В края на миналия месец започнаха да се носят слухове, че разработчиците на AI модели използват методи за сканиране на хартиени книги за обучение, след което се отнасят доста безцеремонно към самите носители, като буквално ги разкъсват на отделни страници, за да улеснят сканирането. Нещо подобно прави и интернет гигантът Amazon, както показа неотдавнашен експеримент.
Това звучи доста неприятно, ако се има предвид, че в самото си начало Amazon се е занимавала именно с продажбата на книги чрез своя онлайн магазин.Както обяснява Ars Technica, представители на 404 Media са се обърнали за съдействие към един от продавачите на хартиени издания, за да проверят хипотезата си относно практиката на обучение на AI моделите. Като част от голяма пратка книги на клиента беше изпратен екземпляр от рядко издание, към което продавачът, по молба на журналистите беше прикрепил тракер AirTag. Маршрутът на тази пратка книги доведе разследващите до обект на Amazon в Лас Вегас, където се провежда обучението на AI модели. Най-ироничното е, че на вратата на склада беше нарисуван тиранозавър, готов да разкъса книгата на парчета, което още веднъж потвърди предположенията на авторите на експеримента.
Представителите на Amazon се ограничиха с публичен коментар, в който покупките на книги на свободния пазар бяха обяснени с използването им „за подобряване на продуктите и услугите“, предоставяни от компанията. Теоретично, използването на текстове от редки издания за обучение на AI модели позволява на техните разработчици да получат известно предимство, благодарение на по-високото качество на входните данни. По тази причина самата Amazon може да не е особено склонна да коментира подобна практика. Конкуренти като Anthropic и xAI се дистанцираха от такива методи за обучение на своите AI модели – поне що се отнася до редки и антикварни книги.
404 Media също така успя да открие в интернет форумите дискусия по проблема с недостига на редки книги за сканиране от самите служители на склада, където се извършват подобни дейности. Те изразиха загриженост, че ако потокът от книги за обработка спре, те могат да се окажат на улицата. Освен това персоналът на това предприятие не се тревожи особено за варварското отношение към книгите, като сред предимствата на тази дейност посочва гъвкавия работен график.
Подборът на книги за закупуване се извършва след сканиране на ISBN кода, който съдържа, наред с другото информация за тиража на изданието. Предпочитание се дава на редките книги, но като се има предвид, че след сканирането те на практика се унищожават, за любителите на хартиените издания това се превръща в източник на раздразнение. Продавачите на книги печелят нелошо от продажбата на колекционерски издания на компании, които обучават своите AI модела с тях, но световният книжен фонд, както може да се очаква страда от такава практика. Засега в капана на този процес попадат книги, които имат ограничена стойност в парично изражение – например издания, които никога не са били превеждани на други езици и са имали ограничено разпространение, или просто не са се ползвали с голямо търсене. Във всеки случай дори такива книги могат да представляват историческа и културна стойност.
На страниците на Reddit цялата тази ситуация предизвиква бурни дискусии, тъй като противниците на подобна практика говорят за риска от „изтриване“ на исторически факти от общественото пространство, ако редките издания се дигитализират по този начин и останат в инфраструктурата на доставчиците на изкуствен интелект без право на пряк достъп от страна на всички желаещи. Заплахата за редките издания при запазване на такава практика за обработка на печатни текстове остава, както потвърждават и продавачите на книги. Нежелаещи да губят време и сили за обсъждане на етичните аспекти на такава дейност, разработчиците на AI модели просто се опитват да не я афишират в този момент.