Vývoj nejmodernějších modelů umělé inteligence přináší nečekaný vedlejší efekt. Společnosti vyvíjející AI totiž ve velkém nakupují fyzické knihy, které následně digitalizují a v řadě případů při tom nenávratně zničí. Důvod je přitom poměrně jednoduchý – hledají kvalitní text napsaný lidmi, nikoliv jinou umělou inteligencí.
Proč právě starší knihy?
Vývojáři velkých jazykových modelů potřebují obrovské množství kvalitních dat. Zatímco internet dnes stále více zaplavuje obsah vytvořený AI, knihy vydané před rokem 2022 představují relativně čistý zdroj lidského textu. Obsahují redakčně upravené informace, rozmanitý styl psaní i bohatou slovní zásobu.
Právě proto se AI společnosti zaměřují na nákup velkého množství fyzických výtisků z nejrůznějších oborů.
Nejrychlejší cesta vede přes zničení knihy
Aby bylo možné knihy rychle převést do digitální podoby, používá se často takzvané destruktivní skenování. Stroje nejprve odříznou hřbet knihy, čímž se jednotlivé stránky oddělí. Ty pak mohou projít vysokorychlostním průmyslovým skenerem.
Výsledkem je kvalitní digitální kopie, samotná kniha je ale nenávratně zničena. Zbytky papíru následně putují do recyklace nebo ke spalování.
Nakupují po tisících i milionech
Podle dostupných informací vznikají služby, které AI firmám zajišťují hromadné nákupy knih. Některé databáze a distributoři údajně nabízejí dodávky od tisíců až po miliony výtisků a zákazníkům zároveň umožňují zůstat v anonymitě.
Někteří knihkupci popsali prudký nárůst objednávek stovek knih týdně, přičemž výběr titulů působí náhodně. Spojuje je především skutečnost, že jde o starší publikace vhodné pro digitalizaci.
Mohou zmizet i vzácné tituly
Kritici upozorňují, že mezi vykoupenými knihami mohou být i publikace, které už dávno nejsou dotiskovány. Pokud se zničí jejich poslední dostupné výtisky, může to představovat ztrátu pro sběratele i kulturní dědictví.
Zastánci naopak namítají, že většina knih byla zakoupena legálně a jejich obsah je využíván pouze k vytvoření trénovacích dat, nikoliv k dalšímu prodeji digitálních kopií.
Co říká soud?
Velkou pozornost vyvolal případ společnosti Anthropic. Americký federální soud letos rozhodl, že trénování modelů na legálně zakoupených knihách může za určitých okolností představovat takzvané transformační užití (fair use), a nemusí tedy porušovat autorské právo.
Zcela jinak ale soud nahlížel na používání pirátských kopií knih. V souvisejícím sporu musela společnost Anthropic uzavřít finanční vyrovnání s autory kvůli využívání nelegálně získaných titulů při vývoji svých modelů.
Debata tím nekončí
Právní stránka celé problematiky se postupně vyjasňuje, etické otázky ale zůstávají. Je správné fyzicky ničit miliony knih jen proto, aby jejich obsah posloužil k trénování umělé inteligence? Zatímco jedni to považují za přirozenou součást technologického pokroku, druzí varují před nenávratnou ztrátou kulturních hodnot.
Jisté je pouze jedno – s rostoucím významem umělé inteligence bude poptávka po kvalitních lidských textech dál růst. A právě starší knihy se stávají jedním z nejcennějších zdrojů dat pro další generaci AI modelů.
