AI انڈسٹری کی تربیت کے اعداد و شمار کے لیے ناقابل تسخیر بھوک کے بارے میں ایک مزید اختراعی تحقیقات میں، 404 میڈیا کے صحافیوں نے نایاب کتابوں کی ایک کھیپ کے اندر ایک ٹریکنگ ڈیوائس رکھی جس کے بارے میں انہیں شبہ تھا کہ وہ AI ٹریننگ کے لیے خریدی جائیں گی - اور اس کے بعد ملک بھر میں لاس ویگاس میں ایک ایمیزون کی سہولت پر لے گئے جہاں آؤٹ لیٹ رپورٹس، کتابوں کو سکین کیا جاتا ہے اور تباہ کر دیا جاتا ہے۔
404 میڈیا کے بانی ایڈیٹر ایمانوئل مائیبرگ کے ذریعہ پیر کو شائع ہونے والی کہانی، لاس ویگاس میں ایمیزون کی VGT3 سہولت کے طور پر منزل کی نشاندہی کرتی ہے۔ تحقیقات کے مطابق، Amazon بڑی مقدار میں کتابیں خرید رہا ہے، انہیں AI ٹریننگ ڈیٹا کے لیے اسکین کر رہا ہے، اور اس عمل میں جسمانی حجم کو تباہ کر رہا ہے - ایک ایسا آپریشن جو آؤٹ لیٹ کا کہنا ہے کہ پہلے اس کی اطلاع نہیں دی گئی تھی۔
نتائج نے اس مشق میں ایک بڑا نیا نام شامل کیا ہے جس نے کتاب فروشوں اور آرکائیوسٹ کو مہینوں سے خاموشی سے پریشان کر رکھا ہے، اور وہ اس وقت پہنچتے ہیں جب عوام کی توجہ تیزی سے اس طرف مڑ جاتی ہے جہاں AI کمپنیاں اپنا ڈیٹا حاصل کرتی ہیں۔ AI Buzz Wire* پر تربیتی ڈیٹا وارز کی ہماری جاری کوریج پر عمل کریں۔
کتابوں کے ڈبے میں ایک ٹریکنگ ڈیوائس
تفتیش کے پیچھے جو طریقہ کار ہے وہ اسے قابل ذکر بناتا ہے۔ دستاویزات یا انٹرویوز پر بھروسہ کرنے کے بجائے، 404 میڈیا نے نایاب کتابوں کی کھیپ میں ایک GPS ٹریکر کو سرایت کیا جس کے بارے میں شبہ ہے کہ آؤٹ لیٹ ایک AI کمپنی حاصل کرے گا، پھر اس کی آخری منزل تک پیکج کے سفر کی نگرانی کی۔
وہ منزل — ایمیزون کی VGT3 سہولت — کو رپورٹ میں اس سائٹ کے طور پر بیان کیا گیا ہے جہاں ایمیزون AI ٹریننگ ڈیٹا کے لیے کتابیں اسکین کرتا ہے۔ مکمل تفتیش، جس میں خریداری کے عمل اور اس کے پیمانے کی تفصیلات ہیں، 404 میڈیا صارفین کے لیے دستیاب ہے۔
پیر کو ہیکر نیوز کے صفحہ اول پر آنے کے بعد یہ کہانی ڈویلپر اور ٹیک پالیسی کے حلقوں میں تیزی سے پھیل گئی، جہاں تبصرہ نگاروں نے تجارتی AI سسٹمز کو تربیت دینے کے لیے نایاب کتابوں کو تباہ کرنے کے ثقافتی اور قانونی مضمرات پر بحث کی۔
ایمیزون ایک بڑھتی ہوئی فہرست میں شامل ہے۔
یہ رپورٹ AI دور میں طبعی کتابوں کی قسمت پر ایک وسیع تر تنازعہ کا تازہ ترین باب ہے۔ اس موسم گرما کے شروع میں، کتب فروشوں اور محققین نے دستاویز کیا کہ کس طرح AI کمپنیاں قدیم اور پرنٹ سے باہر والیوم کو لاکھوں کی تعداد میں خرید رہی ہیں، انہیں تربیتی ڈیٹا سیٹس میں کھلا رہی ہیں، اور طبعی کاپیوں کو تباہ کر رہی ہیں - ایک پریکٹس ناقدین ثقافتی ورثے کو صنعتی پیمانے پر مٹانے کے طور پر بیان کرتے ہیں۔
نئی رپورٹنگ کو جو چیز ممتاز کرتی ہے وہ یہ ہے کہ اس میں ایک مخصوص سہولت، ایک مخصوص کمپنی، اور ایک مخصوص سپلائی چین کا نام ہے۔ اب تک، زیادہ تر بحث کتب فروشوں اور عدالتی دستاویزات کے مجموعی دعووں پر منحصر تھی۔ ایک ٹریک شدہ کھیپ ایک ٹھوس ڈیٹا پوائنٹ پیش کرتی ہے: نایاب کتابوں کا ایک باکس، ایک خریدار، اور ایک عمارت۔
ٹریننگ ڈیٹا کی مانگ کیوں بڑھتی رہتی ہے۔
پریکٹس کے پیچھے معاشیات سیدھی ہے۔ فرنٹیئر AI ماڈلز کے بارے میں بڑے پیمانے پر اطلاع دی جاتی ہے کہ وہ اوپن ویب پر آسانی سے دستیاب زیادہ تر اعلیٰ معیار کے متن کو استعمال کر چکے ہیں، جس سے کمپنیوں تک رسائی کے مشکل ذرائع: کتابیں، آرکائیوز، اور لائسنس یافتہ کارپورا تلاش کرنے پر زور دیا جاتا ہے۔ نایاب اور آؤٹ آف پرنٹ والیوم خاص طور پر پرکشش ہیں کیونکہ ان کا معیاری ویب سکریپ شدہ ڈیٹاسیٹس میں ظاہر ہونے کا امکان نہیں ہے۔
ناقدین کے لیے، اس مانگ کو پورا کرنے کے لیے طبعی کتابوں کی تباہی صنعت کے انسانی ثقافت کے ساتھ استخراجی تعلق کی علامت بن گئی ہے - اس عمل میں جو کچھ بھی ضائع ہو جائے اس سے قطع نظر ڈیٹا کو ایک وسیلہ کے طور پر نکالا جا سکتا ہے۔ اس میں شامل کمپنیوں کے لیے، ڈیجیٹائزڈ کتابیں ایک قانونی گرے زون کی نمائندگی کرتی ہیں جسے عدالتیں اور قانون ساز اب بھی چھانٹ رہے ہیں، خاص طور پر جب کہ تربیتی ڈیٹا پر کاپی رائٹ کی قانونی چارہ جوئی متعدد دائرہ اختیار کے ذریعے کام کرتی ہے۔
نہ ہی اسکیننگ اور نہ ہی ڈیجیٹائزیشن کے لیے خود تباہی کی ضرورت ہوتی ہے — تباہی، پبلشرز اور آرکائیوسٹ نوٹ کرتے ہیں، لاگت کی بچت کا اقدام معلوم ہوتا ہے، کیونکہ جسمانی حجم کو ذخیرہ کرنا ان کے مواد کو پکڑے جانے کے بعد ان کو پلپ کرنے سے زیادہ مہنگا ہے۔
تحفظ کا مسئلہ
آرکائیوسٹ طویل عرصے سے یہ استدلال کرتے رہے ہیں کہ ڈیجیٹلائزیشن تحفظ نہیں ہے۔ اسکین کتاب کے متن کو حاصل کرتا ہے لیکن اس کے حاشیہ کو نہیں، اس کی پابند تاریخ، اس کی مادی خصوصیات - وہ خصوصیات جو ایک نادر حجم کو الفاظ کے کنٹینر کے بجائے ایک تاریخی نمونہ بناتی ہیں۔ اسکیننگ کے بعد فزیکل کاپی کو تباہ کرنے سے مستقبل کے امتحان کا دروازہ بند ہوجاتا ہے، اور ڈیجیٹل فائلوں کے برعکس، امیجنگ ٹیکنالوجی میں بہتری کے ساتھ پلپڈ کتاب کو دوبارہ اسکین نہیں کیا جاسکتا۔
کتاب کی تجارت کی معاشیات نقصان کو بڑھاتی ہے۔ نایاب اور پرنٹ سے باہر والیوم چھوٹی تعداد میں زندہ رہتے ہیں۔ جب AI پیمانے کے بجٹ والے خریدار مارکیٹ میں داخل ہوتے ہیں، تو وہ بقیہ کاپیوں کے لیے لائبریریوں اور جمع کرنے والوں کو پیچھے چھوڑ سکتے ہیں — اور جب وہ کاپیاں سکین کرنے کے بعد تباہ ہو جاتی ہیں، تو دیے گئے ایڈیشن کی زندہ رہنے والی آبادی مہینوں کے اندر مستقل طور پر سکڑ سکتی ہے۔
یوروپ میں بک سیلر ایسوسی ایشنز اس مشق کے سب سے زیادہ آواز والے نقادوں میں شامل ہیں، اور 404 میڈیا تحقیقات ان کی وارننگ کو ایک ٹھوس نقش پیش کرتی ہے: ایک سہولت، ایک سپلائی چین، اور ایک نامزد کارپوریٹ خریدار۔
آگے کیا آتا ہے۔
تحقیقات سے AI ڈیٹا سپلائی چین میں ایمیزون کے کردار کی جانچ پڑتال کو تیز کرنے کا امکان ہے، یہ ایک ایسی پوزیشن ہے جس پر اس کے کلاؤڈ بزنس کا غلبہ ہے۔ یہ یورپ اور ریاستہائے متحدہ میں AI تربیت میں استعمال ہونے والے ثقافتی مواد کے تحفظ کی ضرورت کے قوانین کے لیے کالز کی تجدید بھی کر سکتا ہے، یہ خیال کتاب فروش انجمنوں اور کچھ پالیسی سازوں نے پیش کیا ہے کیونکہ کتابوں کی خریداری کا پیمانہ واضح ہو گیا ہے۔
ابھی کے لیے، تحقیقات کا سب سے ٹھوس نتیجہ معلوماتی ہے: ایک نام کی سہولت، ایک دستاویزی سفر، اور ایک عوامی ریکارڈ کہ کتاب کی تجارت کے انتباہات خلاصہ نہیں تھے۔ ٹریک شدہ کھیپ میں موجود نایاب کتابوں نے لاس ویگاس میں اپنا سفر ختم کیا۔ ان کے مشمولات، غالباً، تربیتی کارپس میں رہتے ہیں۔
AI ڈیٹا وارز کو فالو کریں۔
تربیتی ڈیٹا، کاپی رائٹ کی لڑائیاں، اور AI کی اخلاقیات پیمانے پر — روزانہ AI Buzz Wire پر احاطہ کرتا ہے۔
مزید AI خبریں پڑھیں →
