Компанія Amazon скуповує великі партії книжок, зокрема рідкісних і важкодоступних, сканує їх для отримання текстових даних для навчання ШІ, а фізичні примірники під час цього знищує. Це з’ясували журналісти 404 Media.
Розслідування почалося після того, як продавець отримав через маркетплейс Biblio незвично велике замовлення приблизно на тисячу книжок. Журналісти домовилися заховати в одному з рідкісних примірників Apple AirTag — невеликий трекер для відстеження речей.
Пристрій привів їх до об’єкта Amazon VGT3 у Лас-Вегасі. Його працівники розповіли, що отримують великі партії друкованих книжок, зрізають їм корінці, щоб швидше сканувати сторінки, а також зчитують ISBN кожного видання.
ISBN — це міжнародний стандартний номер книжки, який ідентифікує конкретне видання та його формат. За інформацією 404 Media, працівники VGT3 мають фіксувати цей номер для кожної книжки. Журналісти припускають, що це може свідчити про систематизовані закупівлі видань.
Після зрізання корінця книжка втрачає цілісність як фізичний примірник.
«Усе, що ми робимо, — скануємо книжки», — розповів один зі співробітників.
В Amazon підтвердили 404 Media, що компанія купує книжки через комерційні канали для розробки та вдосконалення своїх продуктів і сервісів. За даними розслідування, відскановані тексти використовують як дані для навчання систем штучного інтелекту.
Особливий інтерес становлять рідкісні, неоцифровані та давно не перевидані книжки, оскільки вони можуть містити тексти, яких немає у відкритому доступі онлайн. Цінними є й матеріали, створені до масового поширення генеративного ШІ, адже вони гарантовано походять від людей, а не від сучасних мовних моделей.
Це має значення через ризик так званого колапсу моделі (model collapse). Так називають поступове погіршення генеративних моделей, коли нові системи дедалі більше навчаються на контенті, створеному попередніми моделями, й починають втрачати інформацію, характерну для початкових людських даних. Такий ефект описали дослідники в роботі, опублікованій у Nature у 2024 році.
Раніше книготорговці вже повідомляли про незвично великі замовлення на тематично різні видання. Зокрема, ірландська Kennys Bookshop отримувала замовлення приблизно на 5000 книжок, яке її представники також підозрювали у зв’язку зі збором даних для ШІ.
