Conform HotNews: Piața neagră a cărților, alimentată de inteligența artificială
Companii de tehnologie, inclusiv cele care dezvoltă inteligență artificială, cheltuiesc milioane de dolari pentru achiziționarea unor cantități uriașe de cărți fizice, pe care apoi le distrug după scanarea rapidă a paginilor. Acest proces, supranumit „scanare distructivă”, a fost dezvăluit în urma unor investigații jurnalistice, generând controverse în rândul librarilor și anticariilor din întreaga lume.
Motivul din spatele acestei practici bizare rezidă într-o interpretare specifică a legislației americane privind drepturile de autor. Tribunalele din SUA au stabilit că scanarea cărților pentru antrenarea modelelor lingvistice mari (LLM) se încadrează în doctrina „fair use” (utilizare rezonabilă). Pentru a evita încălcarea legii, companiile sunt obligate să distrugă exemplarele fizice, astfel încât, la final, să existe doar o singură copie digitală, nu mai multe exemplare fizice care ar constitui o încălcare a drepturilor autorului.
Amazon, deși nu este un jucător major în domeniul AI, este implicat în acest proces. Comenzi masive de cărți ajung la unități Amazon din Las Vegas, unde sunt supuse scanării distructive pentru antrenarea propriilor modele lingvistice. Compania condusă de Jeff Bezos urmărește să își sporească vânzările online și să își optimizeze afacerea de cloud computing prin intermediul acestei tehnologii.
Librarii canadieni, pe firul suspectelor
În Canada, proprietarii de librării au început să primească solicitări neobișnuite de la companii de inginerie a datelor, precum Innodata, care căutau să achiziționeze volume mari de cărți second-hand, adesea cu liste de titluri aparent aleatorii. Peter Sellers, proprietarul librăriei Sellers & Newel din Toronto, a declarat că aceste comenzi, inițial tentante din punct de vedere financiar, au început să îi ridice suspiciuni.
„Este oarecum tentant, pentru că pot să scap de multe lucruri care altfel s-ar putea să nu fie vandabile”, a spus Sellers pentru CBC. „Și apoi începi să te gândești: ‘Nu, nu, nu, ceva nu este în regulă aici’.” După ce a citit despre practica scanării distructive pentru AI, solicitările sale au căpătat sens. Acum, personalul său este atent la astfel de comenzi, refuzându-le dacă nu există o justificare legitimă.
Alți vânzători de cărți au confirmat primirea unor solicitări similare în ultimele luni, deseori pentru cărți educaționale obscure, greu vandabile. Mulți găsesc dificil să refuze aceste oferte, într-o industrie ce se confruntă cu dificultăți economice. Numele companiilor care fac aceste achiziții par să se schimbe frecvent, iar nimeni nu a recunoscut public implicarea în procese de scanare pentru AI.
Zoom Books, un furnizor misterios de cărți
O companie frecvent menționată pe forumurile online ale vânzătorilor de cărți este Zoom Books, cu sediul în Columbia Britanică. Aceasta pretinde că revinde și reciclează cărți second-hand, însă a efectuat un număr mare de comenzi în volume mari, a căror motivație rămâne neclară. Vânzători de cărți din Spania, Germania, Australia, Noua Zeelandă și Marea Britanie și-au exprimat suspiciunea că produsele Zoom sunt destinate scanării pentru AI, deși nu există dovezi concrete.
Patrick Hempelmann, proprietarul librăriei BMV Books din Toronto, a declarat că Zoom a început să cumpere sute de cărți de la el în urmă cu aproximativ șase luni. Comenzile vizau în principal cărți tehnice specializate, tipărite în tiraje mici, medicale sau manuale de matematică și fizică postuniversitară, care stătuseră pe rafturi ani de zile.
„Nu reușeam să ne dăm seama care era motivația lor sau care era domeniul lor de interes, pentru că cumpărau tot felul de lucruri, din toate categoriile. Părea că nu exista nicio logică sau vreun motiv clar”, a explicat Hempelmann. A aflat despre controversa scanării cărților pentru AI doar după ce a fost contactat de jurnaliști, considerând situația „pur și simplu tristă”.
Nevoia de date umane pentru antrenarea AI
Companiile de AI doresc cărți fizice, în special cele publicate înainte de 2022, anul lansării ChatGPT de către OpenAI. Un motiv important este îngrijorarea experților că modelele lingvistice se degradează atunci când sunt antrenate repetitiv pe propriile rezultate. Prin urmare, este esențial să fie alimentate cu conținut creat exclusiv de oameni, care să nu conțină texte generate anterior de AI.
Până în jurul anului 2022, cărțile erau scrise exclusiv de oameni. Companiile de inteligență artificială au nevoie de astfel de texte pentru a antrena noile modele lingvistice mari. Problema este că primele versiuni ale instrumentelor AI au generat adesea informații incorecte sau inventate, cunoscute sub numele de „halucinații”. Dacă modelele noi sunt antrenate pe texte cu informații false, există riscul ca rezultatele lor să fie profund viciate.
Într-un e-mail trimis CBC News, Zoom Books a precizat că nu vinde către Anthropic, dar nu a confirmat dacă nu a avut relații comerciale cu alte companii de AI sau dacă nu a expediat cărți către terți care ulterior le-au scanat și distrus. Compania invocă confidențialitatea relațiilor cu clienții săi.
Sursa: HotNews
