Компания, которая двадцать с лишним лет назад продавала книги через интернет, теперь их уничтожает. Журналисты 404 Media вложили трекер в редкое издание и проследили его путь до склада Amazon в Лас-Вегасе — объекта под названием VGT3, помеченного эмблемой динозавра с книгой в лапах. Там книгу разрежут по корешку, чтобы отсканировать страницы и скормить получившийся текст языковой модели.
Причина банальна и от этого только тревожнее. Крупные AI-компании исчерпали весь текст, который можно было выкачать из интернета. Anthropic вообще успела settlement на полтора миллиарда за нелегально скачанные книги. А редкие, забытые, никогда не оцифрованные издания стали золотой жилой по одной простой причине: они гарантированно написаны человеком, а не другой нейросетью. Модели, обученные на тексте, сгенерированном другими моделями, деградируют — этот эффект называют коллапсом модели. Чем чище источник, тем он ценнее.
Amazon в официальном комментарии для 404 Media ограничился фразой про «покупку книг через коммерческие каналы для улучшения продуктов и сервисов». Никаких деталей о том, какие именно издания уничтожаются и можно ли их было оцифровать без разрушения оригинала.
Парадокс простой и болезненный: компания, построившая империю на продаже книг, теперь ликвидирует их физически, как только они выполнили роль сырья. Культурная ценность редкого издания и его ценность как обучающих данных — разные вещи, и вторая, судя по всему, побеждает.
Во что углубиться:
- Model collapse: что случается, когда нейросеть обучается на тексте, написанном другой нейросетью
- Судебный иск Anthropic о пиратских книгах для обучения AI на 1,5 млрд долларов
- Как AI-компании охотятся за редкими и не оцифрованными архивами по всему миру