प्रशिक्षण डेटासाठी AI उद्योगाच्या अतृप्त भूक बद्दलच्या एका अधिक कल्पक तपासणीमध्ये, 404 मीडिया मधील पत्रकारांनी दुर्मिळ पुस्तकांच्या शिपमेंटमध्ये एक ट्रॅकिंग डिव्हाइस ठेवले जे त्यांना AI प्रशिक्षणासाठी विकत घेतले जाईल असा संशय आहे — आणि ते देशभरात लास वेगासमधील ऍमेझॉन सुविधेकडे गेले जेथे, आउटलेट अहवाल, पुस्तके स्कॅन केली जातात आणि नष्ट केली जातात.
404 मीडियाचे संस्थापक संपादक इमॅन्युएल मायबर्ग यांनी सोमवारी प्रकाशित केलेली कथा, लास वेगासमधील Amazon ची VGT3 सुविधा म्हणून गंतव्यस्थान ओळखते. तपासणीनुसार, Amazon मोठ्या प्रमाणात पुस्तके खरेदी करत आहे, AI प्रशिक्षण डेटासाठी ते स्कॅन करत आहे आणि प्रक्रियेतील भौतिक खंड नष्ट करत आहे - आउटलेटच्या म्हणण्यानुसार ऑपरेशन पूर्वी नोंदवले गेले नव्हते.
अनेक महिन्यांपासून पुस्तक विक्रेते आणि पुरातनलेखकांना शांतपणे त्रास देणाऱ्या सरावाला या निष्कर्षांनी एक नवीन नाव जोडले आहे आणि AI कंपन्यांना त्यांचा डेटा कोठे मिळतो याकडे लोकांचे लक्ष वाढत असताना ते पोहोचले. AI Buzz Wire येथे आमच्या प्रशिक्षण-डेटा युद्धाच्या चालू कव्हरेजचे अनुसरण करा.
पुस्तकांच्या बॉक्समध्ये एक ट्रॅकिंग डिव्हाइस
तपासामागील कार्यपद्धती हे लक्षणीय बनवते. दस्तऐवजांवर किंवा मुलाखतींवर अवलंबून राहण्याऐवजी, 404 मीडियाने दुर्मिळ पुस्तकांच्या शिपमेंटमध्ये एक GPS ट्रॅकर एम्बेड केला ज्याचा आउटलेट एआय कंपनीकडून विकत घेतला जाईल, त्यानंतर पॅकेजच्या अंतिम गंतव्यापर्यंतच्या प्रवासाचे निरीक्षण केले.
ते गंतव्यस्थान — Amazon ची VGT3 सुविधा — अहवालात AI प्रशिक्षण डेटासाठी Amazon पुस्तके स्कॅन करते अशी साइट म्हणून वर्णन केले आहे. संपूर्ण तपासणी, ज्यामध्ये खरेदी ऑपरेशन आणि त्याचे प्रमाण तपशीलवार आहे, 404 मीडिया सदस्यांसाठी उपलब्ध आहे.
सोमवारी हॅकर न्यूजच्या पहिल्या पानावर उतरल्यानंतर ही कथा विकसक आणि टेक-पॉलिसी वर्तुळांमध्ये त्वरीत पसरली, जिथे टिप्पणीकर्त्यांनी व्यावसायिक एआय सिस्टमला प्रशिक्षित करण्यासाठी दुर्मिळ पुस्तके नष्ट करण्याच्या सांस्कृतिक आणि कायदेशीर परिणामांवर चर्चा केली.
Amazon वाढत्या यादीत सामील झाला
हा अहवाल एआय युगातील भौतिक पुस्तकांच्या भवितव्यावरील व्यापक वादाचा नवीनतम अध्याय आहे. या उन्हाळ्याच्या सुरुवातीला, पुस्तक विक्रेते आणि संशोधकांनी दस्तऐवजीकरण केले की AI कंपन्या अँटीक आणि आउट-ऑफ-प्रिंट व्हॉल्यूम शेकडो हजारो लोक कसे खरेदी करत आहेत, त्यांना प्रशिक्षण डेटासेटमध्ये फीड करत आहेत आणि भौतिक प्रती नष्ट करत आहेत — एक सराव समीक्षकांनी सांस्कृतिक वारसा औद्योगिक स्तरावर पुसून टाकणे असे वर्णन केले आहे.
नवीन रिपोर्टिंग काय वेगळे करते ते म्हणजे ते विशिष्ट सुविधा, विशिष्ट कंपनी आणि विशिष्ट पुरवठा साखळीचे नाव देते. आत्तापर्यंत, बहुतेक चर्चा पुस्तक विक्रेत्यांकडून आणि न्यायालयीन दाव्यांवर अवलंबून होती. ट्रॅक केलेले शिपमेंट ठोस डेटा पॉइंट देते: दुर्मिळ पुस्तकांचा बॉक्स, खरेदीदार आणि इमारत.
प्रशिक्षण डेटाची मागणी का वाढत आहे
सरावामागील अर्थशास्त्र सरळ आहे. Frontier AI मॉडेल्सनी खुल्या वेबवर सहज उपलब्ध असलेला उच्च-गुणवत्तेचा मजकूर वापरल्याचा मोठ्या प्रमाणावर अहवाल दिला जातो, ज्यामुळे कंपन्यांना प्रवेशासाठी कठीण स्त्रोत शोधण्यास भाग पाडले जाते: पुस्तके, संग्रहण आणि परवानाकृत कॉर्पोरा. दुर्मिळ आणि आउट-ऑफ-प्रिंट व्हॉल्यूम अचूकपणे आकर्षक आहेत कारण ते मानक वेब-स्क्रॅप केलेल्या डेटासेटमध्ये दिसण्याची शक्यता नाही.
समीक्षकांसाठी, ही मागणी पूर्ण करण्यासाठी भौतिक पुस्तकांचा नाश करणे हे उद्योगाच्या मानवी संस्कृतीशी असलेल्या उत्खननशील संबंधाचे प्रतीक बनले आहे - प्रक्रियेत काय गमावले आहे याची पर्वा न करता उत्खनन केले जाणारे संसाधन म्हणून डेटा. गुंतलेल्या कंपन्यांसाठी, डिजिटायझ्ड पुस्तके कायदेशीर ग्रे झोनचे प्रतिनिधित्व करतात ज्यावर न्यायालये आणि आमदार अजूनही क्रमवारी लावत आहेत, विशेषत: प्रशिक्षण डेटावरील कॉपीराइट खटला अनेक अधिकारक्षेत्रांद्वारे कार्य करते.
स्कॅनिंग किंवा डिजिटायझेशन या दोन्हीपैकी स्वतःच नाश आवश्यक नाही — विनाश, प्रकाशक आणि आर्काइव्हिस्ट लक्षात ठेवा की, एक खर्च-बचत उपाय असल्याचे दिसून येते, कारण भौतिक खंड संग्रहित करणे हे एकदा त्यांची सामग्री कॅप्चर केल्यानंतर त्यांना पल्प करण्यापेक्षा अधिक महाग आहे.
जतन समस्या
डिजिटायझेशन म्हणजे जतन नाही, असे पुरातत्त्वशास्त्रज्ञांनी फार पूर्वीपासून मांडले आहे. स्कॅन पुस्तकाचा मजकूर कॅप्चर करतो परंतु त्याचा सीमांत नाही, त्याचा बंधनकारक इतिहास, त्याचे भौतिक गुण - अशी वैशिष्ट्ये जी दुर्मिळ खंडाला शब्दांच्या कंटेनरऐवजी ऐतिहासिक कलाकृती बनवतात. स्कॅनिंगनंतर भौतिक प्रत नष्ट केल्याने भविष्यातील परीक्षेचा दरवाजा बंद होतो आणि डिजिटल फायलींप्रमाणे, इमेजिंग तंत्रज्ञान सुधारल्यामुळे पुल्प केलेले पुस्तक पुन्हा स्कॅन करता येत नाही.
पुस्तक व्यापाराच्या अर्थशास्त्रामुळे तोटा वाढतो. दुर्मिळ आणि आउट-ऑफ-प्रिंट व्हॉल्यूम लहान संख्येने टिकून राहतात. जेव्हा एआय-स्केल बजेट असलेले खरेदीदार बाजारात प्रवेश करतात, तेव्हा ते उर्वरित प्रतींसाठी लायब्ररी आणि संग्राहकांना मागे टाकू शकतात — आणि जेव्हा त्या प्रती स्कॅनिंगनंतर नष्ट केल्या जातात, तेव्हा दिलेल्या आवृत्तीची वाचलेली लोकसंख्या काही महिन्यांत कायमची कमी होऊ शकते.
युरोपमधील पुस्तकविक्रेते संघटना या सरावाचे सर्वात बोलके समीक्षक आहेत आणि 404 मीडिया तपासणी त्यांच्या इशाऱ्यांना एक ठोस पाऊलखुणा देते: एक सुविधा, एक पुरवठा साखळी आणि एक नामांकित कॉर्पोरेट खरेदीदार.
पुढे काय येईल
तपासामुळे एआय डेटा सप्लाय चेनमधील ऍमेझॉनच्या भूमिकेची छाननी तीव्र होण्याची शक्यता आहे, ही स्थिती ज्यावर त्याच्या क्लाउड व्यवसायाचे वर्चस्व आहे. AI प्रशिक्षणात वापरल्या जाणाऱ्या सांस्कृतिक सामग्रीचे जतन करणे आवश्यक असलेल्या नियमांसाठी युरोप आणि युनायटेड स्टेट्समध्ये कॉलचे नूतनीकरण देखील करू शकते, ही कल्पना पुस्तक विक्रेते संघटना आणि काही धोरणकर्त्यांनी मांडली आहे कारण पुस्तक खरेदीचे प्रमाण अधिक स्पष्ट झाले आहे.
आत्तासाठी, तपासणीचा सर्वात ठोस परिणाम माहितीपूर्ण आहे: एक नामित सुविधा, एक दस्तऐवजीकरण प्रवास आणि सार्वजनिक रेकॉर्ड की पुस्तक व्यापार चेतावणी अमूर्त नव्हते. ट्रॅक केलेल्या शिपमेंटमधील दुर्मिळ पुस्तकांनी लास वेगासमध्ये त्यांचा प्रवास संपवला. त्यांची सामग्री, संभाव्यतः, प्रशिक्षण कॉर्पसमध्ये राहतात.
AI डेटा युद्धांचे अनुसरण करा
प्रशिक्षण डेटा, कॉपीराइट मारामारी आणि AI ची नैतिकता मोठ्या प्रमाणावर — AI Buzz Wire वर दररोज कव्हर केली जाते.
अधिक एआय बातम्या वाचा →
