Dezvoltarea unor modele de inteligență artificială de ultimă generație are un efect secundar neașteptat. Companiile de inteligență artificială cumpără cărți fizice în vrac, le digitalizează și, în multe cazuri, le distrug iremediabil. Motivul este destul de simplu - acestea caută text de înaltă calitate scris de oameni, nu de alte tipuri de inteligență artificială.
ProExistă cărți mai vechi?
Dezvoltatorii de modele lingvistice mari au nevoie de cantități uriașe de date de înaltă calitate. Deși internetul este din ce în ce mai inundat de conținut generat de inteligența artificială astăzi, cărțile publicate înainte de 2022 reprezintă o sursă relativ pură de text uman. Acestea conțin informații editate editorial, stiluri de scriere diverse și un vocabular bogat.
Acesta este motivul pentru care companiile de inteligență artificială se concentrează pe achiziționarea de cantități mari de copii fizice dintr-o varietate de domenii.
Cea mai rapidă cale este distrugerea cărții.
Pentru a converti rapid cărțile în format digital, se folosește adesea așa-numita scanare distructivă. Mașinile taie mai întâi cotorul cărții, separând paginile individuale. Acestea pot fi apoi trecute printr-un scaner industrial de mare viteză.
Rezultatul este o copie digitală de înaltă calitate, dar cartea în sine este distrusă iremediabil. Resturile de hârtie sunt apoi reciclate sau incinerate.
Ei cumpără cu miile și milioaneleonech
Conform informațiilor disponibile, apar servicii care oferă companiilor de inteligență artificială achiziții în vrac de cărți. Se pare că unele baze de date și distribuitori oferă livrări de la mii la milioane de exemplare, permițând în același timp clienților să rămână anonimi.
Unii librari au descris o creștere bruscă a comenzilor de sute de cărți pe săptămână, selecția titlurilor părând aleatorie. Ceea ce îi unește este faptul că sunt publicații mai vechi, potrivite pentru digitalizare.
Titlurile rare ar putea, de asemenea, să dispară
Criticii avertizează că printre cărțile răscumpărate s-ar putea număra publicații care nu se mai tipăresc de mult timp, iar dacă ultimele exemplare disponibile sunt distruse, acest lucru ar putea reprezenta o pierdere pentru colecționari și pentru patrimoniul cultural.
Susținătorii, pe de altă parte, susțin că majoritatea cărților au fost achiziționate legal, iar conținutul lor este folosit doar pentru a crea date de instruire, nu pentru a revânza copii digitale.
Ce spune instanța?
Cazul Anthropic a atras multă atenție. O instanță federală americană a decis anul acesta că modelele de instruire bazate pe cărți achiziționate legal pot, în anumite circumstanțe, să constituie o așa-numită utilizare transformativă (fair utilizare) și, prin urmare, este posibil să nu încalce drepturile de autor.
Cu toate acestea, instanța a adoptat o opinie complet diferită cu privire la utilizarea copiilor piratate ale cărților. Într-un litigiu conex, Anthropic a trebuit să ajungă la o înțelegere financiară cu autorii pentru utilizarea titlurilor obținute ilegal în dezvoltarea modelelor sale.
Dezbaterea nu se termină aici.
Aspectul juridic al problemei devine treptat mai clar, dar rămân întrebări etice. Este corect să distrugem fizic milioane de cărți doar pentru ca conținutul lor să poată fi folosit pentru antrenarea inteligenței artificiale? În timp ce unii consideră acest lucru o parte naturală a progresului tehnologic, alții avertizează asupra pierderii ireversibile a valorilor culturale.
Un lucru este sigur – pe măsură ce inteligența artificială devine mai importantă, cererea de texte umane de calitate va continua să crească. Iar cărțile mai vechi devin una dintre cele mai valoroase surse de date pentru următoarea generație de modele de inteligență artificială.
