AI firmy vo veľkom skupujú a ničia knihy, chcú lepšie modely aj náskok pred konkurenciou

Umelá inteligencia už dlhšie čelí kritike za spôsob, akým získava tréningové dáta, no najnovšie odhalenia naznačujú, že niektoré firmy zašli ešte ďalej. Podľa investigatívy portálu 404 Media využívajú anonymných sprostredkovateľov na nákup obrovského množstva fyzických kníh, ktoré následne rozoberú, naskenujú a definitívne zničia.

Takýto postup nie je nový. Už minuloročné súdne dokumenty odhalili, že spoločnosť Anthropic pri trénovaní modelov Claude rozrezala, odstránila väzbu, naskenovala a následne vyhodila milióny kníh. Súd síce rozhodol, že takýto proces môže za určitých okolností spadať pod princíp "fair use", interné dokumenty však ukázali, že samotná firma si bola vedomá negatívneho obrazu, ktorý by podobné praktiky vyvolali. V interných poznámkach sa dokonca objavila veta, že nechcú, aby sa verejnosť dozvedela o tom, čo robia.

Práve preto podľa 404 Media nastúpili sprostredkovatelia. Jednou z firiem bola databáza ISBNdb, ktorá ešte donedávna otvorene ponúkala službu vyhľadávania a nákupu kníh vo veľkom pre potreby tréningu jazykových modelov. Zákazníkom sľubovala, že dokáže zabezpečiť až milión kníh na jednu objednávku, vrátane vzácnych titulov z knižníc, antikvariátov či dávno vypredaných vydaní. Zároveň garantovala prísne dohody o mlčanlivosti, aby identita kupujúcich zostala utajená. Po zverejnení investigatívy však firma tieto stránky odstránila s tým, že od projektu údajne ustúpila.

Podľa predajcov kníh sa však dopyt po vzácnych a menej rozšírených tituloch výrazne zvýšil. Niektorí hovoria o stovkách predaných kníh týždenne, pričom predtým boli radi, ak predali niekoľko desiatok kusov. Rovnaký trend zaznamenali aj obchodníci v Holandsku.

Za týmto správaním pritom nie je len snaha získať kvalitné texty pre tréning modelov. Fyzické knihy sú pre AI firmy cenné najmä preto, že vznikli ešte pred nástupom generatívnej umelej inteligencie a neobsahujú obsah vytvorený samotnými jazykovými modelmi. Čím je titul vzácnejší alebo menej digitalizovaný, tým je hodnotnejší.

Existujú však aj ďalšie dôvody. Zničenie knihy po naskenovaní je lacnejšie než jej archivácia či skladovanie. Ak navyše spoločnosť získa unikátny alebo vzácny titul, jeho fyzickým zničením zároveň znižuje šancu, že sa k rovnakému zdroju dostane konkurencia a použije ho na tréning vlastných modelov. V praxi tak môže vzniknúť situácia, keď sa niektoré vedomosti stanú dostupné už len prostredníctvom konkrétneho AI systému.

To vyvoláva ďalšie obavy. Ak sa fyzické výtlačky vzácnych kníh postupne stratia, ich obsah síce môže prežiť v tréningových dátach umelej inteligencie, no používateľ už nikdy nebude mať prístup k pôvodnému dielu v jeho celistvosti. Jazykové modely totiž nedokážu reprodukovať celé knihy ani zachovať ich pôvodnú podobu - informácie z nich len rozptýlia do svojich štatistických modelov.

Celá situácia tak otvára novú debatu nielen o autorských právach, ale aj o ochrane kultúrneho dedičstva. Knihy, ktoré boli desaťročia uchovávané v knižniciach či antikvariátoch, sa môžu stať jednorazovým zdrojom dát pre AI, po ktorom už nezostane nič viac než digitálna stopa ukrytá vo váhach jazykového modelu.