупиняючись у роботі, щоб прочитати частини назв, які вона сканує. На запитання, що їй найбільше подобається в її роботі, Чжан відповіла з таким же ентузіазмом, який відчувають багато книголюбів, гортаючи полиці 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