Традиционно книги были хороши для двух вещей: для чтения и для того, чтобы красиво смотреться на полке.
Но компании, занимающиеся искусственным интеллектом, не интересует ни то, ни другое.
Для тех, кто создает большие языковые модели (LLM), книги — это не более чем сырье, которое поглощается массово, а затем выплевывается, как рыбья кость. Часто они с радостью используют цифровые книги — или, что еще лучше, пиратские цифровые копии. Именно в этом обвиняли Meta, и именно за это Anthropic была вынуждена выплатить авторам компенсацию в размере 1,5 миллиарда долларов по урегулированному иску.
Этот процесс опирался на правовую концепцию, известную как «доктрина исчерпания права» (first-sale doctrine), которая позволяет покупателю делать с приобретенной вещью все, что он захочет, без разрешения первоначального правообладателя. И поскольку Anthropic преобразовывала оригинальные физические тексты в цифровые, а не распространяла их в виде новых физических копий, судья счел это «трансформативным использованием», которое, следовательно, подпадает под защиту принципа добросовестного использования (fair use).
Однако многие компании, включая Anthropic, вместо этого перешли к поглощению физических книг, бесчисленные подержанные экземпляры которых можно купить за бесценок. Согласно материалам урегулированного иска, Anthropic использовала гидравлический резак, чтобы аккуратно вырезать страницы из книг, приобретенных у продавцов подержанной литературы, а затем сканировала их с помощью промышленного оборудования для оцифровки. Иными словами, компания буквально разрывала книги авторов на части, чтобы обучить свой ИИ.
Теперь, как сообщает издание 404 Media, эта практика стала настолько распространенной, что даже авторитетные продавцы книг стремятся заработать на буме искусственного интеллекта. Одна из таких компаний, ISBNdb, позиционирующая себя как владелец «крупнейшей в мире базы данных книг», заявляет, что «лучшие в мире данные для обучения ИИ пылятся на полках», подчеркивая, что эти физические тексты не испорчены некачественным машинным текстом, который уже загрязнил значительную часть интернета (и, по сути, более новые издания).
«Печатные книги эпохи до появления больших языковых моделей структурно гарантированно свободны от этого загрязнения. Само по себе это является значительным преимуществом», — объясняется в статье на их сайте, которую цитирует 404. «Физические книги, изданные до этой даты [до 2022 года], структурно чисты и не подвергались современному «отравлению» данных».
Ранее ISBNdb была сосредоточена на помощи библиотекам, дистрибьюторам и книжным магазинам в поиске и продаже книг, но теперь, согласно 404, она помогает ИИ-компаниям закупать оптом от 1 000 до одного миллиона книг за один заказ.
В качестве дополнительного бонуса компания также обещает ИИ-клиентам сохранить их покупки в тайне — очевидно, никто не хочет оказаться в центре скандала, как Anthropic и Meta, — при этом явно отдавая себе отчет в том, насколько сомнительно выглядит эта практика.
«Проблема имиджа вполне реальна, — говорится на сайте ISBNdb. — Заголовок «ИИ-компания уничтожает два миллиона книг» не вызовет сочувствия».
Один небольшой продавец книг рассказал, что в апреле он внезапно перешел от продажи не более 20 книг в неделю к сотням, и он почти уверен, что его покупателями являются ИИ-лаборатории. Он отметил случайный характер выбора книг и тот факт, что у всех них есть ISBN. Он добавил, что его склад заполнен редкими и вышедшими из печати книгами, а это означает, что ИИ-компания может уничтожать одни из немногих сохранившихся экземпляров, которые еще можно найти в мире.
«Лично я испытываю смешанные чувства по поводу всего этого», — сказал продавец книг изданию 404. «Это выгодно мне в финансовом плане, а также помогает расчистить старые запасы, которые иначе вряд ли бы продались. Мои запасы зарубежных и иноязычных книг хорошо подошли для этих сделок. С другой стороны, мне не нравится конечное использование, и мне не нравится, что редкие книги идут на макулатуру».
Еще большему количеству старинных книг может угрожать опасность. 404 отмечает, что продавцы редких книг в Нидерландах сталкиваются с наплывом оптовых заказов, которые, как они полагают, делают ИИ-компании, хотя они и не могут быть в этом уверены на сто процентов.
Подобные подозрения царят во всей книжной отрасли. Такие сервисы, как ISBNdb, облегчают эти оптовые заказы, сохраняя анонимность покупателей из сферы ИИ, как и было обещано. Могут быть веские основания полагать, что крупный заказ предназначен для ИИ-лаборатории, но продавцы книг, по большей части, могут лишь строить догадки.