Perusahaan AI Membeli Buku Antik untuk Melatih Model, Lalu Menghancurkannya Dalam Skala Besar

Perusahaan-perusahaan kecerdasan buatan membeli ratusan ribu buku antik dan sudah tidak lagi dicetak, memasukkan isinya ke dalam kumpulan data pelatihan, dan kemudian menghancurkan volume fisiknya—sebuah praktik skala industri yang menurut para peneliti dan penjual buku menghapus warisan budaya bahkan ketika hal itu mendorong model bahasa generasi berikutnya. Pengungkapan ini, yang pertama kali muncul dalam dokumen pengadilan dan kini bergema di komunitas penjual buku Eropa, telah membuka front baru dalam perang hak cipta AI. Untuk berita AI terkini mengenai kontroversi data pelatihan yang membentuk kembali industri ini, detail di bawah ini menelusuri bagaimana perburuan teks bersih berubah menjadi api unggun buku-buku langka.

Cara Kerja Latihan

Menurut dokumen yang diungkapkan oleh Anthropic selama persidangan tahun 2026 dan dilaporkan oleh The Washington Post, prosesnya sengaja diindustrialisasi. Pengajuan tersebut menjelaskan bagaimana "mesin pemotong bertenaga hidrolik" milik kontraktor pemindaian akan "memotong dengan rapi" buku-buku sehingga halaman-halamannya dapat "dipindai dengan pemindai tingkat produksi berkecepatan tinggi, berkualitas tinggi." Setelah didigitalkan, menurut dokumen tersebut, perusahaan pemindai akan "menjadwalkan dengan perusahaan daur ulang untuk mengambil buku yang sudah selesai."

Dengan kata lain, buku-buku tersebut tidak dikembalikan. Mereka direduksi menjadi teks digital dan kemudian dijadikan pulp.

Mengapa Perusahaan Menginginkan Buku Cetak Lama

Minat terhadap buku fisik berasal dari masalah yang semakin buruk bagi pengembang AI: internet terbuka semakin tercemar dengan teks yang dihasilkan AI. Seperti yang dijelaskan oleh blog hukum Verfassungsblog dalam analisis berjudul "AI Memakan Dunia Buku", pelatihan tentang konten sintetis berisiko menurunkan kualitas model—sebuah fenomena yang oleh para peneliti disebut sebagai keruntuhan model. Sebaliknya, buku yang dicetak sebelum tahun 2022 dijamin ditulis oleh manusia.

Ada juga perhitungan hukumnya. Perusahaan beralasan bahwa pemindaian buku fisik yang mereka miliki mungkin termasuk dalam ketentuan "penggunaan wajar" dalam undang-undang hak cipta AS, sebuah pembelaan yang mereka yakini lebih kuat daripada menghapus konten web yang dilindungi hak cipta. Apakah pengadilan menerima argumen tersebut masih menjadi pertanyaan terbuka, namun hal ini tidak menghentikan kegilaan pembelian.

Fenomena Buku Zoom

Di Eropa, perhatian terpusat pada toko buku online Kanada bernama Zoom Books, yang menurut laporan Verfassungsblog telah memperoleh ratusan ribu judul nonfiksi namun permintaan komersialnya hanya tersisa sedikit. Buku-buku ini—karya akademis yang tidak jelas, sejarah regional, dan manual teknis khusus—hampir tidak berharga bagi penjual buku bekas, namun mewakili banyak sekali materi pelatihan yang belum dimanfaatkan untuk laboratorium AI.

Futurisme melaporkan bahwa kehancuran terjadi "dalam skala yang luar biasa, meskipun hampir tidak ada salinan yang tersisa", yang berarti bahwa untuk beberapa judul, salinan yang dipindai dan diparut mungkin merupakan salah satu edisi terakhir yang masih beredar.

Penjual Buku dan Peneliti Menolak

Laporan-laporan tersebut telah membuat khawatir para penjual buku antik, yang mengatakan bahwa pembeli dalam jumlah besar telah mendistorsi pasar barang bekas dan menghapus edisi-edisi langka lebih cepat daripada kemampuan arsip untuk menyimpannya. Anadolu Agency mengutip seorang penjual buku antik Turki yang menyatakan skeptis terhadap cakupan klaim tersebut, sekaligus mengakui meningkatnya kekhawatiran di pasar buku Eropa. Liputan di Times of India dan Boing Boing menggambarkan tren ini sebagai konsekuensi langsung dari upaya perusahaan-perusahaan AI untuk "melarikan diri dari kegagalan AI mereka" dengan beralih ke media cetak pra-internet.

Penganut pelestarian berpendapat bahwa kehancuran ini sangat meresahkan karena tidak ada pusat pencatatan yang melacak buku mana yang telah dipindai dan dimusnahkan. Setelah judul yang memiliki tingkat kelangsungan hidup rendah dihilangkan, kerugian tersebut mungkin bersifat permanen—kecuali jika perusahaan yang memindainya memilih untuk membagikan salinan digitalnya, padahal biasanya tidak.

Tahap Baru Perang Hak Cipta

Kampanye pembelian buku ini berada di persimpangan dua perselisihan hukum yang belum terselesaikan: apakah melatih model AI pada karya berhak cipta tanpa izin merupakan penggunaan wajar, dan apakah menghancurkan sumber fisik setelah pemindaian akan mengubah perhitungan. Pengadilan sejauh ini memberikan sinyal yang beragam, dengan beberapa putusan mendukung pengembang AI dan sebagian lainnya mendukung klaim pembuat konten.

Bagi perusahaan AI, perhitungannya sangatlah mudah. Buku cetak menawarkan teks padat, berkualitas tinggi, dan ditulis oleh manusia yang semakin sulit ditemukan secara online. Bagi perpustakaan, arsip, dan kolektor yang menjaga edisi langka, dampaknya kurang menguntungkan: artefak fisik yang tak tergantikan direduksi menjadi token pelatihan dan kemudian didaur ulang menjadi bubur kertas.

Praktik ini juga menimbulkan pertanyaan mengenai transparansi. Pengungkapan Anthropic terjadi hanya karena dipaksa dalam proses litigasi. Masih belum diketahui berapa banyak perusahaan lain yang menerapkan strategi serupa, berapa banyak buku yang telah dimusnahkan, atau apakah standar industri akan muncul untuk melestarikan buku-buku yang berisiko sebelum dipindai dan dibuang.

Masalah Skala yang Tidak Dapat Diukur oleh Siapapun

Hal yang membuat tren ini sulit untuk diawasi adalah penyebarannya. Tidak seperti satu arsip atau database besar, kampanye pembelian buku didistribusikan ke ribuan transaksi individual—di penjualan properti, penjualan deakses perpustakaan, dan pasar online—di mana pembeli dalam jumlah besar yang membeli sekumpulan judul nonfiksi tidak menimbulkan tanda bahaya yang jelas. Namun, jika digabungkan dalam ratusan ribu pembelian, efek kumulatifnya adalah penghapusan secara diam-diam sebagian besar pengetahuan khusus dan bersirkulasi rendah dari catatan fisik.

Pustakawan dan arsiparis telah memperingatkan bahwa kerugian yang terjadi tidak merata. Buku terlaris di pasar massal bertahan dalam jumlah salinan yang tak terhitung jumlahnya, namun judul yang paling menarik bagi para pelatih AI—karya khusus dan padat informasi dengan cetakan kecil—adalah judul yang paling kecil kemungkinannya untuk dipertahankan di tempat lain. Setelah dimusnahkan, data tersebut mungkin hanya ada sebagai data pelatihan eksklusif yang terkunci di dalam server perusahaan, tidak dapat diakses oleh publik yang awalnya memproduksi dan mengandalkan data tersebut.

Tetap Terdepan dalam AI

Perang data pelatihan semakin intensif, dan pertaruhannya jauh melampaui neraca perusahaan. Untuk membaca berita AI selengkapnya dan mengikuti respons pengadilan, regulator, dan pelestari lingkungan, ikuti terus AI Buzz Wire.

Baca berita AI selengkapnya →