Компанії, що працюють у сфері ШІ, сканують вантажівки книг, іноді рідкісних, і часто знищують їх у процесі, щоб навчати свої моделі — і тепер ми маємо уявлення, які компанії та як це роблять.
Незалежне технологічне медіа-видання 404 Media помістило відстежувальний пристрій всередину партії рідкісних книг і простежило, як він прямував до об'єкта Amazon у Лас-Вегасі, де компанія сканує та знищує друковані книги для навчання ШІ.
Розслідування, опубліковане в понеділок, є першим, що публічно вказує, куди потрапляють оптові закупівлі книг, пов'язані з навчанням ШІ.
Кінцевою зупинкою стала команда Amazon VGT3. Співробітники розповіли виданню, що все, чим вони займаються, це отримують величезні партії друкованих книг, а потім обрізають корінці, щоб сторінки швидше подавалися в сканер. Книга знищується в процесі. Надзвичайно відповідний логотип команди — динозавр, що стискає книгу в своїх кігтях.
Книги, надруковані до 2022 року, містять текст, який здебільшого не є легкодоступним онлайн і, що важливо, не написаний машиною. Навчання моделі на її власному виводі ризикує призвести до "колапсу моделі", коли якість погіршується з кожним рекурсивним циклом.
Отже, папір до 2022 року є чистим паливом для навчання ШІ.
Amazon не єдина. Сформувалася ціла кустарна індустрія для постачання лабораторіям ШІ фізичних книг, які розбирають, сканують і викидають — це сцена "451 градус за Фаренгейтом" з текстами, знищеними для годування машин, що внутрішній "Проєкт Панама" Anthropic вже реалізував у масштабі, оцифрувавши мільйони книг за допомогою деструктивного сканування.
Ця боротьба за "чистий" текст вже дійшла до суду. Федеральний суддя ухвалив, що навчання ШІ на законно придбаних книгах може кваліфікуватися як добросовісне використання, що є частковою перемогою для Anthropic, на яку також претендували Meta та OpenAI. Піратські копії — це інша справа: Anthropic погодилася на врегулювання в розмірі 1,5 мільярда доларів за відскановані піратські видання, а Salesforce тепер стикається з колективним позовом щодо ймовірного книжкового піратства.
Діяльність Amazon залишалася тихою з структурної причини. Книготорговці помітили зростання оптових замовлень протягом останнього року і підозрювали, що за ними стоять компанії, що працюють у сфері ШІ — покупці не були чутливими до ціни і обирали назви, здавалося б, випадковим чином. Їхні побоювання були остаточно підтверджені AirTag, який розкрив пункт призначення.
Amazon заявила, що "купує книги через комерційні канали, щоб допомогти розробити та покращити продукти та послуги, якими користуються наші клієнти".
