404 médií sledovalo vzácné knihy do zařízení Amazon, které je skenuje a ničí pro školení AI

V jednom z vynalézavějších výzkumů neukojitelné chuti průmyslu umělé inteligence po školicích datech umístili novináři z 404 Media sledovací zařízení do zásilky vzácných knih, o kterých se domnívali, že budou koupeny pro školení umělé inteligence, a sledovali ji po celé zemi do zařízení Amazonu v Las Vegas, kde jsou knihy naskenovány a zničeny.

Příběh, který v pondělí zveřejnil zakládající redaktor 404 Media Emanuel Maiberg, identifikuje cíl jako zařízení Amazon VGT3 v Las Vegas. Podle vyšetřování Amazon nakupoval obrovské množství knih, skenoval je kvůli tréninkovým datům umělé inteligence a ničil fyzické svazky v procesu – operace, o které prodejna říká, nebyla dříve hlášena.

Zjištění přidávají nové významné jméno praxi, která po několik měsíců tiše znepokojovala knihkupce a archiváře, a přicházejí s tím, jak se pozornost veřejnosti stále více obrací k tomu, odkud společnosti AI skutečně získávají svá data. Sledujte naše probíhající zpravodajství o válkách s tréninkovými daty na [AI Buzz Wire] (https://aibuzzwire.news).

Sledovací zařízení v krabici s knihami

Metodika vyšetřování je to, co jej činí pozoruhodným. Spíše než se spoléhat na dokumenty nebo rozhovory, 404 Media vložila GPS tracker do zásilky vzácných knih, o nichž se domnívala, že by ji mohla získat společnost s umělou inteligencí, a poté sledovala cestu balíku do jeho konečného cíle.

Toto místo – zařízení Amazon VGT3 – je ve zprávě popsáno jako místo, kde Amazon skenuje knihy pro cvičná data AI. Úplné vyšetřování, které podrobně popisuje nákupní operaci a její rozsah, je k dispozici předplatitelům 404 Media.

Příběh se rychle rozšířil mezi vývojářské a technologické kruhy poté, co se v pondělí dostal na titulní stránku Hacker News, kde komentátoři diskutovali o kulturních a právních důsledcích ničení vzácných knih pro výcvik komerčních systémů umělé inteligence.

Amazon se připojuje k rostoucímu seznamu

Zpráva je nejnovější kapitolou v širší polemice o osudu fyzických knih v éře AI. Začátkem tohoto léta knihkupci a výzkumníci zdokumentovali, jak společnosti s umělou inteligencí nakupovaly starožitné a nevyprodané svazky po statisících, vkládaly je do školicích datových sad a ničily fyzické kopie – což kritici popisují jako průmyslové vymazávání kulturního dědictví.

Nové hlášení se odlišuje tím, že pojmenovává konkrétní zařízení, konkrétní společnost a konkrétní dodavatelský řetězec. Až dosud se velká část diskuse opírala o souhrnné nároky knihkupců a soudní podání. Sledovaná zásilka nabízí konkrétní datový bod: krabici vzácných knih, kupce a budovu.

Proč poptávka po školeních neustále eskaluje

Ekonomika této praxe je přímočará. U modelů Frontier AI je široce uváděno, že spotřebovaly většinu vysoce kvalitního textu snadno dostupného na otevřeném webu, což nutí společnosti hledat hůře dostupné zdroje: knihy, archivy a licencované korpusy. Vzácné a nevytištěné objemy jsou atraktivní právě proto, že je nepravděpodobné, že by se objevily ve standardních webových souborech dat.

Pro kritiky se zničení fyzických knih za účelem nasycení této poptávky stalo symbolem extrakčního vztahu průmyslu s lidskou kulturou – data jako zdroj, který je třeba těžit bez ohledu na to, co se v procesu ztratí. Pro zúčastněné společnosti představují digitalizované knihy právně šedou zónu, kterou soudy a zákonodárci stále třídí, zejména proto, že soudní spory o autorská práva týkající se školicích dat probíhají v mnoha jurisdikcích.

Ani skenování, ani digitalizace sama o sobě nevyžaduje zničení – zničení, jak poznamenávají vydavatelé a archiváři, se zdá být opatřením šetřícím náklady, protože uložení fyzických svazků je dražší než jejich rozdrcení, jakmile je jejich obsah zachycen.

Problém uchování

Archiváři dlouho tvrdili, že digitalizace není konzervace. Sken zachycuje text knihy, ale ne její marginálie, historii vazby, její materiálové kvality – vlastnosti, které ze vzácného svazku dělají spíše historický artefakt než zásobník slov. Zničení fyzické kopie po naskenování zavře dveře pro budoucí zkoumání a na rozdíl od digitálních souborů nelze rozdrcenou knihu znovu naskenovat, protože se technologie zobrazování zlepšuje.

Ekonomika obchodu s knihami ztrátu ještě znásobila. Vzácné a vyprodané svazky přežívají v malých počtech. Když na trh vstoupí kupující s rozpočtem na úrovni umělé inteligence, mohou převyšovat nabídky knihoven a sběratelů za zbývající kopie – a když jsou tyto kopie po skenování zničeny, přeživší populace dané edice se může během měsíců trvale zmenšit.

Asociace knihkupců v Evropě patřily k nejhlasitějším kritikům této praxe a vyšetřování 404 Media dává jejich varování konkrétní stopu: zařízení, dodavatelský řetězec a jmenovaný firemní kupující.

Co přijde dál

Vyšetřování pravděpodobně zintenzivní kontrolu role Amazonu v dodavatelském řetězci dat AI, což je pozice, které jinak dominuje její cloudové podnikání. Může také v Evropě a ve Spojených státech obnovit volání po pravidlech vyžadujících uchování kulturních materiálů používaných při školení AI, což je myšlenka, kterou vyvolaly asociace knihkupců a někteří tvůrci politik, když se rozsah nakupování knih stal jasnějším.

Prozatím je nejkonkrétnější výsledek vyšetřování informativní: jmenované zařízení, zdokumentovaná cesta a veřejný záznam, že varování knižního obchodu nebyla abstraktní. Vzácné knihy ve sledované zásilce skončily svou cestu v Las Vegas. Jejich obsah pravděpodobně žije v tréninkovém korpusu.

Sledujte datové války AI

Školicí údaje, boje o autorská práva a etika umělé inteligence – denně na AI Buzz Wire.

Přečtěte si další zprávy o AI →