شرکت‌های هوش مصنوعی در حال اسکن کردن کامیون‌ها کتاب، گاهی حتی کتاب‌های نادر، هستند و اغلب در این فرآیند آن‌ها را برای آموزش مدل‌های خود از بین می‌برند—و اکنون ما تا حدودی می‌دانیم کدام شرکت‌ها و چگونه این کار را انجام می‌دهند.

نشریه مستقل رسانه فناوری 404 Media یک دستگاه ردیابی را درون محموله‌ای از کتاب‌های نادر قرار داد و مسیر آن را تا تأسیسات آمازون در لاس وگاس دنبال کرد، جایی که این شرکت کتاب‌های چاپی را برای آموزش هوش مصنوعی اسکن و نابود می‌کند.

این تحقیق که دوشنبه منتشر شد، اولین موردی است که به طور عمومی مشخص می‌کند خریدهای عمده کتاب مرتبط با آموزش هوش مصنوعی به کجا می‌رسند.

ایستگاه نهایی تیم VGT3 آمازون بود. کارکنان به این نشریه گفتند که تنها کاری که انجام می‌دهند دریافت محموله‌های عظیم کتاب‌های چاپی است، سپس جلد و عطف آن‌ها را جدا می‌کنند تا صفحات سریع‌تر به اسکنر وارد شوند. کتاب در این فرآیند از بین می‌رود. لوگوی بسیار مناسب این تیم، دایناسوری است که کتابی را در چنگ دارد.

چرا کتاب‌های چاپی ناگهان پرتقاضا شده‌اند؟

کتاب‌های چاپ شده قبل از سال ۲۰۲۲ حاوی متنی هستند که عمدتاً به راحتی آنلاین در دسترس نیست و، مهم‌تر از آن، توسط ماشین نوشته نشده است. آموزش یک مدل با خروجی خودش خطر "فروپاشی مدل" را به همراه دارد، جایی که کیفیت با هر چرخه بازگشتی کاهش می‌یابد.

بنابراین، محتوای چاپی قبل از سال ۲۰۲۲ سوخت پاکی برای آموزش هوش مصنوعی است.

آمازون تنها نیست. یک صنعت نوپا برای تأمین آزمایشگاه‌های هوش مصنوعی با کتاب‌های فیزیکی شکل گرفته است که از هم جدا، اسکن و دور انداخته می‌شوند—صحنه‌ای شبیه به "فارنهایت ۴۵۱" از متونی که برای تغذیه ماشین‌هایی نابود می‌شوند که "پروژه پاناما" داخلی Anthropic قبلاً آن را در مقیاس وسیع اجرا کرده و میلیون‌ها کتاب را از طریق اسکن تخریبی دیجیتالی کرده است.

این تقلا برای متن پاک قبلاً به دادگاه کشیده شده است. یک قاضی فدرال حکم داد که آموزش هوش مصنوعی با کتاب‌های خریداری شده قانونی می‌تواند به عنوان استفاده منصفانه تلقی شود، یک پیروزی جزئی برای Anthropic که متا و اوپن‌ای‌آی نیز مدعی آن بودند. نسخه‌های دزدی دریایی (غیرقانونی) موضوعی متفاوت هستند: Anthropic با پرداخت ۱.۵ میلیارد دلار بابت عناوین دزدی دریایی اسکن شده تسویه حساب کرد، و Salesforce اکنون با یک پرونده شکایت گروهی (class action) بابت سرقت ادبی (کتاب) ادعایی روبرو است.

عملیات آمازون به دلیل ساختاری خاموش مانده بود. کتابفروشان طی سال گذشته افزایش چشمگیری در سفارشات عمده مشاهده کردند و گمان می‌کردند شرکت‌های هوش مصنوعی پشت آن هستند—خریداران به قیمت حساس نبودند و عناوین را ظاهراً به طور تصادفی انتخاب می‌کردند. نگرانی‌های آن‌ها سرانجام توسط یک ایرتگ که مقصد را فاش کرد، تأیید شد.

آمازون گفت که "کتاب‌ها را از طریق کانال‌های تجاری برای کمک به توسعه و بهبود محصولات و خدماتی که مشتریان ما استفاده می‌کنند، خریداری می‌کند."