Експеримент підтвердив, що Amazon закуповує рідкісні книги для навчання ШІ

В кінці минулого місяця вже повідомлялося, що розробники ШІ-моделей використовують сканування паперових книг для їх навчання, хоча з самими виданнями при цьому звертаються досить безцеремонно, буквально розриваючи їх на окремі сторінки для полегшення сканування. Чимось подібним займається і інтернет-гігант Amazon, як показав недавній експеримент.

Джерело зображення: Unsplash, Ed Robertson

Звучить це досить кощунственно, якщо врахувати, що компанія Amazon спочатку займалася саме продажем книг через свій інтернет-магазин. Як пояснює Ars Technica, представники 404 Media звернулися за допомогою до одного з продавців паперових видань, щоб перевірити свою гіпотезу про практику навчання ШІ-моделей на сучасному етапі. У складі великої партії книг клієнту був надісланий екземпляр одного рідкісного видання, до якого продавець за проханням журналістів прикріпив трекер AirTag. Маршрут слідування цієї партії книг привів розслідувачів до об'єкта Amazon у Лас-Вегасі, на якому ведеться навчання ШІ-моделей. Найбільш іронічно, що на дверях складу при цьому було нанесено зображення тиранозавра, який готується розірвати книгу на шматки, і це ще раз підтверджувало припущення авторів експерименту.

Представники Amazon обмежилися публічним коментарем, у якому покупки книг на відкритому ринку пояснювалися їх використанням «для покращення продуктів і послуг», що надаються компанією. Теоретично, використання текстів рідкісних видань для навчання ШІ-моделей дозволяє їх розробникам отримувати певну перевагу завдяки більш високій якості вхідних даних. З цієї причини той же Amazon може не дуже охоче коментувати подібну практику. Конкуренти на кшталт Anthropic і xAI відхрестилися від таких способів навчання ШІ-моделей — принаймні, стосовно рідкісних і антикварних книг.

404 Media також вдалося знайти в інтернет-форумах обговорення проблеми нестачі рідкісних книг для сканування самими співробітниками складу VGT3, на якому проводяться подібні роботи. Вони висловлювали занепокоєння тим, що якщо потік книг для обробки припиниться, то вони можуть опинитися на вулиці. Крім того, персонал цього підприємства не дуже переживає з приводу варварського звернення з книгами, називаючи серед переваг цього виду діяльності гнучкий робочий графік.

Відбір книг для закупівель здійснюється після сканування коду ISBN, який містить інформацію про тираж видання, серед іншого. Рідким книгам надається перевага, але якщо врахувати, що після сканування вони фактично знищуються, для любителів паперових видань це стає фактором роздратування. Продавці книг непогано заробляють на продажу колекційних видань компаніям, які навчають на них свої ШІ-моделі, але світовий книжковий фонд від такої практики передбачувано страждає. Поки в жернова цього процесу потрапляють книги, що представляють обмежену цінність у грошовому вираженні — наприклад, видання, які ніколи не перекладалися на інші мови і мали обмежене поширення, або просто не користувалися великим попитом. У будь-якому випадку, навіть такі книги можуть представляти історичну і культурну цінність.

На сторінках Reddit вся ця ситуація викликає бурхливі обговорення, оскільки противники подібної практики говорять про ризик «вимирання» історичних фактів з громадського простору, якщо рідкісні видання будуть оцифровуватися таким способом і осідати в інфраструктурі ШІ-провайдерів без права прямого доступу з боку всіх бажаючих. Загроза для рідкісних видань при збереженні такої практики обробки друкованих текстів залишається, як підтверджують і продавці книг. Не бажаючи витрачати час і сили на обговорення етичних моментів такої діяльності, розробники ШІ-моделей просто намагаються не афішувати її в даний період.

Хочеш дізнатися більше — читай відгуки