Під час одного з найбільш винахідливих розслідувань ненаситної тяги індустрії штучного інтелекту до навчальних даних журналісти 404 Media помістили пристрій відстеження всередину партії рідкісних книг, які, як вони підозрювали, купували для навчання штучному інтелекту, і прослідували за ним через всю країну до центру Amazon у Лас-Вегасі, де, як повідомляє видання, книги сканують і знищують.
У статті, опублікованій у понеділок редактором-засновником 404 Media Емануелем Майбергом, пунктом призначення є об’єкт Amazon VGT3 у Лас-Вегасі. Згідно з розслідуванням, Amazon купувала величезну кількість книг, сканувала їх на наявність даних навчання штучного інтелекту та знищувала фізичні томи в процесі — операція, про яку, за словами видання, раніше не повідомлялася.
Висновки додають нове ім’я до практики, яка місяцями тихо непокоїла книготорговців та архівістів, і вони з’являються в той час, як увага громадськості все більше звертається до того, звідки компанії штучного інтелекту насправді отримують свої дані. Слідкуйте за нашими постійними репортажами про війну тренувальних даних на AI Buzz Wire.
Пристрій стеження в коробці з книгами
Методологія розслідування робить його помітним. Замість того, щоб покладатися на документи чи інтерв’ю, 404 Media вбудувала GPS-трекер у партію рідкісних книг, яку торгова точка підозрювала, що придбала компанія штучного інтелекту, а потім спостерігала за подорожжю посилки до кінцевого пункту призначення.
Цей пункт призначення — об’єкт Amazon VGT3 — описаний у звіті як сайт, де Amazon сканує книги в пошуках навчальних даних ШІ. Повне розслідування, в якому детально описана операція з купівлі та її масштаби, доступна підписникам 404 Медіа.
Історія швидко поширилася в колах розробників і технічної політики після того, як у понеділок потрапила на першу сторінку Hacker News, де коментатори обговорювали культурні та правові наслідки знищення рідкісних книг для навчання комерційних систем ШІ.
Amazon приєднується до зростаючого списку
Цей звіт є останньою главою в ширшій суперечці про долю фізичних книг в епоху ШІ. Раніше цього літа книготорговці та дослідники задокументували, як компанії зі штучним інтелектом купували антикварні та роздруковані томи сотнями тисяч, завантажували їх у навчальні набори даних і знищували фізичні копії — практику, яку критики описують як промислове стирання культурної спадщини.
Нову звітність відрізняє те, що вона називає конкретне підприємство, конкретну компанію та ланцюг постачання. Дотепер більшість дискусій спиралася на сукупні претензії книготорговців і судові документи. Відстежувана відправка пропонує конкретну точку даних: коробку з рідкісними книгами, покупця та будівлю.
Чому попит на навчальні дані продовжує зростати
Економіка практики проста. Багато хто повідомляє, що моделі Frontier AI споживають більшу частину високоякісного тексту, доступного у відкритому Інтернеті, що спонукає компанії шукати важкодоступні джерела: книги, архіви та ліцензовані корпуси. Рідкісні та роздруковані томи привабливі саме тому, що вони навряд чи з’являться в стандартних наборах даних, зібраних у мережі.
Для критиків знищення фізичних книг для задоволення цього попиту стало символом видобутку зв’язку індустрії з людською культурою — дані як ресурс, який потрібно видобувати незалежно від того, що втрачено в процесі. Для залучених компаній оцифровані книги представляють собою юридичну сіру зону, яку все ще розглядають суди та законодавці, особливо тому, що судові спори щодо авторських прав щодо навчальних даних проходять через численні юрисдикції.
Ані сканування, ані оцифрування самі по собі не вимагають знищення — знищення, як відзначають видавці та архівісти, здається економічною мірою, оскільки зберігання фізичних томів коштує дорожче, ніж їх переробка після того, як їх вміст було захоплено.
Проблема збереження
Архівісти давно стверджують, що оцифрування – це не збереження. Сканування фіксує текст книги, але не її маргіналії, її історію палітурки, її матеріальні якості — особливості, які роблять рідкісний том історичним артефактом, а не вмістилищем слів. Знищення фізичної копії після сканування закриває двері для подальшої перевірки, і, на відміну від цифрових файлів, оброблену книгу неможливо повторно відсканувати, оскільки технологія обробки зображень вдосконалюється.
Економіка книжкової торгівлі посилює збитки. Рідкісні та роздруковані томи збереглися в невеликій кількості. Коли покупці з бюджетом штучного інтелекту виходять на ринок, вони можуть перевищити ставки бібліотек і колекціонерів за копії, що залишилися, — і коли ці копії знищуються після сканування, кількість уцілілих копій певного видання може остаточно скоротитися протягом кількох місяців.
Асоціації книгорозповсюджувачів у Європі були одними з найбільш гучних критиків цієї практики, і розслідування 404 Media дає їхнім попередженням конкретний відбиток: об’єкт, ланцюжок постачання та названий корпоративний покупець.
Що буде далі
Розслідування, ймовірно, посилить перевірку ролі Amazon у ланцюжку постачання даних штучного інтелекту, позиції, в якій домінує її хмарний бізнес. Він також може відновити заклики в Європі та Сполучених Штатах щодо правил, що вимагають збереження культурних матеріалів, які використовуються під час навчання штучному інтелекту. Ця ідея висувається асоціаціями книготорговців та деякими політиками, коли масштаби купівлі книг стали більш очевидними.
Наразі найбільш конкретний результат розслідування інформаційний: названий об’єкт, задокументована подорож і публічний запис про те, що попередження книготорговців не були абстрактними. Рідкісні книги з відстежуваної партії закінчили свою подорож у Лас-Вегасі. Їх вміст, імовірно, живе в навчальному корпусі.
Слідкуйте за AI Data Wars
Навчальні дані, боротьба за авторські права та етика штучного інтелекту в масштабах — щодня висвітлюються на AI Buzz Wire.
Читати більше новин AI →
