Perusahaan AI memindai bertruk-truk buku, terkadang yang langka, dan seringkali menghancurkannya dalam proses untuk melatih model mereka—dan kini kita punya gambaran tentang perusahaan mana dan bagaimana mereka melakukannya.
Publikasi media teknologi independen 404 Media menempatkan perangkat pelacak di dalam pengiriman buku langka dan mengamatinya bergerak ke fasilitas Amazon di Las Vegas tempat perusahaan memindai dan menghancurkan buku cetak untuk melatih AI.
Penyelidikan yang diterbitkan Senin ini, adalah yang pertama secara publik menunjukkan di mana pembelian buku dalam jumlah besar yang terkait dengan pelatihan AI berakhir.
Pemberhentian terakhir adalah tim VGT3 Amazon. Karyawan memberi tahu outlet tersebut bahwa yang mereka lakukan hanyalah menerima pengiriman buku cetak dalam jumlah besar, lalu memotong jilidan agar halaman lebih cepat masuk ke pemindai. Buku tersebut hancur dalam prosesnya. Logo tim yang sangat pas adalah dinosaurus yang mencengkeram buku di cakarnya.
Buku yang dicetak sebelum tahun 2022 berisi teks yang sebagian besar tidak tersedia secara daring dan, yang terpenting, tidak ditulis oleh mesin. Melatih model pada hasil outputnya sendiri berisiko "model collapse," di mana kualitas menurun dengan setiap putaran rekursif.
Jadi, kertas pra-2022 adalah bahan bakar bersih untuk pelatihan AI.
Amazon bukan satu-satunya. Sebuah industri kecil telah terbentuk untuk memasok lab AI dengan buku fisik yang dipreteli, dipindai, dan dibuang—adegan "Fahrenheit 451" tentang teks yang dihancurkan untuk memberi makan mesin yang "Project Panama" internal Anthropic sudah jalankan dalam skala besar, mendigitalkan jutaan buku melalui pemindaian yang merusak.
Perebutan teks bersih itu sudah berakhir di pengadilan. Seorang hakim federal memutuskan bahwa melatih AI pada buku yang dibeli secara legal dapat memenuhi syarat sebagai penggunaan wajar, kemenangan parsial bagi Anthropic yang juga diklaim oleh Meta dan OpenAI. Salinan bajakan adalah masalah yang berbeda: Anthropic menyetujui penyelesaian $1,5 miliar atas judul bajakan yang dipindai, dan Salesforce kini menghadapi gugatan class action atas dugaan pembajakan buku.
Operasi Amazon tetap tenang karena alasan struktural. Penjual buku melihat lonjakan pesanan massal selama setahun terakhir dan curiga perusahaan AI berada di baliknya—pembeli tidak sensitif harga dan memilih judul secara acak. Kekhawatiran mereka akhirnya dikonfirmasi oleh AirTag yang mengungkapkan tujuan.
Amazon mengatakan pihaknya "membeli buku melalui saluran komersial untuk membantu mengembangkan dan meningkatkan produk serta layanan yang digunakan pelanggan kami."
