Катерина Левицька Авторка новин видання "Межа". В медіа з 2015 року, пишу про софт, IT-бізнес та кіно. 18 серпня, 18:10 0
Останнім часом все частіше з’являються заяви від продавців антикварних видань про те, що технологічні гіганти скуповують та утилізують старі книги для забезпечення унікальними текстами процесу навчання штучного інтелекту. Проте, переконливі докази цього явища з’явилися лише завдяки розслідуванню репортерів 404 Media, які помістили GPS-трекер Apple AirTag в один із примірників і відстежили його шлях до складу Amazon у Лас-Вегасі.
Історія розпочалася з того, що продавець вінтажної літератури отримав через торговий майданчик Biblio незвичайне замовлення на приблизно 1000 видань від покупця, особу якого не вдалося ідентифікувати. Журналісти 404 Media домовилися з цим продавцем про встановлення трекера в одну з книг, що врешті-решт привело їх до Amazon.
Йдеться про філію компанії в Лас-Вегасі, яка в офіційних документах позначена як VGT3. За інформацією журналістів, персонал цього об’єкта одержує великі партії літератури, після чого видаляє обкладинки для прискорення процесу сканування сторінок. У результаті, фізичний екземпляр книги фактично знищується. Особливо іронічним виглядає логотип цієї філії, що зображує тиранозавра, який тримає книгу в пащі.
Логотип VGT3 – об’єкта Amazon у Лас-Вегасі, де працівники сканують книги для отримання даних для навчання ШІ.
Додаткові підтвердження вдалося знайти на онлайн-форумах для співробітників Amazon: один з них підтвердив факт сканування, а інший — процес “підготовки” матеріалів. У деяких повідомленнях зазначалося, що в компанії вичерпалися запаси книг, що викликало у співробітників побоювання щодо можливого закриття складу.
У своєму офіційному коментарі Amazon підтвердила, що закуповує книги через комерційні канали, але не уточнила обсяги закупівель та їхнє використання для розробки ШІ.
“Amazon купує книги через комерційні канали для допомоги в розробці та вдосконаленні продуктів і послуг, якими користуються наші клієнти”, – зазначено в заяві компанії.
Корпорації, подібні до Amazon, потребують величезних обсягів текстових даних для навчання великих мовних моделей (LLM) — систем штучного інтелекту, які вже вичерпали доступну інформацію в інтернеті. Рідкісні видання, особливо ті, що не доступні онлайн, у такому контексті стають новим джерелом цінних даних.
Особлива цінність стародавніх книг полягає в тому, що вони гарантовано не містять текстів, створених чатботами, які з’явилися після 2022 року. Коли LLM навчаються на матеріалах, згенерованих штучним інтелектом, існує ризик “колапсу” моделі або зниження якості її роботи.