Разработчики искусственного интеллекта массово скупают и уничтожают бумажные книги для обучения своих моделей

В технологическом сообществе обсуждается новая практика, связанная с подготовкой данных для языковых моделей искусственного интеллекта. Компании, работающие в этой сфере, скупают тысячи бумажных книг с целью их сканирования и последующего уничтожения. Как сообщает BNT, подобные заказы фиксируются в книжных магазинах Европы и Северной Америки, при этом владельцы торговых точек выражают обеспокоенность необычным характером запросов.

Семья Кенни, управляющая книжным магазином в ирландском городе Голуэй, столкнулась с заказом на несколько тысяч изданий самой разной тематики — от истории Карибского бассейна до правил дорожного движения и основ интернета. Владелица магазина Сара Кенни рассказала, что подобные случаи уже зафиксированы в Швеции и Германии, где закупались книги на национальных языках. Предположительно, аналогичные операции проводятся и в других странах Европейского союза.

Особое внимание привлекает тот факт, что компании целенаправленно ищут издания, выпущенные до 2022 года, то есть до широкого распространения текстов, сгенерированных искусственным интеллектом. Физические экземпляры после сканирования уничтожаются, что, по мнению наблюдателей, делается для минимизации рисков судебных разбирательств по вопросам авторских прав. Книголюбы называют подобную практику «воплощением зла», а в зону риска попадают не только бестселлеры, но и редкие антикварные издания.

Специалист в области искусственного интеллекта Майкл Мэдден поясняет, что разработчики получили судебное решение в Калифорнии, позволяющее им приобретать книги, сканировать их и уничтожать физические носители, при этом суд постановил отсутствие нарушения авторских прав при использовании таких материалов для обучения языковых моделей. В рамках судебного разбирательства против американской компании Anthropic выяснилось, что она закупила миллионы книг, отсканировала их и уничтожила оригиналы в рамках так называемого «Проекта Панама», предусматривавшего утилизацию двух миллионов изданий за полгода. Эксперты связывают активизацию этой деятельности с тем, что интернет уже переполнен текстами, созданными нейросетями, что создает риск самообучения моделей на данных низкого качества.