W ramach jednego z bardziej pomysłowych dochodzeń dotyczących nienasyconego apetytu branży sztucznej inteligencji na dane szkoleniowe dziennikarze z 404 Media umieścili urządzenie śledzące w przesyłce rzadkich książek, które, jak podejrzewali, zostaną zakupione na potrzeby szkolenia w zakresie sztucznej inteligencji, i podążali za nim przez cały kraj do placówki Amazon w Las Vegas, gdzie – jak podaje placówka – książki są skanowane i niszczone.

W artykule opublikowanym w poniedziałek przez redaktora założyciela 404 Media, Emanuela Maiberga, jako miejsce docelowe znajduje się obiekt Amazon VGT3 w Las Vegas. Z dochodzenia wynika, że ​​Amazon kupował ogromne ilości książek, skanował je w poszukiwaniu danych szkoleniowych AI i niszczył przy tym woluminy fizyczne – operacja ta nie była wcześniej zgłaszana.

Odkrycia nadają nową nazwę praktyce, która od miesięcy po cichu niepokoi księgarzy i archiwistów, i pojawiają się, gdy uwaga opinii publicznej coraz bardziej skupia się na tym, skąd firmy zajmujące się sztuczną inteligencją faktycznie uzyskują swoje dane. Śledź nasze bieżące relacje z wojen szkoleniowych na temat danych w AI Buzz Wire.

Urządzenie śledzące w pudełku z książkami

Metodologia leżąca u podstaw dochodzenia jest tym, co czyni je godnym uwagi. Zamiast polegać na dokumentach lub wywiadach, 404 Media umieściło moduł śledzący GPS w przesyłce rzadkich książek, która według podejrzeń miała zostać przejęta przez firmę zajmującą się sztuczną inteligencją, a następnie monitorowała podróż paczki do miejsca docelowego.

To miejsce docelowe – obiekt VGT3 firmy Amazon – zostało opisane w raporcie jako miejsce, w którym Amazon skanuje książki w poszukiwaniu danych szkoleniowych dotyczących sztucznej inteligencji. Pełne śledztwo, szczegółowo opisujące operację zakupu i jej skalę, dostępne jest dla abonentów 404 Media.

Historia szybko rozprzestrzeniła się w kręgach programistów i polityków technologicznych po tym, jak w poniedziałek znalazła się na pierwszej stronie Hacker News, gdzie komentatorzy debatowali nad kulturowymi i prawnymi konsekwencjami niszczenia rzadkich książek w celu szkolenia komercyjnych systemów sztucznej inteligencji.

Amazon dołącza do rosnącej listy

Raport stanowi najnowszy rozdział szerszej kontrowersji wokół losów książek fizycznych w erze sztucznej inteligencji. Na początku tego lata księgarze i badacze udokumentowali, jak firmy zajmujące się sztuczną inteligencją kupowały setki tysięcy zabytkowych i wyczerpanych nakładów, wprowadzały je do szkoleniowych zbiorów danych i niszczyły fizyczne kopie – praktykę tę krytycy określają jako wymazywanie dziedzictwa kulturowego na skalę przemysłową.

Tym, co wyróżnia nowe raportowanie, jest to, że wymienia konkretny obiekt, konkretną firmę i konkretny łańcuch dostaw. Do tej pory znaczna część dyskusji opierała się na zbiorczych roszczeniach księgarzy i pozwach sądowych. Śledzona przesyłka zapewnia konkretny punkt danych: pudełko rzadkich książek, kupującego i budynek.

Dlaczego zapotrzebowanie na dane szkoleniowe stale rośnie

Ekonomia stojąca za tą praktyką jest prosta. Powszechnie donosi się, że pionierskie modele sztucznej inteligencji pochłonęły większość wysokiej jakości tekstu łatwo dostępnego w otwartej sieci, co zmusza firmy do poszukiwania trudniej dostępnych źródeł: książek, archiwów i licencjonowanych korpusów. Rzadkie i wyczerpane nakłady są atrakcyjne właśnie dlatego, że jest mało prawdopodobne, aby pojawiły się w standardowych zbiorach danych przechwytywanych z Internetu.

Dla krytyków niszczenie fizycznych książek w celu zaspokojenia tego popytu stało się symbolem wydobywczej relacji branży z kulturą ludzką – dane jako zasób, który należy wydobywać niezależnie od tego, co zostanie utracone w procesie. Dla zaangażowanych firm zdigitalizowane książki stanowią prawną szarą strefę, nad którą wciąż pracują sądy i ustawodawcy, zwłaszcza że spory dotyczące praw autorskich dotyczące danych szkoleniowych toczą się w wielu jurysdykcjach.

Ani skanowanie, ani digitalizacja sama w sobie nie wymaga zniszczenia — niszczenie, zauważają wydawcy i archiwiści, wydaje się być środkiem oszczędzającym koszty, ponieważ przechowywanie woluminów fizycznych jest droższe niż ich rozcieranie na miazgę po przechwyceniu ich zawartości.

Problem konserwacji

Archiwiści od dawna twierdzą, że digitalizacja nie oznacza konserwacji. Skan rejestruje tekst książki, ale nie jej marginesy, wiążącą historię, jej cechy materialne – cechy, które sprawiają, że rzadki tom jest raczej artefaktem historycznym niż pojemnikiem słów. Zniszczenie fizycznej kopii po zeskanowaniu zamyka drzwi do przyszłego badania i w przeciwieństwie do plików cyfrowych, książki rozdrobnionej na miazgę nie można ponownie zeskanować w miarę ulepszania technologii obrazowania.

Ekonomika handlu książkami pogłębia stratę. W niewielkich ilościach zachowały się rzadkie i wyczerpane nakłady. Gdy na rynek wejdą nabywcy dysponujący budżetami na poziomie sztucznej inteligencji, będą mogli przebić biblioteki i kolekcjonerów w zamian za pozostałe egzemplarze – a gdy te kopie zostaną zniszczone po zeskanowaniu, populacja danego wydania, która przeżyje, może się trwale skurczyć w ciągu kilku miesięcy.

Stowarzyszenia księgarzy w Europie należą do najgłośniejszych krytyków tej praktyki, a dochodzenie 404 Media nadało ich ostrzeżeniom konkretny ślad: placówkę, łańcuch dostaw i określonego nabywcę korporacyjnego.

Co będzie dalej

Dochodzenie prawdopodobnie zintensyfikuje kontrolę roli Amazona w łańcuchu dostaw danych AI – pozycji, która w przeciwnym razie byłaby zdominowana przez jego działalność w chmurze. Może także ponowić wezwania w Europie i Stanach Zjednoczonych do wprowadzenia przepisów wymagających ochrony materiałów kulturowych wykorzystywanych w szkoleniach związanych z sztuczną inteligencją – pomysł ten został zaproponowany przez stowarzyszenia księgarzy i niektórych decydentów, gdy skala zakupu książek stała się wyraźniejsza.

Na razie najbardziej konkretny wynik dochodzenia ma charakter informacyjny: nazwa placówki, udokumentowana podróż i publiczne potwierdzenie, że ostrzeżenia handlu książkami nie były abstrakcyjne. Rzadkie książki w śledzonej przesyłce zakończyły swoją podróż w Las Vegas. Prawdopodobnie ich zawartość żyje w korpusie szkoleniowym.

Śledź wojny dotyczące danych AI

Dane szkoleniowe, walki o prawa autorskie i etyka sztucznej inteligencji na dużą skalę — codziennie omawiane w AI Buzz Wire.

Przeczytaj więcej aktualności o sztucznej inteligencji →