प्रशिक्षण डेटा के लिए एआई उद्योग की अतृप्त भूख की अधिक आविष्कारशील जांच में से एक में, 404 मीडिया के पत्रकारों ने दुर्लभ किताबों के एक शिपमेंट के अंदर एक ट्रैकिंग डिवाइस रखा, उन्हें संदेह था कि एआई प्रशिक्षण के लिए खरीदा जाएगा - और देश भर में लास वेगास में अमेज़ॅन सुविधा तक इसका पालन किया गया, जहां आउटलेट की रिपोर्ट है, किताबें स्कैन की जाती हैं और नष्ट कर दी जाती हैं।
404 मीडिया के संस्थापक संपादक इमानुएल माईबर्ग द्वारा सोमवार को प्रकाशित कहानी, गंतव्य की पहचान लास वेगास में अमेज़ॅन की वीजीटी3 सुविधा के रूप में करती है। जांच के अनुसार, अमेज़ॅन भारी मात्रा में किताबें खरीद रहा है, उन्हें एआई प्रशिक्षण डेटा के लिए स्कैन कर रहा है, और इस प्रक्रिया में भौतिक मात्रा को नष्ट कर रहा है - आउटलेट का कहना है कि ऐसा ऑपरेशन पहले रिपोर्ट नहीं किया गया था।
निष्कर्ष उस प्रथा में एक बड़ा नया नाम जोड़ते हैं जिसने पुस्तक विक्रेताओं और पुरालेखपालों को महीनों से चुपचाप परेशान कर रखा है, और वे तब सामने आते हैं जब जनता का ध्यान तेजी से इस ओर जाता है कि एआई कंपनियां वास्तव में अपना डेटा कहां से प्राप्त करती हैं। एआई बज़ वायर पर प्रशिक्षण-डेटा युद्धों के हमारे चल रहे कवरेज का पालन करें।
किताबों के डिब्बे में एक ट्रैकिंग डिवाइस
जांच के पीछे की कार्यप्रणाली ही इसे उल्लेखनीय बनाती है। दस्तावेज़ों या साक्षात्कारों पर भरोसा करने के बजाय, 404 मीडिया ने दुर्लभ पुस्तकों के शिपमेंट में एक जीपीएस ट्रैकर एम्बेड किया, जिसके बारे में संदेह था कि आउटलेट को एआई कंपनी द्वारा अधिग्रहित किया जाएगा, फिर पैकेज की अंतिम गंतव्य तक की यात्रा की निगरानी की।
उस गंतव्य - अमेज़ॅन की वीजीटी3 सुविधा - को रिपोर्ट में उस साइट के रूप में वर्णित किया गया है जहां अमेज़ॅन एआई प्रशिक्षण डेटा के लिए किताबें स्कैन करता है। पूरी जांच, जिसमें खरीद संचालन और उसके पैमाने का विवरण है, 404 मीडिया ग्राहकों के लिए उपलब्ध है।
सोमवार को हैकर न्यूज के पहले पन्ने पर आने के बाद यह कहानी डेवलपर और तकनीकी-नीति हलकों में तेजी से फैल गई, जहां टिप्पणीकारों ने वाणिज्यिक एआई सिस्टम को प्रशिक्षित करने के लिए दुर्लभ पुस्तकों को नष्ट करने के सांस्कृतिक और कानूनी निहितार्थों पर बहस की।
अमेज़न एक बढ़ती हुई सूची में शामिल हो गया
यह रिपोर्ट एआई युग में भौतिक पुस्तकों के भाग्य पर व्यापक विवाद का नवीनतम अध्याय है। इस गर्मी की शुरुआत में, पुस्तक विक्रेताओं और शोधकर्ताओं ने दस्तावेज़ीकरण किया कि कैसे एआई कंपनियां हजारों की संख्या में प्राचीन और आउट-ऑफ-प्रिंट वॉल्यूम खरीद रही थीं, उन्हें प्रशिक्षण डेटासेट में डाल रही थीं, और भौतिक प्रतियों को नष्ट कर रही थीं - एक अभ्यास जिसे आलोचक औद्योगिक पैमाने पर सांस्कृतिक विरासत के उन्मूलन के रूप में वर्णित करते हैं।
नई रिपोर्टिंग में जो बात अलग है वह यह है कि इसमें एक विशिष्ट सुविधा, एक विशिष्ट कंपनी और एक विशिष्ट आपूर्ति श्रृंखला का नाम दिया गया है। अब तक, अधिकांश चर्चा पुस्तक विक्रेताओं के कुल दावों और अदालती दाखिलों पर निर्भर थी। एक ट्रैक किया गया शिपमेंट एक ठोस डेटा बिंदु प्रदान करता है: दुर्लभ पुस्तकों का एक बॉक्स, एक खरीदार और एक इमारत।
प्रशिक्षण डेटा की मांग क्यों बढ़ती जा रही है
इस प्रथा के पीछे का अर्थशास्त्र सीधा है। फ्रंटियर एआई मॉडल के बारे में व्यापक रूप से बताया गया है कि उन्होंने खुले वेब पर आसानी से उपलब्ध अधिकांश उच्च-गुणवत्ता वाले पाठ का उपभोग किया है, जिससे कंपनियों को कठिन-से-पहुंच वाले स्रोतों की तलाश करने के लिए प्रेरित किया गया है: किताबें, अभिलेखागार और लाइसेंस प्राप्त कॉर्पोरा। दुर्लभ और आउट-ऑफ-प्रिंट वॉल्यूम विशेष रूप से आकर्षक होते हैं क्योंकि वे मानक वेब-स्क्रैप किए गए डेटासेट में प्रदर्शित होने की संभावना नहीं रखते हैं।
आलोचकों के लिए, उस मांग को पूरा करने के लिए भौतिक पुस्तकों का विनाश मानव संस्कृति के साथ उद्योग के निष्कर्षण संबंध का प्रतीक बन गया है - डेटा एक संसाधन के रूप में खनन किया जाना चाहिए, भले ही इस प्रक्रिया में कुछ भी खो जाए। शामिल कंपनियों के लिए, डिजीटल पुस्तकें एक कानूनी ग्रे जोन का प्रतिनिधित्व करती हैं जिसे अदालतें और विधायक अभी भी सुलझा रहे हैं, खासकर जब प्रशिक्षण डेटा पर कॉपीराइट मुकदमा कई न्यायालयों के माध्यम से अपना काम करता है।
न तो स्कैनिंग और न ही डिजिटलीकरण के लिए विनाश की आवश्यकता होती है - प्रकाशकों और पुरालेखपालों का कहना है कि विनाश एक लागत-बचत उपाय प्रतीत होता है, क्योंकि भौतिक मात्राओं को संग्रहित करना उनकी सामग्री को कैप्चर करने के बाद उन्हें लुगदी बनाने की तुलना में अधिक महंगा है।
संरक्षण की समस्या
पुरालेखपालों ने लंबे समय से तर्क दिया है कि डिजिटलीकरण संरक्षण नहीं है। एक स्कैन किसी पुस्तक के पाठ को पकड़ता है, लेकिन उसके सीमांत, उसके बाध्यकारी इतिहास, उसके भौतिक गुणों को नहीं - वे विशेषताएं जो एक दुर्लभ खंड को शब्दों के कंटेनर के बजाय एक ऐतिहासिक कलाकृति बनाती हैं। स्कैनिंग के बाद भौतिक प्रतिलिपि को नष्ट करने से भविष्य की जांच का दरवाजा बंद हो जाता है, और डिजिटल फ़ाइलों के विपरीत, इमेजिंग तकनीक में सुधार होने के कारण लुगदी वाली किताब को दोबारा स्कैन नहीं किया जा सकता है।
The economics of the book trade compound the loss. Rare and out-of-print volumes survive in small numbers. When buyers with AI-scale budgets enter the market, they can outbid libraries and collectors for the remaining copies — and when those copies are destroyed after scanning, the surviving population of a given edition can shrink permanently within months.
Bookseller associations in Europe have been among the most vocal critics of the practice, and the 404 Media investigation gives their warnings a concrete footprint: a facility, a supply chain, and a named corporate buyer.
What Comes Next
The investigation is likely to intensify scrutiny of Amazon's role in the AI data supply chain, a position that is otherwise dominated by its cloud business. It may also renew calls in Europe and the United States for rules requiring the preservation of cultural materials used in AI training, an idea that has been floated by bookseller associations and some policymakers as the scale of book-buying has become clearer.
For now, the most concrete outcome of the investigation is informational: a named facility, a documented journey, and a public record that the book trade's warnings were not abstract. The rare books in the tracked shipment ended their journey in Las Vegas. Their contents, presumably, live on in a training corpus.
Follow the AI Data Wars
Training data, copyright fights, and the ethics of AI at scale — covered daily at AI Buzz Wire.
Read more AI news →
