کتاب‌های نایاب در مرکز هوش مصنوعی آمازون اسکن و نابود می‌شوند

شرکت‌های هوش مصنوعی با اسکن حجم عظیمی از کتاب‌ها، گاهی اوقات نسخه‌های کمیاب، و اغلب در این فرآیند آن‌ها را از بین می‌برند تا مدل‌های خود را آموزش دهند. اکنون ایده‌ای داریم که کدام شرکت‌ها و چگونه این کار را انجام می‌دهند.

نشریه مستقل رسانه‌های فناوری، 404 Media، یک دستگاه ردیاب را درون محموله‌ای از کتاب‌های کمیاب قرار داد و مشاهده کرد که این محموله به یکی از تأسیسات آمازون در لاس وگاس منتقل شد، جایی که این شرکت کتاب‌های چاپی را برای آموزش هوش مصنوعی اسکن و از بین می‌برد.

این تحقیق که روز دوشنبه منتشر شد، اولین مورد علنی است که مقصد خریدهای عمده کتاب مرتبط با آموزش هوش مصنوعی را مشخص می‌کند.

آخرین مقصد، تیم VGT3 آمازون بود. کارمندان به این نشریه گفتند که تنها کاری که انجام می‌دهند دریافت محموله‌های عظیم کتاب‌های چاپی و سپس جدا کردن صحافی آن‌هاست تا صفحات سریع‌تر وارد اسکنر شوند. کتاب در این فرآیند از بین می‌رود. لوگوی بسیار مناسب این تیم، دایناسوری است که کتابی را در چنگال خود گرفته است.

کتاب‌های چاپ شده قبل از سال ۲۰۲۲ حاوی متنی هستند که عمدتاً به صورت آنلاین در دسترس نیست و مهم‌تر از آن، نوشته شده توسط ماشین نیست. آموزش یک مدل بر روی خروجی مشابه خودش خطر “فروپاشی مدل” را به همراه دارد، جایی که کیفیت با هر حلقه بازگشتی کاهش می‌یابد. بنابراین، کاغذ قبل از سال ۲۰۲۲ سوخت پاکی برای آموزش هوش مصنوعی است.

آمازون تنها نیست. یک صنعت کوچک شکل گرفته است تا کتاب‌های فیزیکی را به آزمایشگاه‌های هوش مصنوعی عرضه کند که پس از جدا شدن، اسکن و دور ریخته می‌شوند – صحنه “فارنهایت ۴۵۱” از متونی که برای تغذیه ماشین‌ها از بین می‌روند، که پروژه داخلی Anthropic با نام “Project Panama” در مقیاس بزرگ آن را اجرا کرده و میلیون‌ها کتاب را از طریق اسکن مخرب دیجیتالی کرده است.

این تلاش برای یافتن متن پاک، پیش از این به دادگاه کشیده شده است. یک قاضی فدرال حکم داد که آموزش هوش مصنوعی بر روی کتاب‌های خریداری شده به صورت قانونی می‌تواند مصداق “استفاده منصفانه” باشد، یک پیروزی نسبی برای Anthropic که Meta و OpenAI نیز ادعای مشابهی داشتند. کپی‌های دزدی دریایی موضوع دیگری است: Anthropic با پرداخت ۱.۵ میلیارد دلار برای عناوین دزدی دریایی اسکن شده به توافق رسید و Salesforce اکنون با یک دعوای جمعی به دلیل ادعای دزدی دریایی کتاب روبرو است.

عملیات آمازون به دلایل ساختاری مخفی مانده بود. کتاب‌فروشان افزایش سفارشات عمده را در سال گذشته مشاهده کرده بودند و مشکوک بودند که شرکت‌های هوش مصنوعی پشت این موضوع هستند – خریداران به قیمت حساس نبودند و عناوین را به ظاهر تصادفی انتخاب می‌کردند. نگرانی‌های آن‌ها سرانجام با یک AirTag که مقصد را فاش کرد، تأیید شد.

آمازون اعلام کرد که “کتاب‌ها را از طریق کانال‌های تجاری خریداری می‌کند تا به توسعه و بهبود محصولات و خدماتی که مشتریان ما استفاده می‌کنند، کمک کند.”