Kampuni za AI Zinanunua Vitabu vya Kale ili Kufunza Modeli, Kisha Kuziharibu kwa Kiwango.

Kampuni za kijasusi za Bandia zinanunua vitabu vya kale na visivyochapishwa kwa mamia ya maelfu, kulisha yaliyomo ndani ya hifadhidata za mafunzo, na kisha kuharibu kiasi halisi - mazoezi ya kiwango cha viwanda ambayo watafiti na wauzaji wa vitabu wanasema inafuta urithi wa kitamaduni hata kama inavyochochea kizazi kijacho cha mifano ya lugha. Ufichuzi huo, ambao ulifichuliwa kwa mara ya kwanza katika nyaraka za mahakama na sasa unasisitizwa katika jumuiya zote za Ulaya zinazouza vitabu, umefungua mwelekeo mpya katika vita vya hakimiliki vya AI. Kwa habari zinazochipuka za AI kuhusu migogoro ya data ya mafunzo inayounda upya sekta hii, maelezo hapa chini yanafuatilia jinsi utafutaji wa maandishi safi ulivyobadilika na kuwa moto mwingi wa vitabu adimu.

Jinsi Mazoezi Hufanya Kazi

Kulingana na hati zilizofichuliwa na Anthropic wakati wa kesi ya korti ya 2026 na kuripotiwa na The Washington Post, mchakato huo unafanywa kimakusudi. Jalada linaelezea jinsi "mashine ya kukatia yenye nguvu ya maji" ya mkandarasi wa kuchanganua "itakata kwa ustadi" vitabu ili kurasa ziweze "kuchanganuliwa kwa kasi ya juu, ubora wa juu, skana za kiwango cha uzalishaji." Mara tu inapowekwa kwenye dijiti, uwasilishaji ulibaini, kampuni ya kuchanganua "itaratibu na kampuni ya kuchakata tena ili kuchukua vitabu vilivyokamilika."

Kwa maneno mengine, vitabu havirudishwi. Wao hupunguzwa kwa maandishi ya digital na kisha hupigwa.

Kwa Nini Makampuni Yanataka Vitabu Vya Zamani, Vilivyochapishwa

Tamaa ya vitabu vya kimwili inatokana na tatizo linalozidi kuwa mbaya kwa watengenezaji wa AI: mtandao wazi unazidi kuchafuliwa na maandishi yanayotokana na AI. Kama vile blogu ya kisheria ya Verfassungsblog ilivyoeleza katika uchanganuzi wenye kichwa "AI Is Eating the Book World," mafunzo kuhusu maudhui ya sintetiki yanahatarisha ubora wa kielelezo—jambo ambalo watafiti wanaliita kuanguka kwa mtindo. Vitabu vilivyochapishwa kabla ya 2022, kwa kulinganisha, vimehakikishiwa kuandikwa na binadamu.

Pia kuna hesabu ya kisheria. Kampuni zimesababu kuwa kuchanganua vitabu halisi wanavyomiliki kunaweza kuwa chini ya kifungu cha "matumizi ya haki" ya sheria ya hakimiliki ya Marekani, utetezi wanaoamini kuwa ni wenye nguvu kuliko kufuta maudhui ya tovuti yenye hakimiliki. Iwapo mahakama itakubali hoja hiyo bado ni swali la wazi, lakini haijasimamisha mshangao wa ununuzi.

Uzushi wa Vitabu vya Zoom

Huko Ulaya, umakini umejikita kwenye duka la vitabu la mtandaoni la Kanada liitwalo Zoom Books, ambalo Verfassungsblog inaripoti kuwa imekuwa ikipata mamia ya maelfu ya mada zisizo za uwongo ambazo zina mahitaji kidogo ya kibiashara. Vitabu hivi—kazi zisizo wazi za kitaaluma, historia za kikanda, na miongozo maalum ya kiufundi— karibu hazina thamani kwa wauzaji wa vitabu vilivyotumika lakini vinawakilisha mshipa mwingi wa nyenzo za mafunzo ambazo hazijatumiwa hapo awali kwa maabara za AI.

Futurism iliripoti kwamba uharibifu unatokea "kwa kiwango cha ajabu, hata kama hakuna nakala zilizosalia," ikimaanisha kwamba kwa baadhi ya mada nakala iliyochanganuliwa na kusagwa inaweza kuwa miongoni mwa matoleo ya mwisho yaliyosalia katika mzunguko.

Wauzaji Vitabu na Watafiti Push Back

Ripoti hizo zimewashtua wauzaji wa vitabu vya kale, ambao wanasema wanunuzi wengi wanapotosha soko la mitumba na kuondoa matoleo adimu haraka kuliko vile kumbukumbu inavyoweza kuyahifadhi. Shirika la Anadolu lilimnukuu muuzaji wa vitabu vya kale wa Kituruki akielezea mashaka juu ya upeo wa madai hayo, huku akikubali wasiwasi unaoongezeka katika masoko ya vitabu vya Ulaya. Habari katika Times of India na Boing Boing ziliweka mwelekeo huu kama matokeo ya moja kwa moja ya makampuni ya AI kujaribu "kuepuka mteremko wao wa AI" kwa kurejea uchapishaji wa kabla ya mtandao.

Wahifadhi wanahoji kuwa uharibifu huo unasumbua sana kwa sababu hakuna sajili kuu inayofuatilia ni vitabu vipi vimechanganuliwa na kuharibiwa. Mara tu jina la hali ya chini linapokatwa, hasara inaweza kuwa ya kudumu—isipokuwa kampuni iliyoichanganua itachagua kushiriki nakala ya kidijitali, jambo ambalo kwa ujumla haifanyi hivyo.

Hatua Mpya ya Vita vya Hakimiliki

Kampeni ya ununuzi wa vitabu iko kwenye makutano ya vita viwili vya kisheria ambavyo havijasuluhishwa: ikiwa mafunzo ya miundo ya AI kuhusu kazi zilizo na hakimiliki bila ruhusa yanajumuisha matumizi ya haki, na kama kuharibu chanzo halisi baada ya kuchanganua hubadilisha calculus. Mahakama hadi sasa zimetuma mawimbi mchanganyiko, huku baadhi ya maamuzi yakipendelea wasanidi wa AI na mengine yakihifadhi madai ya watayarishi.

Kwa makampuni ya AI, calculus ni moja kwa moja. Vitabu vilivyochapishwa vinatoa maandishi mazito, ya hali ya juu, yaliyoandikwa na binadamu ambayo inazidi kuwa magumu kupatikana mtandaoni. Kwa maktaba, kumbukumbu, na wakusanyaji ambao hulinda matoleo adimu, ubadilishanaji haufai sana: vizalia vya asili visivyoweza kubadilishwa vinapunguzwa hadi tokeni za mafunzo na kisha kusagwa tena kuwa massa.

Zoezi hilo pia linazua maswali kuhusu uwazi. Ufichuzi wa Anthropic ulikuja tu kwa sababu ulilazimishwa katika kesi. Bado haijulikani ni kampuni ngapi zingine zinazofuata mikakati kama hiyo, ni vitabu vingapi ambavyo tayari vimeharibiwa, au ikiwa kiwango chochote cha tasnia nzima kitaibuka ili kuhifadhi mada zilizo hatarini kabla ya kuchanganuliwa na kutupwa.

Tatizo la Kiwango Hakuna Anayeweza Kulihesabu

Sehemu ya kinachofanya mwelekeo kuwa mgumu kwa polisi ni kuenea kwake. Tofauti na kumbukumbu moja kubwa au hifadhidata, kampeni ya ununuzi wa vitabu inasambazwa katika maelfu ya miamala ya mtu binafsi—kwenye mauzo ya mali isiyohamishika, mauzo ya mkataba wa maktaba, na soko za mtandaoni—ambapo mnunuzi mwingi anayenunua safu ya mada zisizo za uwongo hazileti alama yoyote nyekundu. Imejumlishwa katika mamia ya maelfu ya ununuzi, hata hivyo, athari limbikizi ni uondoaji wa utulivu wa maarifa mengi ya niche, yenye mzunguko mdogo kutoka kwa rekodi halisi.

Wasimamizi wa maktaba na watunza kumbukumbu wameonya kuwa hasara hiyo haijasambazwa sawasawa. Wauzaji bora wa soko huishi katika nakala nyingi, lakini mada zinazovutia zaidi wakufunzi wa AI - kazi maalum, zenye habari nyingi na nakala ndogo - ndizo haswa ambazo zinaweza kuhifadhiwa mahali pengine. Baada ya kuharibiwa, zinaweza kuwepo tu kama data ya mafunzo ya umiliki iliyofungwa ndani ya seva za kampuni, isiyoweza kufikiwa na umma ambayo ilizizalisha na kuzitegemea awali.

Kaa Mbele ya AI

Vita vya data vya mafunzo vinaongezeka, na vigingi vinaenea zaidi ya karatasi za usawa za ushirika. Ili kusoma habari zaidi za AI na kufuata jinsi mahakama, wadhibiti na wahifadhi hujibu, endelea kufuata AI Buzz Wire.

Soma habari zaidi za AI →