ИИ-компании закупают миллионы книг для обучения моделей, после чего уничтожают их

Старые печатные книги пользуются сейчас высоким спросом, особенно выпущенные до 2022 года, потому что там гарантированно не будет присутствовать сгенерированный нейросетями «литературный мусор». В частности, Anthropic потратила несколько миллионов долларов на оцифровку огромного количества печатных книг для обучения Claude, после чего они были уничтожены.

Компании вынуждены прибегать к покупке бумажных книг ещё и из соображений соблюдения авторских прав. Ранее издатели уже подавали в суд на Anthropic и Google, обвинив в использовании пиратских копий. Внимание к скупке как раз привёл судебный процесс, в ходе которого федеральный суд признал, что покупка, сканирование, оцифровка и уничтожение книг являются «добросовестным использованием», поскольку копии при этом нелегально не распространяются.

Одним из посредников по закупке книг выступает фирма ISBNdb. Она прямо заявляет о том, что имеет крупнейшую в мире базу данных о книгах и помогает ИИ-компаниям закупать от 1 тысячи до 1 млн экземпляров за один заказ. При этом ISBNdb обещает компаниям полную анонимность, признавая, что если в сети появится заголовок «ИИ-компания уничтожила два миллиона книг», у клиента возникнут проблемы с имиджем.

Новость о массовой скупке с последующим уничтожением книг вызвала в интернете большой резонанс, многие эксперты выразили опасения, что в бумагозерку отправятся редкие издания, а также происходит фактическое уничтожение знаний.

В свою очередь, Илон Маск заявил, что поручил команде SpaceXAI отказаться от подобной практики. Вместо этого оригинальные экземпляры планируется сохранять в библиотеке, а их цифровые копии получать с помощью традиционного сканирования, не повреждая сами книги.