Umělá inteligence potřebuje obrovské množství dat a právě knihy jsou pro trénování AI modelů velmi cenným zdrojem. V posledních měsících se proto mezi prodejci použitých knih začaly objevovat poněkud zvláštní objednávky. Místo několika titulů někdo najednou nakupoval stovky nebo dokonce tisíce knih, často bez zjevné souvislosti. Nyní se zdá, že máme poměrně přesnou představu o tom, co se s některými z nich děje. Pomohl k tomu přitom Apple AirTag.
Mohlo by vás zajímat
AirTag ukázal cestu až do Amazon
Investigativní tým 404 Media se spojil s prodejcem knih, který do jedné vzácnější knihy z objednávky zhruba 1000 titulů ukryl AirTag. Následně sledoval její cestu přes několik distribučních center až do Las Vegas, kde skončila v areálu Amazon.
Právě tam se podle zjištění reportérů nachází provoz označovaný jako VGT3. Zaměstnanci měli 404 Media popsat poměrně neobvyklou práci: knihám se odstraní vazba, jednotlivé stránky se následně naskenují a samotná kniha tím prakticky přestane existovat.
A upřímně, právě tady mi celý příběh přijde nejbizarnější. Když si člověk představí AirTag, většinou ho napadne hledání klíčů, batohu nebo zavazadla. Tentokrát ale malý tracker posloužil k tomu, aby někdo zjistil, kam putuje kniha, kterou si objednal zákazník z druhého konce Spojených států.
Fotogalerie
Knihy se mají skenovat pro AI
Prodejci použitých knih přitom podobné objednávky zaznamenávají už delší dobu. Často jde o tisíce různých titulů, které spojuje snad jen to, že obsahují velké množství textu. Podezření proto dlouhodobě směřovalo právě k AI společnostem, které potřebují získávat další a další trénovací data.
Zaměstnanci VGT3 podle 404 Media uvedli, že jejich práce spočívá právě ve skenování knih. Každá kniha má být navíc evidována prostřednictvím ISBN, což podle reportu podporuje teorii, že se někdo snaží digitalizovat obrovské množství publikovaných knih.
Neznamená to však, že Amazon oficiálně přiznal, že tento konkrétní provoz slouží k trénování AI. Zjištění 404 Media jsou založena na sledování konkrétní zásilky a výpovědích zaměstnanců, takže je potřeba odlišovat zjištěná fakta od závěru, pro koho přesně jsou naskenovaná data určena.
Mohlo by vás zajímat
AI má hlad po datech
Nejde navíc o úplně nový problém. AI společnosti už v minulosti čelily kritice kvůli používání knih bez souhlasu autorů. V případě Anthropic se například řešil interní projekt označovaný jako Project Panama, jehož cílem mělo být destruktivní skenování knih. Společnost zároveň čelila sporu kvůli rozsáhlé knihovně pirátských knih. Celý případ tak ukazuje trochu nepříjemnou stránku současného boomu AI. Modely potřebují data, firmy je chtějí získávat co nejrychleji a staré knihy jsou v tomto ohledu velmi lákavým zdrojem.
A zatímco dříve jsme se báli, že AI vezme lidem práci, možná bychom měli začít řešit i to, jestli nám mezitím nevezme knihy. V tomto případě totiž nejde jen o jejich obsah. Pokud se kvůli rychlému skenování fyzicky ničí vzácné nebo starší knihy, je to problém, který sahá daleko za hranice samotného AI průmyslu.
