През 2026 г. хартиените книги се изкупуват масово и почти веднага се превръщат в хартия за рециклиране. И това не го правят нито читателите, нито колекционерите, които искат да намерят редки издания на велики книги. Старите книги се изкупуват от ИТ-компаниите, а те не се нуждаят от текста като такъв, а от данни за обучение на невронните мрежи. Информацията в интернет вече е изчерпана, а качественото съдържание се намира само в старите издания. Какво се случва с книгите след изкупуването им и защо е необходимо всичко това?
За какво са им нужни старите печатни книги на невронните мрежиЗа да се научи изкуственият интелект да общува грамотно, в него трябва да се заредят милиарди думи. Невронната мрежа обработва текстовете многократно, изграждайки сложни статистически връзки между понятията и фразите.
Качеството на тези данни оказва пряко влияние върху резултата. Обучението с качествени текстове от професионално редактирани книги прави отговорите на алгоритъма последователни и точни, докато случайните коментари от интернет превръщат ИИ в генератор на безсмислен шум.
Днес интернет е препълнен с текстове, които вече са генерирани от други невронни мрежи. Ако новият модел се обучава на такива материали, качеството му започва да спада стремително. Именно затова книгите, издадени преди 2022 г., придобиха колосална стойност. Те са гарантирано са написани от живи хора и представляват един от последните източници на „чист“ текст на планетата.
ИТ-компаниите купуват книги, но ги използват съвсем не за самостоятелно четене
Дигитализирането и унищожаването на книгите
Както съобщава изданието 404 Media, технологичните компании са намерили начин бързо да получават огромни масиви от качествен текст. Те се обръщат към услуги като ISBNdb, които предлагат закупуване от хиляда до един милион физически книги с една поръчка.
Журналистите разкриха, че компанията Anthropic е похарчила милиони долари за масово изкупуване на издания с цел обучение на своя ИИ-помощник Claude. За да превърнат подобни обеми в цифров формат в най-кратки срокове, с книгите не се церемонят.
В процеса на варварското дигитализиране изданията преминават през своеобразна конвейерна линия:
закупуване на употребявани томове в огромни партиди от едри търговци; отрязване на твърдата подвързия с помощта на промишлен хидравличен резец; подрязване на страниците до единен размер; прекарване на разделените листа през високоскоростни скенери за създаване на PDF-файлове; изпращане на останалата хартия в завод за преработка и рециклиранеВ крайна сметка от физическата книга не остава нищо, освен цифров отпечатък на сървърите на компанията за изкуствен интелект.
Защо разработчиците не купуват електронни книгиМоже да изглежда странно, че компании с бюджети от милиарди физически режат хартия, вместо просто да закупят легални електронни копия. Отговорът се крие в строгите рамки на законите за авторското право.
Според съдебни документи, анализирани от изданието Ars Technica, първоначално компаниите за изкуствен интелект са се опитвали да използват изтеглени пиратски библиотеки. Това им позволявало да избегнат дългите преговори с издателствата за закупуване на лицензи, които шефът на Anthropic Дарио Амодей нарече „бизнес блато“.
Пиратството обаче бързо доведе до съдебни искове за милиони. Разработчиците се нуждаеха от законен, но също толкова бърз обходен път. Такъв се оказа доктрината за първата продажба, според която купувачът на законно физическо копие има право да прави с него каквото пожелае, включително да го унищожи.
Защо никой не наказва ИТ компаниитеСлед като купи книгата, компанията става пълноправен собственик на тази конкретна купчина хартия. Съдията Уилям Алсап, разглеждал делото „Anthropic“, постанови, че подобно сканиране може да се счита за добросъвестно използване на авторските материали при спазване на строги условия.
Действията на компанията бяха признати за законни единствено защото тя честно е закупила хартиения оригинал, унищожила го е в процеса на сканиране, а получения цифров файл е запазила единствено за вътрешна употреба, без да го разпространява в интернет.
Съдията сравни този процес с обикновеното спестяване на място на рафтовете чрез промяна на формата. Ако разработчиците от самото начало бяха използвали само този метод, те биха могли да станат първите, получили пълно юридическо одобрение за обучение на ИИ въз основа на защитени текстове. Но репутацията им беше накърнена от факта, че са използвали пиратски файлове.
Други начини за обучение на невронните мрежи
Унищожаването на изданията е въпрос на скорост и пари, а не на технологична необходимост. В индустрията има немалко примери за по-щадящо отношение към източниците.
Например, известният проект Google Books навремето сканира милиони библиотечни томове с помощта на специални камери, които не увреждат книгите, и след това ги връщаше на рафтовете в непокътнато състояние. Наскоро OpenAI и Microsoft се обединиха с библиотеките на Харвард, за да обучат своите модели върху стотиците хиляди редки книги, датиращи от 15-ти век, разбира се, без използване на хидравлични ножове.
Илън Мъск също критикува новата тенденция, като заяви, че е наредил на екипа на SpaceX AI да запазва всички редки екземпляри в библиотеката и да ги дигитализира по традиционен начин, без да отрязва кориците.
Парадоксът на ситуацията е, че изкуственият интелект, създаден за запазване и обработка на човешкото знание, в буквалния смисъл се храни с пепелта на библиотеките. Самата невронна мрежа Claude, когато беше попитана за този метод на създаване, отговори доста философски, като призна, че фактът, че е възникнала от унищожени книги, добавя нива на сложност, които машината тепърва трябва да осъзнае.