AI-компании скупают и уничтожают редкие книги для обучения нейросетей

Разработчики больших языковых моделей нашли новый источник данных для обучения нейросетей — физические книги, изданные до 2022 года. Они скупают их десятками тысяч, разрезают на страницы с помощью гидравлических машин, сканируют промышленным оборудованием и утилизируют. Этот процесс опирается на доктрину первой продажи, которая позволяет покупателю распоряжаться приобретенным товаром без согласия правообладателя.

Книги, напечатанные до массового распространения ИИ, считаются «чистыми» данными, так как не содержат текстов, сгенерированных нейросетями, которые уже загрязнили интернет и новые издания. Сервис ISBNdb, специализирующийся на поиске и продаже книг, заявляет на сайте: «Лучшие в мире данные для обучения ИИ лежат на полках». Компания помогает AI-лабораториям закупать от одной до миллиона книг за один заказ, гарантируя анонимность покупателей.

По данным издания 404 Media, один из мелких продавцов книг рассказал, что в апреле его продажи выросли с 20 книг в неделю до сотен. Он подозревает, что покупателями являются AI-лаборатории, судя по случайному выбору книг и наличию ISBN. Его инвентарь полон редких и распроданных изданий, что означает, что AI-компании могут уничтожать одни из немногих сохранившихся копий.

Продавец признался, что у него смешанные чувства: с одной стороны, это приносит финансовую выгоду и позволяет избавиться от старого инвентаря, с другой — ему не нравится, что редкие издания уничтожаются. Аналогичная ситуация наблюдается в Нидерландах, где продавцы редких книг также сталкиваются с массовыми закупками, предположительно связанными с AI-индустрией.

Процесс использует доктрину первой продажи, которая позволяет покупателю делать с товаром всё что угодно без согласия правообладателя. Поскольку компании превращают физические тексты в цифровые, а не распространяют их как новые копии, суд признал это «трансформативным» использованием и защитил доктриной добросовестного использования. Компании осознают, что практика выглядит сомнительно.

На сайте ISBNdb признают: «Проблема репутации реальна. Заголовок "AI-компания уничтожает два миллиона книг" не вызывает сочувствия». Тем не менее, они продолжают предоставлять услуги по анонимной массовой закупке книг для AI-лабораторий. Потери редких и антикварных изданий вызывают обеспокоенность у продавцов и библиофилов, которые видят, как культурное наследие уничтожается ради обучения алгоритмов, способных затем генерировать тексты, лишенные человеческой уникальности.

via