Książki dla sztucznej inteligencji stały się nowym źródłem niepokoju wśród australijskich antykwariuszy. Sprzedawcy opisują nietypowe zamówienia na starsze i trudniej dostępne tytuły, obawiając się, że część książek może trafić do łańcucha dostaw branży AI.
Jak informuje The Guardian, obawy wzrosły po ujawnieniu szczegółów amerykańskiego sporu sądowego dotyczącego firmy Anthropic. Z dokumentów wynikało, że spółka kupowała papierowe książki, usuwała ich grzbiety, skanowała strony, a następnie wyrzucała fizyczne egzemplarze.
Książki dla sztucznej inteligencji i dane treningowe
Modele generatywnej sztucznej inteligencji potrzebują ogromnych zbiorów tekstu. Książki są dla firm AI szczególnie cenne, ponieważ zawierają uporządkowany język, redakcję, styl i wiedzę, których często brakuje w krótkich treściach internetowych.
Problem polega na tym, że część książek nie jest dostępna w legalnych cyfrowych bazach albo występuje tylko w formie papierowej. Dlatego w branży pojawił się model polegający na kupowaniu fizycznych egzemplarzy, rozcinaniu ich i skanowaniu na dużą skalę.
Sprawa dotyczy nie tylko technologii, ale też kultury i rynku książki. Na skandynawiainfo.pl/ pisaliśmy wcześniej o szerszym znaczeniu sztucznej inteligencji, między innymi w tekście Szwecja musi stworzyć własną sztuczną inteligencję – ostrzeżenie od szefa Nvidii. Ten przypadek pokazuje drugą stronę rozwoju AI: pytanie, skąd firmy biorą dane i jakim kosztem.
Antykwariusze opisują nietypowe zamówienia
Australijscy sprzedawcy książek używanych relacjonują, że otrzymywali duże i nietypowe zamówienia od kanadyjskiej firmy Zoom Books. Firma opisuje się jako podmiot zajmujący się recyklingiem i ponownym wykorzystywaniem książek.
Według Guardiana zamówienia obejmowały bardzo różne tytuły. Były wśród nich instrukcje techniczne, książki o lokalnej historii, starsze tomiki poezji i publikacje, które zwykle nie sprzedają się szybko. Sprzedawcy zwracali uwagę, że zamówienia nie wyglądały jak typowe zakupy czytelników lub kolekcjonerów.
Kilku księgarzy wysłało do Kanady całe pudła książek. Część z nich zaczęła później zastanawiać się, czy egzemplarze nie zostały kupione po to, aby je zeskanować i zniszczyć. Guardian podkreśla jednak, że nie ma dowodów, iż te konkretne przesyłki trafiły do firm zajmujących się sztuczną inteligencją.
Anthropic i skanowanie niszczące
Tłem całej sprawy jest postępowanie sądowe w USA dotyczące firmy Anthropic, twórcy modelu Claude. W dokumentach sądowych opisano proces określany jako „destructive scanning”, czyli skanowanie niszczące.
Jak wynika z dokumentu sądu federalnego w sprawie Bartz v. Anthropic, firma lub jej podwykonawcy usuwali oprawy książek, docinali strony do formatu możliwego do skanowania, tworzyli cyfrowe kopie, a papierowe oryginały wyrzucali. Sąd uznał, że w przypadku legalnie kupionych egzemplarzy taka zmiana formatu może mieścić się w amerykańskiej doktrynie fair use.
To orzeczenie nie oznaczało jednak pełnego zwycięstwa Anthropic. Sąd rozdzielił legalnie kupione papierowe książki od cyfrowych kopii pochodzących z pirackich bibliotek. W tym drugim obszarze sprawa była dla firmy znacznie bardziej problematyczna.
Anthropic przekazał Guardianowi, że nigdy nie kupował książek od Zoom Books. Firma stwierdziła też, że nie kupuje i nie niszczy rzadkich ani antykwarycznych książek. Jednocześnie przyznała, że pozyskiwanie papierowych książek jest znaną metodą zbierania danych treningowych dla dużych modeli językowych.
Największe obawy dotyczą rzadkich tytułów
Dla antykwariuszy najtrudniejszy jest los książek rzadkich, lokalnych i trudnych do zastąpienia. W przypadku masowo wydawanych bestsellerów zniszczenie pojedynczego egzemplarza budzi mniejsze emocje. Inaczej jest z publikacjami, które mają znaczenie historyczne, regionalne lub archiwalne.
Sprzedawcy zwracają uwagę, że część starszych książek przez lata leży w magazynach i bardzo trudno znaleźć na nie kupca. Duże zamówienia mogą więc być dla księgarni realną szansą finansową. Problem zaczyna się wtedy, gdy nikt nie wie, czy książka zostanie zachowana, odsprzedana, czy pocięta na potrzeby skanowania.
Zoom Books nie odpowiedział Guardianowi, czy jego klienci wykorzystują książki do trenowania sztucznej inteligencji. Firma powołała się na umowy o zachowaniu poufności z partnerami biznesowymi.
Spór o AI wychodzi poza internet
Debata o sztucznej inteligencji przez długi czas skupiała się na treściach dostępnych w sieci: artykułach, zdjęciach, filmach, forach i mediach społecznościowych. Sprawa książek pokazuje, że firmy AI sięgają także po zasoby fizyczne, szczególnie wtedy, gdy cyfrowe dane są trudniejsze do zdobycia lub obciążone ryzykiem prawnym.
To ważny wątek również dla Europy i Skandynawii, gdzie rozwój sztucznej inteligencji łączy się z pytaniami o prawo autorskie, suwerenność cyfrową i ochronę twórców. Wcześniej opisywaliśmy, że sztuczna inteligencja w Skandynawii jest już wdrażana przez setki tysięcy firm, ale właśnie takie sprawy pokazują, że szybki rozwój technologii ma także mniej widoczne koszty.
Na tym etapie najuczciwszy opis sytuacji jest ostrożny: niszczące skanowanie książek przez Anthropic zostało opisane w dokumentach sądowych, ale obawy australijskich antykwariuszy dotyczące konkretnych dostaw pozostają niepotwierdzone. Spór nie dotyczy więc tylko tego, czy AI może korzystać z książek, ale także tego, kto ma kontrolę nad kulturą zamienianą w dane.
