Σε μια από τις πιο εφευρετικές έρευνες για την ακόρεστη όρεξη του κλάδου της τεχνητής νοημοσύνης για δεδομένα εκπαίδευσης, οι δημοσιογράφοι της 404 Media τοποθέτησαν μια συσκευή παρακολούθησης μέσα σε μια αποστολή σπάνιων βιβλίων που υποψιάζονταν ότι θα αγόραζαν για εκπαίδευση τεχνητής νοημοσύνης - και την ακολούθησαν σε όλη τη χώρα σε μια εγκατάσταση της Amazon στο Λας Βέγκας όπου, σύμφωνα με το πρακτορείο, τα βιβλία σαρώνονται και καταστρέφονται.
Η ιστορία, που δημοσιεύτηκε τη Δευτέρα από τον ιδρυτικό συντάκτη του 404 Media, Emanuel Maiberg, προσδιορίζει τον προορισμό ως τις εγκαταστάσεις VGT3 της Amazon στο Λας Βέγκας. Σύμφωνα με την έρευνα, η Amazon αγόραζε τεράστιες ποσότητες βιβλίων, τα σαρώνει για δεδομένα εκπαίδευσης τεχνητής νοημοσύνης και καταστρέφει τους φυσικούς όγκους στη διαδικασία - μια επιχείρηση που λέει το κατάστημα δεν είχε αναφερθεί προηγουμένως.
Τα ευρήματα προσθέτουν ένα σημαντικό νέο όνομα σε μια πρακτική που έχει προβληματίσει ήσυχα τους βιβλιοπώλες και τους αρχειονόμους για μήνες και φτάνουν καθώς η προσοχή του κοινού στρέφεται όλο και περισσότερο στο πού λαμβάνουν πραγματικά τα δεδομένα τους οι εταιρείες τεχνητής νοημοσύνης. Ακολουθήστε τη συνεχή μας κάλυψη για τους πολέμους δεδομένων εκπαίδευσης στο AI Buzz Wire.
Μια συσκευή παρακολούθησης σε ένα κουτί βιβλίων
Η μεθοδολογία πίσω από την έρευνα είναι αυτή που την κάνει αξιοσημείωτη. Αντί να βασίζεται σε έγγραφα ή συνεντεύξεις, το 404 Media ενσωμάτωσε έναν ιχνηλάτη GPS σε μια αποστολή σπάνιων βιβλίων για τα οποία υποψιαζόταν ότι θα αγόραζε μια εταιρεία τεχνητής νοημοσύνης και στη συνέχεια παρακολούθησε το ταξίδι του πακέτου στον τελικό προορισμό του.
Αυτός ο προορισμός - η εγκατάσταση VGT3 της Amazon - περιγράφεται στην έκθεση ως ο ιστότοπος όπου η Amazon σαρώνει βιβλία για δεδομένα εκπαίδευσης AI. Η πλήρης έρευνα, η οποία περιγράφει λεπτομερώς την επιχείρηση αγοράς και την κλίμακα της, είναι διαθέσιμη σε 404 συνδρομητές Media.
Η ιστορία εξαπλώθηκε γρήγορα στους κύκλους προγραμματιστών και τεχνολογικών πολιτικών μετά την προσγείωση στην πρώτη σελίδα του Hacker News τη Δευτέρα, όπου οι σχολιαστές συζήτησαν τις πολιτιστικές και νομικές επιπτώσεις της καταστροφής σπάνιων βιβλίων για την εκπαίδευση εμπορικών συστημάτων AI.
Η Amazon συμμετέχει σε μια αναπτυσσόμενη λίστα
Η έκθεση είναι το τελευταίο κεφάλαιο σε μια ευρύτερη διαμάχη σχετικά με την τύχη των φυσικών βιβλίων στην εποχή της τεχνητής νοημοσύνης. Νωρίτερα αυτό το καλοκαίρι, βιβλιοπώλες και ερευνητές τεκμηρίωσαν πώς εταιρείες τεχνητής νοημοσύνης αγόραζαν αντίκες και εξαντλημένους τόμους κατά εκατοντάδες χιλιάδες, τους τροφοδοτούσαν σε σύνολα δεδομένων εκπαίδευσης και κατέστρεφαν τα φυσικά αντίγραφα - μια πρακτική που οι κριτικοί περιγράφουν ως διαγραφή πολιτιστικής κληρονομιάς σε βιομηχανική κλίμακα.
Αυτό που διακρίνει τη νέα αναφορά είναι ότι κατονομάζει μια συγκεκριμένη εγκατάσταση, μια συγκεκριμένη εταιρεία και μια συγκεκριμένη αλυσίδα εφοδιασμού. Μέχρι τώρα, μεγάλο μέρος της συζήτησης βασιζόταν σε συγκεντρωτικές αξιώσεις από βιβλιοπώλες και δικαστικές καταθέσεις. Μια αποστολή με παρακολούθηση προσφέρει ένα συγκεκριμένο σημείο δεδομένων: ένα κουτί με σπάνια βιβλία, έναν αγοραστή και ένα κτίριο.
Γιατί η ζήτηση δεδομένων εκπαίδευσης συνεχίζει να κλιμακώνεται
Τα οικονομικά στοιχεία πίσω από την πρακτική είναι ξεκάθαρα. Τα μοντέλα Frontier AI αναφέρεται ευρέως ότι έχουν καταναλώσει το μεγαλύτερο μέρος του κειμένου υψηλής ποιότητας που είναι άμεσα διαθέσιμο στον ανοιχτό ιστό, ωθώντας τις εταιρείες να αναζητήσουν πιο δυσπρόσιτες πηγές: βιβλία, αρχεία και αδειοδοτημένα σώματα. Οι σπάνιοι και μη εκτυπωμένοι τόμοι είναι ελκυστικοί ακριβώς επειδή είναι απίθανο να εμφανιστούν σε τυπικά σύνολα δεδομένων που έχουν αφαιρεθεί από τον ιστό.
Για τους κριτικούς, η καταστροφή φυσικών βιβλίων για την τροφοδοσία αυτής της ζήτησης έχει γίνει σύμβολο της εξορυκτικής σχέσης της βιομηχανίας με τον ανθρώπινο πολιτισμό - δεδομένα ως πόρος που πρέπει να εξορυχθεί ανεξάρτητα από το τι χάνεται στη διαδικασία. Για τις εμπλεκόμενες εταιρείες, τα ψηφιοποιημένα βιβλία αντιπροσωπεύουν μια νομική γκρίζα ζώνη που τα δικαστήρια και οι νομοθέτες εξακολουθούν να ταξινομούν, ιδιαίτερα καθώς οι διαφορές πνευματικών δικαιωμάτων σχετικά με τα δεδομένα εκπαίδευσης λειτουργούν μέσω πολλαπλών δικαιοδοσιών.
Ούτε η σάρωση ούτε η ψηφιοποίηση απαιτούν καταστροφή - η καταστροφή, σημειώνουν οι εκδότες και οι αρχειοθέτες, φαίνεται να είναι ένα μέτρο εξοικονόμησης κόστους, καθώς η αποθήκευση φυσικών όγκων είναι πιο ακριβή από την πολτοποίηση τους μόλις καταγραφεί το περιεχόμενό τους.
Το πρόβλημα διατήρησης
Οι αρχειονόμοι υποστηρίζουν εδώ και καιρό ότι η ψηφιοποίηση δεν είναι διατήρηση. Μια σάρωση αποτυπώνει το κείμενο ενός βιβλίου αλλά όχι τα περιθώρια του, τη δεσμευτική του ιστορία, τις υλικές του ιδιότητες — τα χαρακτηριστικά που κάνουν έναν σπάνιο τόμο ιστορικό τεχνούργημα και όχι ένα δοχείο λέξεων. Η καταστροφή του φυσικού αντιγράφου μετά τη σάρωση κλείνει την πόρτα σε μελλοντική εξέταση και, σε αντίθεση με τα ψηφιακά αρχεία, ένα πολτοποιημένο βιβλίο δεν μπορεί να σαρωθεί ξανά καθώς βελτιώνεται η τεχνολογία απεικόνισης.
Τα οικονομικά του εμπορίου βιβλίων επιδεινώνουν την απώλεια. Σπάνιοι και εξαντλημένοι τόμοι επιβιώνουν σε μικρούς αριθμούς. Όταν οι αγοραστές με προϋπολογισμούς κλίμακας AI εισέλθουν στην αγορά, μπορούν να πλειοδοτήσουν τις βιβλιοθήκες και τους συλλέκτες για τα υπόλοιπα αντίτυπα - και όταν αυτά τα αντίγραφα καταστρέφονται μετά τη σάρωση, ο επιζών πληθυσμός μιας δεδομένης έκδοσης μπορεί να συρρικνωθεί οριστικά μέσα σε μήνες.
Οι ενώσεις βιβλιοπωλών στην Ευρώπη ήταν από τους πιο έντονους επικριτές της πρακτικής και η έρευνα του 404 Media δίνει στις προειδοποιήσεις τους ένα συγκεκριμένο αποτύπωμα: μια εγκατάσταση, μια αλυσίδα εφοδιασμού και έναν επώνυμο εταιρικό αγοραστή.
Τι ακολουθεί
Η έρευνα είναι πιθανό να εντείνει τον έλεγχο του ρόλου της Amazon στην αλυσίδα εφοδιασμού δεδομένων τεχνητής νοημοσύνης, μια θέση που κατά τα άλλα κυριαρχείται από τις δραστηριότητές της στο cloud. Μπορεί επίσης να ανανεώσει τις προσκλήσεις στην Ευρώπη και τις Ηνωμένες Πολιτείες για κανόνες που απαιτούν τη διατήρηση του πολιτιστικού υλικού που χρησιμοποιείται στην εκπαίδευση τεχνητής νοημοσύνης, μια ιδέα που έχει διατυπωθεί από ενώσεις βιβλιοπωλών και ορισμένους φορείς χάραξης πολιτικής, καθώς η κλίμακα της αγοράς βιβλίων έχει γίνει σαφέστερη.
Προς το παρόν, το πιο συγκεκριμένο αποτέλεσμα της έρευνας είναι ενημερωτικό: μια επώνυμη εγκατάσταση, ένα τεκμηριωμένο ταξίδι και ένα δημόσιο αρχείο ότι οι προειδοποιήσεις του εμπορίου βιβλίων δεν ήταν αφηρημένες. Τα σπάνια βιβλία στην αποστολή ολοκλήρωσαν το ταξίδι τους στο Λας Βέγκας. Το περιεχόμενό τους, πιθανώς, ζει σε ένα εκπαιδευτικό σώμα.
Ακολουθήστε το AI Data Wars
Δεδομένα εκπαίδευσης, μάχες πνευματικών δικαιωμάτων και η ηθική της τεχνητής νοημοσύνης σε κλίμακα — καλύπτονται καθημερινά στο AI Buzz Wire.
Διαβάστε περισσότερα νέα AI →
