Companiile AI strâng cărți vechi, își antrenează modelele cu ele, apoi le distrug

Companiile dezvoltatoare de programe AI au început să strângă cărți vechi pentru a-și antrena modelele de inteligență artificială, printr-un proces care distruge paginele dupe ce acestea sunt scanate. Autorii sau editurile ce deține drepturile intelectuale nu sunt informații despre ce urmează să se întâmple, chiar dacă aceste cărți sunt rare sau ediții care nu mai există în print.

Până acum, companiile preferau să se folosească de cărți digitale, majoritatea piratate – o practică mult mai la  îndemână, chiar dacă nu le-a scutit de procese și de plata unor daune ulterioare. Vremurile, însă, s-au schimbat, iar interesul pentru cărțile fizice este la cel mai înalt nivel.

Dincolo de faptul că pot cumpăra nenumărate exemplare second-hand la prețuri mici, companiile AI caută cărțile vechi (cele publicate înainte de 2022) tocmai pentru că textul acestora este lipsit de orice interferențe din partea inteligenței artificiale.

În ultimii ani, industria AI a ajuns la concluzia că datele extrase exclusiv din mediul online duce către un cerc vicios – cu cât modelele asimilează mai mult și devint mai populare, cu atât textele generate cu ajutorul acestora se vor răspândi pe internet, iar acestea la rândul lor ajung să fie preluate de companii pentru a antrena modelele. Evident, orice text generat cu AI nu poate îmbunătăți un model de inteligență artificială, așa că dezvoltatorii s-au îndreptat către cărțile fizice.

Conform documentelor interne analizate de Futurism, Anthropic, una dintre companiile care strânge cărți vechi, a folosit o mașină de tăiat acționată hidraulic pentru a rupe paginile din cărțile achiziționate, apoi le-a scanat, una câte una, folosind echipamente de imagistică de nivel industrial.

Procesul este supranumit ”scanare distructivă” și este folosit pentru a oferi programelor AI date în masă, pe măsură ce paginile sunt rupte și scanate.

Săptămâna trecută, Anthropic a fost obligată să plătească o despăgubire de 1,5 miliarde de dolari unor autori care au acuzat compania de încălcare a drepturile intelectuale. Printre altele, discuția a atins și procedura de scanare distructivă, însă instanța din SUA a hotărât că Anthropic poate să facă ce vrea cu acele copii, atâta timp cât sunt cumpărate legal.

Intermediarul tranzacțiilor este ISBNdb, o companie ce deține cea mai mare bază de date de cărți din lume. Inițial, scopul acesteia se concentra pe sprijinirea bibliotecilor, distribuitorilor și librăriilor în găsirea și vânzarea de cărți, acum însă, ajută companiile AI, în mod anonim.

Strategia este de a cumpăra în masă, iar conform datelor citate de Futurism, o singură comandă pentru companiile AI poate cuprinde între 1.000 și un milion de cărți.

Printre acestea se pot număra cărți rare sau ediții ce nu se mai află în print. Proprietarul unei librării mici a spus, pentru 404 Media, că, în aprilie, a trecut brusc de la a vinde cel mult 20 de cărți pe săptămână la sute, și este aproape sigur că clienții erau laboratoare de inteligență artificială, remarcând „selecția aleatorie a cărților și faptul că toate aveau coduri ISBN”.

El a adăugat că stocul său este plin de cărți rare și epuizate, ceea ce înseamnă că o companie AI ar putea distruge unele dintre puținele exemplare rămase pe piață.

Din păcate, lipsa de reglementare serioasă a industriei AI și a practicilor pe care companiile le folosesc pentru a-și antrena modelele de inteligență artificială se va resimți tot mai mult de acum încolo. Drepturile de autor rămân cea mai discutată problemă, însă o alta se conturează la orizont – cea în care formatul fizic, deconectat de la internet și dorit tocmai din acest motiv, este luat în vizor și distrus în numele calității inteligenței artificiale.