Các công ty AI đang quét hàng núi sách, đôi khi là những cuốn sách quý hiếm, và thường phá hủy chúng trong quá trình để huấn luyện các mô hình của họ—và giờ đây chúng ta đã có một số manh mối về những công ty nào và cách họ thực hiện điều đó.
Ấn phẩm truyền thông công nghệ độc lập 404 Media đã đặt một thiết bị theo dõi bên trong một lô sách quý hiếm và theo dõi nó di chuyển đến một cơ sở của Amazon ở Las Vegas, nơi công ty này quét và phá hủy sách in để huấn luyện AI.
Cuộc điều tra, được công bố vào thứ Hai, là cuộc điều tra đầu tiên công khai xác định nơi các giao dịch mua sách số lượng lớn liên quan đến việc huấn luyện AI kết thúc.
Điểm dừng cuối cùng là đội VGT3 của Amazon. Các nhân viên nói với tờ báo rằng tất cả những gì họ làm là tiếp nhận các lô hàng sách in khổng lồ, sau đó cắt gáy sách để các trang sách được đưa vào máy quét nhanh hơn. Cuốn sách bị phá hủy trong quá trình này. Logo cực kỳ phù hợp của nhóm là một con khủng long đang cắp một cuốn sách trong móng vuốt của nó.
Sách in trước năm 2022 chứa văn bản mà phần lớn không có sẵn trực tuyến và, quan trọng hơn, không phải do máy viết. Huấn luyện một mô hình bằng chính loại đầu ra của nó có nguy cơ gây ra "sự suy sụp mô hình" (model collapse), nơi chất lượng bị suy giảm với mỗi vòng lặp đệ quy.
Vì vậy, tài liệu giấy trước năm 2022 là nhiên liệu "sạch" để huấn luyện AI.
Amazon không phải là công ty duy nhất. Một ngành công nghiệp nhỏ đã hình thành để cung cấp cho các phòng thí nghiệm AI những cuốn sách vật lý bị lột bỏ, quét và vứt bỏ—cảnh tượng "Fahrenheit 451" của những văn bản bị phá hủy để nuôi các cỗ máy mà "Dự án Panama" nội bộ của Anthropic đã thực hiện ở quy mô lớn, số hóa hàng triệu cuốn sách thông qua việc quét phá hủy.
Cuộc chạy đua tìm kiếm văn bản "sạch" đó đã ra tòa. Một thẩm phán liên bang đã phán quyết rằng việc huấn luyện AI bằng những cuốn sách được mua hợp pháp có thể đủ điều kiện là sử dụng hợp lý (fair use), một chiến thắng một phần cho Anthropic mà Meta và OpenAI cũng đã tuyên bố. Các bản sao lậu là một vấn đề khác: Anthropic đã đồng ý dàn xếp 1,5 tỷ đô la cho các tiêu đề sách lậu được quét, và Salesforce hiện đang phải đối mặt với một vụ kiện tập thể về cáo buộc vi phạm bản quyền sách.
Hoạt động của Amazon vẫn im lặng vì một lý do cấu trúc. Các nhà sách đã nhận thấy sự gia tăng đột biến trong các đơn đặt hàng số lượng lớn trong năm qua và nghi ngờ các công ty AI đứng đằng sau—người mua không nhạy cảm với giá cả và chọn các tựa sách dường như ngẫu nhiên. Mối lo ngại của họ cuối cùng đã được xác nhận bởi một chiếc AirTag tiết lộ điểm đến.
Amazon cho biết họ "mua sách thông qua các kênh thương mại để giúp phát triển và cải thiện các sản phẩm và dịch vụ mà khách hàng của chúng tôi sử dụng."
