Οι εταιρείες τεχνητής νοημοσύνης αγοράζουν αντίκες και εξαντλημένα βιβλία κατά εκατοντάδες χιλιάδες, τροφοδοτούν το περιεχόμενό τους σε σύνολα δεδομένων εκπαίδευσης και, στη συνέχεια, καταστρέφουν τους φυσικούς όγκους - μια πρακτική βιομηχανικής κλίμακας που ερευνητές και βιβλιοπώλες λένε ότι διαγράφει την πολιτιστική κληρονομιά ακόμη και όταν τροφοδοτεί την επόμενη γενιά γλωσσικών μοντέλων. Οι αποκαλύψεις, που πρωτοεμφανίστηκαν σε δικαστικά έγγραφα και τώρα έχουν απήχηση σε όλες τις ευρωπαϊκές κοινότητες βιβλιοπωλείων, έχουν ανοίξει ένα νέο μέτωπο στον πόλεμο πνευματικών δικαιωμάτων AI. Για έκτακτες ειδήσεις τεχνητής νοημοσύνης σχετικά με τις διαμάχες σχετικά με τα εκπαιδευτικά δεδομένα που αναδιαμορφώνουν τη βιομηχανία, οι παρακάτω λεπτομέρειες εντοπίζουν πώς ένα κυνήγι καθαρού κειμένου μετατράπηκε σε μια φωτιά από σπάνια βιβλία.
Πώς λειτουργεί η πρακτική
Σύμφωνα με έγγραφα που αποκαλύφθηκαν από την Anthropic κατά τη διάρκεια μιας δικαστικής διαδικασίας του 2026 και αναφέρθηκαν από την Washington Post, η διαδικασία είναι σκόπιμα βιομηχανοποιημένη. Η κατάθεση περιγράφει πώς η «υδραυλική μηχανή κοπής» ενός εργολάβου σάρωσης θα «έκοβε τακτοποιημένα» βιβλία, έτσι ώστε οι σελίδες να μπορούν να «σαρωθούν σε σαρωτές υψηλής ταχύτητας, υψηλής ποιότητας, επιπέδου παραγωγής». Μόλις ψηφιοποιηθεί, σημειώνεται στην κατάθεση, η εταιρεία σάρωσης θα «προγραμματίσει με την εταιρεία ανακύκλωσης να παραλάβει τα ολοκληρωμένα βιβλία».
Με άλλα λόγια, τα βιβλία δεν επιστρέφονται. Ανάγεται σε ψηφιακό κείμενο και στη συνέχεια πολτοποιείται.
Γιατί οι εταιρείες θέλουν παλιά, έντυπα βιβλία
Η όρεξη για φυσικά βιβλία πηγάζει από ένα επιδεινούμενο πρόβλημα για τους προγραμματιστές τεχνητής νοημοσύνης: το ανοιχτό διαδίκτυο μολύνεται ολοένα και περισσότερο με κείμενο που δημιουργείται από την τεχνητή νοημοσύνη. Όπως εξήγησε το νομικό ιστολόγιο Verfassungsblog σε μια ανάλυση με τίτλο «Η AI τρώει τον κόσμο των βιβλίων», η εκπαίδευση σε συνθετικό περιεχόμενο κινδυνεύει να υποβαθμίσει την ποιότητα του μοντέλου - ένα φαινόμενο που οι ερευνητές αποκαλούν κατάρρευση μοντέλου. Τα βιβλία που έχουν εκτυπωθεί πριν από το 2022, αντιθέτως, είναι εγγυημένα ότι είναι γραμμένα από τον άνθρωπο.
Υπάρχει και νόμιμος υπολογισμός. Οι εταιρείες έχουν υποστηρίξει ότι η σάρωση φυσικών βιβλίων που κατέχουν ενδέχεται να εμπίπτει στη διάταξη της «δίκαιης χρήσης» της νομοθεσίας περί πνευματικών δικαιωμάτων των ΗΠΑ, μια άμυνα που πιστεύουν ότι είναι ισχυρότερη από την απόρριψη περιεχομένου ιστού που προστατεύεται από πνευματικά δικαιώματα. Το αν τα δικαστήρια αποδέχονται αυτό το επιχείρημα παραμένει ανοιχτό ερώτημα, αλλά δεν έχει σταματήσει τον παροξυσμό των αγορών.
Το φαινόμενο Zoom Books
Στην Ευρώπη, η προσοχή έχει επικεντρωθεί σε ένα καναδικό διαδικτυακό βιβλιοπωλείο που ονομάζεται Zoom Books, για το οποίο το Verfassungsblog αναφέρει ότι έχει αποκτήσει εκατοντάδες χιλιάδες τίτλους μη λογοτεχνίας για τους οποίους υπάρχει ελάχιστη εμπορική ζήτηση. Αυτοί οι τόμοι - σκοτεινές ακαδημαϊκές εργασίες, τοπικές ιστορίες και εξειδικευμένα τεχνικά εγχειρίδια - είναι σχεδόν άχρηστοι για τους πωλητές μεταχειρισμένων βιβλίων, αλλά αντιπροσωπεύουν μια πλούσια φλέβα από αναξιοποίητο εκπαιδευτικό υλικό για εργαστήρια τεχνητής νοημοσύνης.
Το Futurism ανέφερε ότι η καταστροφή συμβαίνει «σε απίστευτη κλίμακα, ακόμα κι αν δεν έχουν μείνει σχεδόν κανένα αντίγραφο», που σημαίνει ότι για ορισμένους τίτλους το σαρωμένο και τεμαχισμένο αντίγραφο μπορεί να ήταν μεταξύ των τελευταίων σωζόμενων εκδόσεων σε κυκλοφορία.
Οι βιβλιοπώλες και οι ερευνητές ωθούν πίσω
Οι αναφορές έχουν θορυβήσει τους βιβλιοπώλες αρχαιοτήτων, οι οποίοι λένε ότι οι μαζικοί αγοραστές στρεβλώνουν την αγορά μεταχειρισμένων και αφαιρούν τις σπάνιες εκδόσεις πιο γρήγορα από ό,τι μπορούν να τις διατηρήσουν τα αρχεία. Το πρακτορείο Anadolu ανέφερε ένα Τούρκο βιβλιοπώλη αρχαιοτήτων που εξέφρασε σκεπτικισμό για το εύρος των ισχυρισμών, ενώ αναγνώρισε την αυξανόμενη ανησυχία στις ευρωπαϊκές αγορές βιβλίων. Η κάλυψη στους Times of India και στην Boing Boing πλαισίωσε την τάση ως άμεση συνέπεια των εταιρειών τεχνητής νοημοσύνης που προσπαθούσαν να «ξεφύγουν από τη δική τους τεχνητή ατέλεια» υποχωρώντας σε εκτυπώσεις πριν από το Διαδίκτυο.
Οι συντηρητές υποστηρίζουν ότι η καταστροφή είναι ιδιαίτερα ανησυχητική επειδή κανένα κεντρικό μητρώο δεν καταγράφει ποια βιβλία έχουν σαρωθεί και καταστραφεί. Μόλις τεμαχιστεί ένας τίτλος χαμηλής επιβίωσης, η απώλεια μπορεί να είναι μόνιμη—εκτός εάν η εταιρεία που τον σάρωσε επιλέξει να μοιραστεί το ψηφιακό αντίγραφο, κάτι που γενικά δεν το κάνει.
Ένα νέο στάδιο του πολέμου πνευματικών δικαιωμάτων
Η εκστρατεία αγοράς βιβλίων βρίσκεται στη διασταύρωση δύο άλυτων νομικών αγώνων: εάν η εκπαίδευση μοντέλων AI σε έργα που προστατεύονται από πνευματικά δικαιώματα χωρίς άδεια συνιστά ορθή χρήση και εάν η καταστροφή της φυσικής πηγής μετά τη σάρωση αλλάζει τον λογισμό. Τα δικαστήρια έχουν στείλει μέχρι στιγμής ανάμεικτα μηνύματα, με ορισμένες αποφάσεις να ευνοούν τους προγραμματιστές τεχνητής νοημοσύνης και άλλες να διατηρούν τις αξιώσεις των δημιουργών.
Για τις εταιρείες τεχνητής νοημοσύνης, ο λογισμός είναι απλός. Τα έντυπα βιβλία προσφέρουν πυκνό, υψηλής ποιότητας, ανθρώπινο κείμενο που είναι όλο και πιο δύσκολο να βρεθεί στο διαδίκτυο. Για τις βιβλιοθήκες, τα αρχεία και τους συλλέκτες που φυλάσσουν σπάνιες εκδόσεις, η ανταλλαγή είναι πολύ λιγότερο ευνοϊκή: αναντικατάστατα φυσικά τεχνουργήματα που περιορίζονται σε μάρκες εκπαίδευσης και στη συνέχεια ανακυκλώνονται σε πολτό.
Η πρακτική εγείρει επίσης ερωτήματα σχετικά με τη διαφάνεια. Η αποκάλυψη του Anthropic ήρθε μόνο επειδή αναγκάστηκε σε δικαστική διαμάχη. Παραμένει άγνωστο πόσες άλλες εταιρείες ακολουθούν παρόμοιες στρατηγικές, πόσα βιβλία έχουν ήδη καταστραφεί ή αν θα προκύψει κάποιο πρότυπο σε ολόκληρη τη βιομηχανία για να διατηρήσει τους τίτλους που κινδυνεύουν πριν σαρωθούν και απορριφθούν.
Το πρόβλημα της κλίμακας Κανείς δεν μπορεί να ποσοτικοποιήσει
Μέρος αυτού που δυσκολεύει την αστυνόμευση της τάσης είναι η διάχυσή της. Σε αντίθεση με ένα ενιαίο μεγάλο αρχείο ή βάση δεδομένων, η καμπάνια αγοράς βιβλίων διανέμεται σε χιλιάδες μεμονωμένες συναλλαγές —σε πωλήσεις ακινήτων, εκπτώσεις σε βιβλιοθήκες και διαδικτυακές αγορές—όπου ένας μαζικός αγοραστής που αγοράζει μια παλέτα με τίτλους μη λογοτεχνίας δεν σηκώνει εμφανή κόκκινη σημαία. Συγκεντρωτικά σε εκατοντάδες χιλιάδες αγορές, ωστόσο, το σωρευτικό αποτέλεσμα είναι η αθόρυβη αφαίρεση τεράστιων τμημάτων εξειδικευμένης γνώσης χαμηλής κυκλοφορίας από το φυσικό αρχείο.
Οι βιβλιοθηκονόμοι και οι αρχειονόμοι έχουν προειδοποιήσει ότι η απώλεια δεν κατανέμεται ομοιόμορφα. Τα μπεστ σέλερ της μαζικής αγοράς επιβιώνουν σε αμέτρητα αντίτυπα, αλλά οι τίτλοι που είναι πιο ελκυστικοί για τους εκπαιδευτές τεχνητής νοημοσύνης —εξειδικευμένα, πλούσια σε πληροφορίες έργα με μικρές εκδόσεις—είναι ακριβώς αυτοί που είναι λιγότερο πιθανό να διατηρηθούν αλλού. Μόλις καταστραφούν, ενδέχεται να υπάρχουν μόνο ως ιδιόκτητα εκπαιδευτικά δεδομένα κλειδωμένα μέσα στους διακομιστές μιας εταιρείας, απρόσιτα στο κοινό που τα παρήγαγε αρχικά και βασιζόταν σε αυτά.
Μείνετε μπροστά από την τεχνητή νοημοσύνη
Οι πόλεμοι εκπαίδευσης-δεδομένων εντείνονται και τα διακυβεύματα εκτείνονται πολύ πέρα από τους εταιρικούς ισολογισμούς. Για να διαβάστε περισσότερα νέα για την τεχνητή νοημοσύνη και να παρακολουθήσετε πώς αντιδρούν τα δικαστήρια, οι ρυθμιστικές αρχές και οι συντηρητές, συνεχίστε να ακολουθείτε το AI Buzz Wire.
Διαβάστε περισσότερα νέα AI →
