AI kompanije troše milijune na rijetke knjige – i zatim ih uništavaju

Pisci, arhivisti, povjesničari i kolekcionari knjiga pokrenuli su internetsku kampanju protiv tehnoloških divova i tvrtki koje razvijaju umjetnu inteligenciju, nakon što se pojavilo sve više dokaza da masovno kupuju rijetke i antikvarne knjige, digitaliziraju ih za treniranje AI modela, a zatim uništavaju originalne primjerke.

Project Panama

Dokumenti objavljeni ranije ove godine u sklopu sudskog spora između autora i tvrtke Anthropic otkrili su da je kompanija kupila milijune tiskanih knjiga, angažirala vanjske suradnike da im odrežu hrptove, stranice provukla kroz brze skenere, a potom uništila originale. Interni projekt nosio je naziv “Project Panama”.

Nakon toga zabilježen je nagli rast prodaje fizičkih knjiga tiskanih prije 2022. godine, zbog čega su antikvari i knjižari počeli sumnjati da su upravo AI kompanije postale njihovi najveći kupci.

Ljubitelji knjiga i kritičari umjetne inteligencije praksu su nazvali “utjelovljenjem zla”, no daljnje istrage pokazale su da se ne uništavaju samo suvremeni bestseleri nego i rijetke, antikvarne i odavno rasprodane knjige, od kojih mnoge nisu digitalno sačuvane.

Trag ih doveo do Amazona

Tehnološki portal 404 Media u ponedjeljak je objavio rezultate istrage u kojoj je jedan trgovac rijetkim knjigama, nakon narudžbe gotovo 1000 primjeraka, novinarima dopustio da u jednu knjigu sakriju Apple AirTag.

Praćenjem pošiljke utvrđeno je da je paket iz Kalifornije preko Milwaukeeja i Colorado Springsa završio u Amazonovu skladištu označenom kodom VGT3.

Na ulazu u objekt nalazi se logo Tyrannosaurusa rexa koji se sprema progutati otvorenu knjigu, a prema riječima zaposlenika njihov se posao uglavnom svodi na cjelodnevno skeniranje knjiga.

Istraga je pokazala da velike tehnološke tvrtke danas upravljaju industrijskim centrima za masovno skeniranje knjiga, čiji je jedini cilj prikupljanje podataka za treniranje velikih jezičnih modela (LLM).

Zašto AI kompanije kupuju tiskane knjige? Razlog je kombinacija pravnih rizika i kvalitete podataka.

Korištenje piratskih digitalnih biblioteka izložilo je AI kompanije brojnim tužbama autora, fotografa, umjetnika i medijskih kuća zbog kršenja autorskih prava.

Kupnjom fizičkih knjiga izbjegavaju taj problem. Prema američkom zakonu, vlasnik kupljenog primjerka može s njim raspolagati kako želi, uključujući i njegovo uništavanje. Osim toga, fizičke knjige omogućuju pristup milijunima naslova koji nikada nisu digitalizirani ili su odavno rasprodani.

Kompanije pritom ciljano kupuju knjige tiskane prije 2022. godine, jer žele biti sigurne da tekst nije nastao uz pomoć umjetne inteligencije.

Internet je danas prepun sadržaja koji su generirali AI modeli, a treniranje novih sustava na takvim tekstovima smanjuje kvalitetu rezultata. Nasuprot tome, tiskane knjige nude ljudski napisane i urednički obrađene tekstove, složenije argumente, duže narativne cjeline i bogatiji jezik.

Je li to zakonito?

Da, prema američkom zakonodavstvu. Načelo poznato kao First Sale Doctrine dopušta vlasniku fizičke knjige da je, nakon kupnje, proda, pokloni ili uništi.

Sudovi su također presudili da pretvaranje zakonito kupljene tiskane knjige u digitalni zapis radi internog treniranja AI modela predstavlja “transformativnu uporabu“, koja može biti obuhvaćena pravilima poštene uporabe (fair use).

Kritičari tvrde da tehnološke tvrtke koriste fizičko vlasništvo nad knjigama kao pravnu rupu kako bi bez naknade autorima stvarale goleme digitalne baze podataka, no takva praksa zasad ostaje zakonita.

Točan broj uništenih knjiga nije poznat.

Dokumenti iz postupka protiv Anthropica pokazuju da je tvrtka u samo šest mjeseci planirala digitalizirati između 500.000 i dva milijuna knjiga.

U internim dokumentima navodi se čak cilj da se “destruktivno skeniraju sve knjige na svijetu”.

Izvori portala 404 Media govore o pojedinačnim narudžbama od 1000 pa sve do milijun knjiga, dok antikvarijati u SAD-u, Ujedinjenom Kraljevstvu i ostatku Europe potvrđuju da posljednjih godina redovito primaju masovne narudžbe stotina ili tisuća nasumično odabranih stručnih, publicističkih i rasprodanih naslova.