Firmy AI kupują zabytkowe książki, aby szkolić modele, a następnie niszczyć je na dużą skalę

Firmy zajmujące się sztuczną inteligencją kupują setki tysięcy zabytkowych i wyczerpanych nakładów, wprowadzają ich zawartość do szkoleniowych zbiorów danych, a następnie niszczą woluminy fizyczne – praktyka na skalę przemysłową, która według badaczy i księgarzy wymazuje dziedzictwo kulturowe, jednocześnie napędzając następną generację modeli językowych. Ujawnienia, które po raz pierwszy pojawiły się w dokumentach sądowych, a obecnie odbiły się echem w europejskich społecznościach księgarzy, otworzyły nowy front w wojnie o prawa autorskie do sztucznej inteligencji. W przypadku najświeższych wiadomości o sztucznej inteligencji na temat kontrowersji związanych z danymi szkoleniowymi, które zmieniły branżę, poniższe szczegóły pokazują, jak polowanie na czysty tekst zamieniło się w ognisko rzadkich książek.

Jak działa ta praktyka

Według dokumentów ujawnionych przez Anthropic podczas postępowania sądowego w 2026 r. i zgłoszonych przez The Washington Post, proces ten jest celowo uprzemysłowiony. W zgłoszeniu opisano, w jaki sposób „hydraulicznie napędzana maszyna do cięcia” firmy skanującej „starannie pocięła” książki, aby strony mogły zostać „zeskanowane przy użyciu szybkich i wysokiej jakości skanerów na poziomie produkcyjnym”. Jak zauważono w zgłoszeniu, po digitalizacji firma zajmująca się skanowaniem „umówi się z firmą zajmującą się recyklingiem w celu odbioru wypełnionych książek”.

Innymi słowy, książki nie są zwracane. Są one redukowane do postaci tekstu cyfrowego, a następnie przetwarzane na miazgę.

Dlaczego firmy chcą starych, drukowanych książek

Apetyt na książki w formie fizycznej wynika z pogłębiającego się problemu twórców sztucznej inteligencji: otwarty internet jest w coraz większym stopniu zanieczyszczony tekstem generowanym przez sztuczną inteligencję. Jak wyjaśnił blog prawniczy Verfassungsblog w analizie zatytułowanej „Sztuczna inteligencja pożera świat książki”, szkolenie w oparciu o treści syntetyczne grozi pogorszeniem jakości modelu — zjawisko to badacze nazywają załamaniem modelu. Natomiast książki wydrukowane przed 2022 rokiem mają gwarancję, że zostały napisane przez ludzi.

Istnieje również kalkulacja prawna. Firmy argumentowały, że skanowanie posiadanych przez nich książek fizycznych może podlegać przepisom amerykańskiego prawa autorskiego dotyczącym „dozwolonego użytku”, co jest ich zdaniem skuteczniejszą obroną niż skrobanie treści internetowych chronionych prawem autorskim. To, czy sądy przyjmą tę argumentację, pozostaje kwestią otwartą, ale nie powstrzymało to szaleństwa zakupów.

Fenomen książek Zoom

W Europie uwaga skupiła się na kanadyjskiej księgarni internetowej Zoom Books, która – jak donosi Verfassungsblog – nabywa setki tysięcy tytułów literatury faktu, na które popyt komercyjny jest niewielki. Te tomy – mało znane prace akademickie, historie regionalne i specjalistyczne podręczniki techniczne – są prawie bezwartościowe dla sprzedawców używanych książek, ale reprezentują bogaty zbiór niewykorzystanych wcześniej materiałów szkoleniowych dla laboratoriów sztucznej inteligencji.

Futuryzm doniósł, że zniszczenia postępują „na niewiarygodną skalę, nawet jeśli nie pozostały prawie żadne kopie”, co oznacza, że ​​w przypadku niektórych tytułów zeskanowana i zniszczona kopia mogła należeć do ostatnich zachowanych wydań w obiegu.

Księgarze i badacze sprzeciwiają się

Doniesienia zaniepokoiły księgarzy antykwarycznych, którzy twierdzą, że nabywcy masowi zakłócają rynek książek używanych i wycofują rzadkie wydania szybciej, niż archiwa są w stanie je zachować. Agencja Anadolu zacytowała tureckiego antykwariusza, który wyraził sceptycyzm co do zakresu roszczeń, potwierdzając jednocześnie rosnące obawy na europejskich rynkach książki. Doniesienia w „Times of India” i Boing Boing określiły tę tendencję jako bezpośrednią konsekwencję prób „ucieczki przed własnymi problemami związanymi ze sztuczną inteligencją” przez firmy zajmujące się sztuczną inteligencją i wycofywanie się do druku sprzed ery Internetu.

Konserwatorzy twierdzą, że zniszczenia są szczególnie niepokojące, ponieważ żaden centralny rejestr nie rejestruje, które książki zostały zeskanowane i zniszczone. Po zniszczeniu tytułu o niskiej przeżywalności strata może być trwała, chyba że firma, która go zeskanowała, zdecyduje się udostępnić kopię cyfrową, co zazwyczaj się nie zdarza.

Nowy etap wojny o prawa autorskie

Kampania zakupu książek znajduje się na skrzyżowaniu dwóch nierozwiązanych batalii prawnych: czy szkolenie modeli sztucznej inteligencji na dziełach chronionych prawem autorskim bez pozwolenia stanowi dozwolony użytek oraz czy zniszczenie fizycznego źródła po zeskanowaniu zmienia rachunek różniczkowy. Jak dotąd sądy wysyłały mieszane sygnały – niektóre orzeczenia faworyzowały twórców sztucznej inteligencji, a inne chroniły roszczenia twórców.

W przypadku firm zajmujących się sztuczną inteligencją rachunek jest prosty. Książki drukowane oferują gęsty, wysokiej jakości tekst autorstwa człowieka, który coraz trudniej znaleźć w Internecie. Dla bibliotek, archiwów i kolekcjonerów strzegących rzadkich wydań kompromis jest znacznie mniej korzystny: niezastąpione artefakty fizyczne zredukowane do żetonów szkoleniowych, a następnie przetworzone na miazgę.

Praktyka rodzi również pytania dotyczące przejrzystości. Anthropic ujawniła informacje tylko dlatego, że zostało wymuszone w postępowaniu sądowym. Nie wiadomo, ile innych firm stosuje podobne strategie, ile książek zostało już zniszczonych ani czy pojawi się ogólnobranżowy standard chroniący zagrożone tytuły przed ich zeskanowaniem i wyrzuceniem.

Problem skali, którego nikt nie jest w stanie określić ilościowo

Jednym z czynników utrudniających kontrolowanie tego trendu jest jego rozproszenie. W przeciwieństwie do pojedynczego dużego archiwum lub bazy danych, kampania zakupu książek jest rozłożona na tysiące pojedynczych transakcji – podczas sprzedaży nieruchomości, wyprzedaży w ramach deakcesji bibliotek i na internetowych platformach handlowych – gdzie masowy nabywca kupujący paletę tytułów literatury faktu nie wywołuje wyraźnej czerwonej flagi. Jednak łączny efekt setek tysięcy zakupów polega na cichym usunięciu z fizycznego zapisu ogromnych obszarów niszowej wiedzy o niskim nakładzie.

Bibliotekarze i archiwiści ostrzegają, że straty nie rozkładają się równomiernie. Bestsellery masowe przetrwały w niezliczonych egzemplarzach, ale tytuły najbardziej atrakcyjne dla trenerów sztucznej inteligencji – specjalistyczne dzieła o dużej zawartości informacji, publikowane w małych nakładach – to właśnie te, które mają najmniejsze szanse zostać zachowane gdzie indziej. Po zniszczeniu mogą istnieć jedynie jako zastrzeżone dane szkoleniowe zamknięte na serwerach firmy, niedostępne dla osób, które je pierwotnie wytworzyły i na których polegały.

Wyprzedź sztuczną inteligencję

Wojny o dane szkoleniowe nasilają się, a stawka wykracza daleko poza bilanse przedsiębiorstw. Aby przeczytać więcej wiadomości o sztucznej inteligencji i śledzić reakcje sądów, organów regulacyjnych i działaczy na rzecz ochrony przyrody, śledź AI Buzz Wire.

Przeczytaj więcej aktualności o sztucznej inteligencji →