Conform HotNews: Milioane de cărți fizice, inclusiv volume rare și academice, sunt achiziționate și apoi distruse pentru a antrena modelele lingvistice de inteligență artificială (AI). Procesul, denumit „scanare distructivă”, a fost dezvăluit de publicații precum 404 Media și CBC, punând în lumină o particularitate bizară a legislației americane privind drepturile de autor.

Un tribunal din SUA a stabilit că scanarea cărților pentru antrenarea AI intră sub incidența doctrinei „fair use” (utilizare rezonabilă). Totuși, pentru a nu încălca legea, companii precum ANTHROPIC, fondată de foste cadre OpenAI, sunt obligate să distrugă exemplarele fizice după scanare. Astfel, legislația interpretează că nu are loc nicio încălcare a drepturilor de autor, deoarece există doar un singur exemplar, fie fizic înainte de scanare, fie digital după.

Comenzile suspecte ale anticariilor

Anticarii din Canada au început să primească solicitări „foarte suspecte” pentru volume mari de cărți. Peter SELLERS, proprietarul librăriei SELLERS & NEWEL din Toronto, a declarat pentru CBC că, inițial, aceste comenzi veneau de la designeri de interior sau platouri de filmare, cu cerințe specifice legate de aspectul cărților. Ulterior, a început să primească cereri pentru liste de cărți aparent aleatorii, de la companii precum INNODATA, care susțineau că sunt firme de inginerie a datelor.

SELLERS a rămas sceptic, dar a realizat amploarea problemei după ce a citit despre fenomenul scanării distructive pentru AI. El a subliniat că personalul său este acum vigilent și refuză astfel de comenzi, cu excepția cazului în care cumpărătorul este un client cunoscut sau are o justificare legitimă.

Alți vânzători de cărți au confirmat primirea unor solicitări similare pentru volume mari de cărți educaționale obscure, greu vandabile. Unii spun că este dificil să refuze astfel de oferte, într-o industrie aflată într-o situație economică precară. Numele companiilor din spatele acestor comenzi par să se schimbe frecvent, iar niciun cumpărător nu a recunoscut public implicarea în proiecte AI.

Motivația din spatele distrugerii cărților

ZOOM BOOKS, o companie din Columbia Britanică ce se ocupă cu revânzarea și reciclarea de cărți second-hand, a fost menționată frecvent pe forumurile online ale vânzătorilor de cărți și pe REDDIT pentru efectuarea unor comenzi voluminoase. Vânzători din diverse țări suspectează că ZOOM livrează cărți pentru scanare AI, deși nu există dovezi concrete.

PATRICK HEMPELMANN, proprietarul librăriei BMV Books din Toronto, a declarat că ZOOM a început să achiziționeze sute de cărți de la el în urmă cu aproximativ șase luni. Comenzile vizau preponderent cărți tehnice specializate, manuale medicale vechi sau texte academice de nivel postuniversitar, care stătuseră pe rafturi de mult timp. HEMPELMANN s-a arătat surprins de lipsa unei logici clare în selecția cărților și a considerat situația „pur și simplu tristă”, subliniind că „cărțile nu ar trebui distruse”.

Importanța textelor umane pentru modelele AI

Companiile AI caută activ cărți fizice, în special cele publicate înainte de 2022, când a fost lansat CHATGPT. Există preocupări că modelele lingvistice se pot degrada dacă sunt antrenate exclusiv pe propriile rezultate sau pe conținut generat de AI. Astfel, textele scrise exclusiv de oameni sunt esențiale pentru antrenarea viitoarelor modele lingvistice mari (LLM).

Problema apariției „halucinațiilor” – informații inventate – în modelele AI, în special în versiunile timpurii, a dus la necesitatea stringentă de a le alimenta cu date autentice, create de om. Antrenarea modelelor pe texte ce conțin informații false poate duce la un output viciat și eronat.

ZOOM BOOKS a precizat într-un email către CBC News că nu vinde către ANTHROPIC, însă nu a confirmat sau infirmat colaborarea cu alte companii AI sau expediatul de cărți către terți pentru scanare. Compania invocă confidențialitatea datelor clienților săi.

Sursa: HotNews