AI niszczy książki w tajemnicy. Skąd bierze się ten proceder?

Sam internet już nie wystarcza

Przez lata modele AI trenowano głównie na treściach z internetu. Z czasem sieć zaczęła jednak w coraz większym stopniu wypełniać się tekstami generowanymi automatycznie. Takie materiały bywają określane mianem „AI slop”: są masowe, nierówne jakościowo i często powielają informacje z innych źródeł. Badacze i firmy AI obawiają się, że modele uczone w dużej mierze na tekstach generowanych przez maszyny mogą z czasem dawać gorsze i mniej różnorodne odpowiedzi.

Firmy zaczęły więc szukać „czystych” danych. Tekstów napisanych, zredagowanych i wydanych przez ludzi przed masowym upowszechnieniem generatywnej sztucznej inteligencji. Szczególnie atrakcyjne są książki opublikowane przed końcem 2022 roku, gdy udostępniono ChatGPT.

Drukowane publikacje mają dla laboratoriów istotną wartość. Zawierają teksty stworzone przez ludzi i dopracowane przez autorów oraz redaktorów, specjalistyczną wiedzę i różnorodne formy wypowiedzi, trudniejsze do znalezienia w chaotycznych zasobach internetu.

Paradoks cyfrowej branży

Paradoks jest wyraźny. Najbardziej cyfrowa branża świata wraca do papierowych książek, bo w internecie coraz trudniej oddzielić teksty napisane przez ludzi od tych wygenerowanych przez maszyny. Książka, dotąd przede wszystkim przedmiot lektury i obiegu kulturowego, zostaje w tym modelu potraktowana jak strategiczny surowiec danych.

Mechanizm jest prosty. Firmy albo działający na ich rzecz pośrednicy skupują używane, wycofane z druku i niszowe tytuły. Następnie książki trafiają do zakładów, gdzie odcina się ich oprawy, rozdziela kartki i przepuszcza je przez szybkie skanery przemysłowe. Powstaje cyfrowy tekst, który po oczyszczeniu i przetworzeniu może zasilić wewnętrzne biblioteki danych.

Nowy numer już jest!

Dlaczego AI niszczy książki?

Branża AI niszczy książki, ponieważ tak zwane destrukcyjne skanowanie jest szybsze i tańsze niż metody wymagające ręcznego przewracania stron albo specjalistycznych urządzeń. Rozwiązanie to pozwala sprawnie digitalizować duże partie publikacji, ale kończy się zniszczeniem papierowego egzemplarza.

Najlepiej udokumentowany przypadek dotyczy firmy Anthropic, twórcy chatbota Claude. Z odtajnionych dokumentów sądowych wynika, że spółka kupowała miliony papierowych książek, zlecała ich rozcinanie i skanowanie, a następnie przechowywała cyfrowe kopie w wewnętrznej bibliotece wykorzystywanej przy pracy nad modelami AI. Jeden z projektów nazwano Project Panama, a w wewnętrznej notatce zapisano:

Project Panama to nasza inicjatywa, której celem jest destrukcyjne zeskanowanie wszystkich książek na świecie. (…) Nie chcemy, aby było wiadomo, że nad tym pracujemy.

Czemu wszystko dzieje się w tajemnicy?

Dyskrecja ma przede wszystkim wymiar wizerunkowy. Pośrednicy oferujący firmom technologicznym zakup książek podkreślali znaczenie umów o poufności oraz anonimowości klientów. Jedna z firm obsługujących rynek książkowy ujęła tę kalkulację wprost:

„Firma AI niszczy dwa miliony książek” – to nie jest nagłówek, który wzbudza sympatię.

Anonimowy charakter zakupów utrudnia ustalenie rzeczywistej skali procederu. Dokumenty sądowe i śledztwa dziennikarskie potwierdzają destrukcyjne skanowanie w przypadku Anthropic. Nie pozwalają jednak precyzyjnie określić, ile książek zniszczono w ten sposób w całej branży. Wiadomo natomiast, że pośrednicy reklamowali możliwość realizowania zamówień od tysięcy do nawet miliona egzemplarzy.

Po nagłośnieniu sprawy część z nich przekonywała, że nie prowadziła faktycznych zakupów na potrzeby treningu AI, a jedynie badała zainteresowanie taką usługą.

Gdy książka znika z obiegu

Najwięcej obaw zgłaszają antykwariusze i księgarze. W masowych zamówieniach mogą znaleźć się publikacje wyczerpane, regionalne, specjalistyczne lub obcojęzyczne. Nie każda taka książka jest unikalnym zabytkiem, ale przy zakupach prowadzonych według długich list ISBN trudno za każdym razem ustalić, ile egzemplarzy danego wydania nadal istnieje i czy jest ono dostępne w bibliotekach. Problem dotyczy zwłaszcza tytułów, które nie zostały wcześniej zdigitalizowane i nie trafiły do publicznych archiwów.

Nie podoba mi się, że rzadko spotykane książki są mielone

– mówi cytowany przez 404 media księgarz, specjalizujący się głównie w książkach rzadkich i niskonakładowych. Jak relacjonował, w ostatnich miesiącach jego sprzedaż wzrosła z około 20 książek tygodniowo do setek.

Anthropic oficjalnie zaprzeczyło, że kupuje książki „rzadkie lub antykwaryczne”, rozróżniając je od tytułów „mniej powszechnych”. Nie uspokoiło to jednak księgarzy, których obawy dotyczą właśnie tego, że w masowym procesie zakupu książek mogły ginąć pozycje, których egzemplarzy zostało bardzo niewiele.

Branża AI sięga po książki, bo internet, który miał być niemal niewyczerpanym źródłem wiedzy, coraz częściej wypełniają treści generowane przez maszyny. Modele językowe potrzebują natomiast tekstów tworzonych przez ludzi.

AI niszczy książki nie po to, by wymazać ich treść, lecz by ją przechwycić i zamienić w ciąg znaków zasilający kolejny system. Otwarte pozostaje pytanie, ile rzadkich, wyczerpanych lub słabo dostępnych tytułów może w ten sposób zniknąć z obiegu.

Przeczytaj również: Korzystasz z pomocy AI? Może dyskretnie zmieniać Twoje poglądy