في واحدة من التحقيقات الأكثر إبداعًا في شهية صناعة الذكاء الاصطناعي التي لا تشبع لبيانات التدريب، وضع الصحفيون في 404 Media جهاز تتبع داخل شحنة من الكتب النادرة التي اشتبهوا في أنها ستشترى للتدريب على الذكاء الاصطناعي - وتبعوها في جميع أنحاء البلاد إلى منشأة أمازون في لاس فيجاس، حيث يتم مسح الكتب ضوئيًا وتدميرها، وفقًا لما ذكرته وسائل الإعلام.
تحدد القصة، التي نشرها إيمانويل مايبيرج، المحرر المؤسس لموقع 404 Media، الوجهة على أنها منشأة VGT3 التابعة لشركة أمازون في لاس فيغاس. وفقًا للتحقيق، كانت أمازون تشتري كميات هائلة من الكتب، وتقوم بمسحها ضوئيًا بحثًا عن بيانات تدريب الذكاء الاصطناعي، وتدمير المجلدات المادية في هذه العملية - وهي عملية يقول المنفذ إنه لم يتم الإبلاغ عنها مسبقًا.
تضيف هذه النتائج اسمًا رئيسيًا جديدًا إلى الممارسة التي أزعجت بائعي الكتب ومسؤولي المحفوظات لعدة أشهر، وقد وصلت هذه النتائج مع تحول انتباه الجمهور بشكل متزايد إلى المكان الذي تحصل فيه شركات الذكاء الاصطناعي على بياناتها فعليًا. تابع تغطيتنا المستمرة لحروب بيانات التدريب على AI Buzz Wire.
جهاز تتبع في صندوق كتب
المنهجية وراء التحقيق هي ما يجعلها ملحوظة. وبدلاً من الاعتماد على المستندات أو المقابلات، قامت 404 Media بتضمين جهاز تعقب GPS في شحنة من الكتب النادرة التي اشتبه المنفذ في أن شركة ذكاء اصطناعي ستستحوذ عليها، ثم قامت بمراقبة رحلة الحزمة إلى وجهتها النهائية.
تم وصف هذه الوجهة - منشأة VGT3 التابعة لشركة أمازون - في التقرير بأنها الموقع الذي تقوم فيه أمازون بمسح الكتب بحثًا عن بيانات تدريب الذكاء الاصطناعي. التحقيق الكامل، الذي يعرض تفاصيل عملية الشراء وحجمها، متاح لـ 404 مشتركًا في وسائل الإعلام.
انتشرت القصة بسرعة بين المطورين ودوائر سياسات التكنولوجيا بعد ظهورها على الصفحة الأولى من Hacker News يوم الاثنين، حيث ناقش المعلقون الآثار الثقافية والقانونية لتدمير الكتب النادرة لتدريب أنظمة الذكاء الاصطناعي التجارية.
أمازون تنضم إلى القائمة المتنامية
يعد التقرير أحدث فصل في جدل أوسع حول مصير الكتب الورقية في عصر الذكاء الاصطناعي. في وقت سابق من هذا الصيف، قام بائعو الكتب والباحثون بتوثيق كيف كانت شركات الذكاء الاصطناعي تشتري المجلدات العتيقة والمجلدات التي نفدت طباعتها بمئات الآلاف، وإدخالها في مجموعات بيانات التدريب، وتدمير النسخ المادية - وهي ممارسة يصفها النقاد بأنها محو التراث الثقافي على نطاق صناعي.
وما يميز التقرير الجديد هو أنه يذكر منشأة محددة، وشركة محددة، وسلسلة توريد محددة. حتى الآن، كان جزء كبير من المناقشة يعتمد على المطالبات الإجمالية من بائعي الكتب وملفات المحكمة. توفر الشحنة المتعقبة نقطة بيانات محددة: صندوق من الكتب النادرة، ومشتري، ومبنى.
لماذا يستمر الطلب على بيانات التدريب في التصاعد
إن الاقتصاد وراء هذه الممارسة واضح ومباشر. تشير التقارير على نطاق واسع إلى أن نماذج Frontier AI استهلكت معظم النصوص عالية الجودة المتوفرة بسهولة على شبكة الإنترنت المفتوحة، مما دفع الشركات إلى البحث عن مصادر يصعب الوصول إليها: الكتب والمحفوظات والمراجع المرخصة. تعد المجلدات النادرة والتي نفدت طباعتها جذابة على وجه التحديد لأنه من غير المرجح أن تظهر في مجموعات البيانات القياسية المحذوفة من الويب.
بالنسبة للنقاد، فإن تدمير الكتب الورقية لتغذية هذا الطلب أصبح رمزا للعلاقة الاستخراجية بين الصناعة والثقافة الإنسانية - البيانات كمورد يجب استخراجه بغض النظر عما يتم فقدانه في هذه العملية. بالنسبة للشركات المعنية، تمثل الكتب الرقمية منطقة رمادية قانونية لا تزال المحاكم والمشرعون يفرزونها، خاصة وأن التقاضي بشأن حقوق الطبع والنشر بشأن بيانات التدريب يشق طريقه عبر ولايات قضائية متعددة.
لا يتطلب المسح الضوئي أو الرقمنة في حد ذاته تدميرًا - يبدو أن التدمير، كما لاحظ الناشرون وأخصائيو المحفوظات، إجراء لتوفير التكلفة، نظرًا لأن تخزين الكميات المادية أكثر تكلفة من طحنها بمجرد التقاط محتوياتها.
مشكلة الحفظ
لقد جادل أمناء المحفوظات منذ فترة طويلة بأن الرقمنة ليست عملية حفظ. يلتقط المسح نص الكتاب، لكنه لا يلتقط هامشه، وتاريخه الملزم، وصفاته المادية - وهي الميزات التي تجعل المجلد النادر قطعة أثرية تاريخية وليس حاوية للكلمات. إن تدمير النسخة المادية بعد المسح الضوئي يغلق الباب أمام الفحص المستقبلي، وعلى عكس الملفات الرقمية، لا يمكن إعادة مسح الكتاب المطبوع مع تحسن تكنولوجيا التصوير.
وتضاعف اقتصاديات تجارة الكتب الخسارة. تبقى المجلدات النادرة والتي نفدت طباعتها بأعداد صغيرة. عندما يدخل المشترون ذوو ميزانيات الذكاء الاصطناعي إلى السوق، يمكنهم المزايدة على المكتبات وجامعي النسخ المتبقية - وعندما يتم تدمير تلك النسخ بعد المسح الضوئي، يمكن أن يتقلص عدد السكان الباقين من طبعة معينة بشكل دائم في غضون أشهر.
كانت جمعيات بائعي الكتب في أوروبا من بين أكثر المنتقدين لهذه الممارسة، ويعطي تحقيق 404 Media لتحذيراتهم بصمة ملموسة: منشأة، وسلسلة توريد، ومشتري محدد من الشركات.
ما يأتي بعد ذلك
من المرجح أن يؤدي التحقيق إلى تكثيف التدقيق في دور أمازون في سلسلة توريد بيانات الذكاء الاصطناعي، وهو الموقف الذي تهيمن عليه أعمالها السحابية. وقد يجدد أيضًا الدعوات في أوروبا والولايات المتحدة لفرض قواعد تتطلب الحفاظ على المواد الثقافية المستخدمة في التدريب على الذكاء الاصطناعي، وهي الفكرة التي طرحتها جمعيات بائعي الكتب وبعض صناع السياسات مع تزايد وضوح حجم شراء الكتب.
في الوقت الحالي، فإن النتيجة الأكثر واقعية للتحقيق هي معلوماتية: منشأة محددة، ورحلة موثقة، وسجل عام يفيد بأن تحذيرات تجارة الكتب لم تكن مجردة. أنهت الكتب النادرة الموجودة في الشحنة المتعقبة رحلتها في لاس فيغاس. من المفترض أن محتوياتها تعيش في مجموعة تدريبية.
تابع حروب بيانات الذكاء الاصطناعي
بيانات التدريب، ومعارك حقوق النشر، وأخلاقيات الذكاء الاصطناعي على نطاق واسع - تتم تغطيتها يوميًا على AI Buzz Wire.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
