Штучний інтелект: компанії скуповують рідкісні книги, викликаючи опір у продавців.
Якщо ви справді цінуєте старі книги та, можливо, дивуєтеся, як крихкі, пожовклі сторінки містять одні з найдавніших способів, якими люди намагалися зрозуміти навколишній світ, то заголовки про технологічні компанії, які знищують книги для навчання ШІ, ймовірно, завдають болючої рани вашій душі.
Справді, сумно уявляти купи книжкових палітурок, що чекають, щоб їх закинули до дробарки, а вирвані сторінки обрізали, сканували та викидали. Але це найдешевший і найпростіший спосіб сканувати книги якомога швидше, а компанії зі штучного інтелекту змагаються за вдосконалення своїх моделей, навчаючи їх на високоякісних текстах тривалого формату, які можна знайти лише в книгах. Тому книголюби побоюються, що ця практика відбувається в більших масштабах, ніж повідомлялося, і що деякі фізичні копії книг будуть втрачені назавжди.
Однак, що робить це руйнування особливо болісним, так це те, що цього можна уникнути.
У 2009 році Google запатентував технологію сканування книг, яка не руйнує їх, і яку компанії зі ШІ могли б використовувати для ефективного сканування книг, якби були готові сповільнитися та інвестувати в цей процес. Однак вона не є досконалою; дослідження показали, що вигин сторінки може спотворювати текст, а сторінки можуть бути пропущені. Як повідомляв Wired, збої можуть виникати, коли працівники працюють занадто швидко, зокрема, коли невидимі руки закривають сторінки.
Загалом, компроміси у вартості та швидкості можуть не приваблювати компанії зі ШІ, які шукають найдешевший спосіб сканувати мільйони найменувань, і метод Google також може бути не найкращим для роботи з рідкісними книгами. Internet Archive, який допомагає бібліотекам зберігати старі колекції, давно розуміє, що сканування старих текстів вимагає часу та уваги для обмеження обробки, і саме тому це вважається такою людською роботою.
Для компаній зі ШІ, що прагнуть знайти короткий шлях, метод Internet Archive може здатися майже чужим.
Але якщо ви книголюб, який шукає бальзам, переглядаючи чутки про знищення книг за допомогою ШІ, старий допис 2021 року описує, як Internet Archive сканує книги, щоб уникнути пошкодження навіть найцінніших рідкісних книг. У ньому сканер книг, яка працює в Archive з 2010 року, Еліза Чжан, запропонувала момент дзен, пояснюючи, що їй так подобається сканувати книги «важким шляхом».
Internet Archive пробував автоматизований підхід, як зазначено в дописі, навіть тестуючи «комерційні сканери книг з вакуумним маніпулятором для перегортання сторінок». Але «виявилося, що ці автоматизовані сканери погано працювали з крихкими книгами, рідкісними томами та іншими спеціальними колекціями — матеріалами, які наші бібліотечні партнери просять нас оцифрувати», — заявив Internet Archive.
«Робота вимагає гострої концентрації», — сказала Чжан, оскільки сторінки «дуже старих, крихких книг» «паперові». В дописі Андреа Міллс, яка допомагає керувати операціями сканування книг 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 педаллю щоразу, коли перегортає сторінку, потім налаштовує камери та переконується, що сторінка читабельна. Вона також зазначає будь-які розгортки, встановлюючи нагадування, щоб повернутися та сканувати вставки, щоб бонусні матеріали не були втрачені під час документування основних сторінок роботи.
Весь цей час вона розуміє, що якщо сторінка буде пропущена або зображення буде занадто розмите, власне програмне забезпечення Internet Archive зупинить процес і запропонує їй сканувати її знову. Практика веде до досконалості, і вона повідомляє про низький рівень помилок після більш ніж десяти років знаходження ритму в роботі.
На той час Чжан відсканувала «більше 3 мільйонів сторінок, 14 000 розгорток і 18 000 одиниць (переважно книг)», — зазначено в дописі, з метою гарантування «нульових помилок».
Ars звернувся до Internet Archive за коментарем, але Кріс Фріланд, директор бібліотечних послуг, сказав, що допис, який описує роботу Чжан, «все ще є найкращим описом нашого процесу сканування сьогодні».
Допис з’явився після того, як відео зі скануванням книг Чжан набрало 1,5 мільйона переглядів на тодішньому Twitter, супроводжуване підписом, який резонував із книголюбами, обуреними нинішнім знищенням книг за допомогою ШІ.
«В Internet Archive ми оцифровуємо книгу ось так», — йшлося в твіті. «Ми ніколи не знищуємо книгу, відрізаючи її палітурку. Натомість ми оцифровуємо її важким шляхом — сторінка за сторінкою».
Продавці рідкісних книг повідомляють про підозрілі оптові замовлення
З моменту судового позову влітку 2025 року, який викрив Anthropic у знищенні мільйонів друкованих книг для навчання своїх моделей ШІ, книголюби почали захищати найцінніші колекції від того, що здається нескінченним прагненням компаній зі ШІ завантажити всі книги світу у свої великі мовні моделі.
Найбільший страх для людей, які хочуть бачити книги збереженими через процес навчання, полягає в тому, що компанії зі ШІ безжально перероблять на папір рідкісні книги, які ніколи не можна буде замінити.
Як повідомила The Atlantic минулого тижня, у соціальних мережах «бушувала лють» після двох нещодавніх звітів, які свідчили про те, що ШІ вже ставить під загрозу рідкісні книги. По-перше, звіт Telegraph звинуватив Кремнієву долину у знищенні мільйонів рідкісних книг та «подрібненні оригіналів», а потім 404 Media повідомив, що компанія, що займається базами даних книг, під назвою ISBNdb, рекламувала, що може допомогти компаніям зі ШІ знаходити книги оптом.
Ця негативна реакція була очікуваною, оскільки ISBNdb, за повідомленнями, попереджала своїх клієнтів про погану громадську думку. Anthropic почала використовувати кодову назву — «Проект Панама» — для свого руйнівного сканування книг, щоб приховати це від громадськості.
Немає жодних доказів того, що Anthropic колись знищувала рідкісні книги, і компанія заперечувала це в заявах. Також правда, що деякі компанії зі ШІ допомагають зберігати рідкісні книги. OpenAI та Microsoft, наприклад, працюють з бібліотекарями Гарварду над ініціативою з навчання моделей ШІ на приблизно 1 мільйоні книг, що перебувають у суспільному надбанні і датуються XV століттям. Інші, зокрема xAI Ілона Маска, публічно заявили, що не знищуватимуть рідкісні книги для навчання ШІ. У дописі на X Маск сказав, що він «попросив команду SpaceXAI зберегти будь-які рідкісні книги в бібліотеці та сканувати їх важким шляхом, а не просто відрізати палітурку та сканувати».
Але не всі переконані, що найбільші компанії зі ШІ щирі у своїх обіцянках зберегти 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 неясно, як його компанія визначає «рідкісну» книгу.
Тим часом продавці рідкісних книг продовжують повідомляти про дивні замовлення, усвідомлюючи, що більшість щирих покупців шукають окремі книги, а не замовляють великі партії різноманітного вибору.
Вчора ірландська книгарня Kennys повідомила про «божевільне» замовлення на 5000 рідкісних книг, повідомляє The Irish Times. На відміну від оптових замовлень від університетів чи великих бібліотек, це замовлення здавалося підозрілим, оскільки покупець не намагався торгуватися щодо ціни — що тепер стало очевидним «червоним прапорцем» потенційної участі ШІ, повідомляє Times.
Хоча деякі продавці книг заявили, що вони могли б отримати вигоду в короткостроковій перспективі від великих замовлень, вони побоюються, що продаж компаніям зі ШІ, які безрозбірно знищують їхні колекції, «може бути підписанням їхнього власного смертного вироку», повідомляє Times.
Томаш Кенні з Kennys Bookshop сказав Times, що ШІ «тероризує нашу галузь», і він планує відмовляти замовлення, ймовірно, призначені для навчання ШІ, намагаючись захистити права авторів на їхні твори та доступ читачів до важкодоступних видань.
«Книгопродавці часто знаходяться на передовій багатьох моральних дилем та політичних і етичних питань. У більшості випадків мені не вирішувати», — сказав він. «Однак, якщо вони беруть книгу та сканують її з метою використання інтелектуальної власності, тоді Kennys не хоче бути частиною цього».
Цілком можливо, що громадський резонанс змусить найбільші компанії впровадити методи, подібні до Internet Archive, які зосереджені як на фізичному, так і на цифровому збереженні рідкісних книг. Але серце щемлить уявляти альтернативу, де рідкісні книги стають ще рідкіснішими, особливо для тих, хто любить відчуття тримати стару книгу в руках.
Чжан знає про привабливість рідкісних книг, іноді зупиняючись під час роботи, щоб почитати частини текстів, які вона сканує. На запитання, що їй найбільше подобається в роботі, Чжан відповіла з тим же ентузіазмом, який відчувають багато книголюбів, переглядаючи полиці в таких магазинах, як Kennys.
«Все! Мені все цікаво», — сказала Чжан. «Я не відчуваю, що це нудно. Кожна колекція важлива для мене».
Дізнатися більше на: arstechnica.com