Potrivit raportului, jurnaliștii de la 404 Media au plasat un dispozitiv de urmărire într-o carte rară, pentru a vedea exact unde ajunge. Surpriza a fost că dispozitivul a semnalat dintr-o facilitate Amazon din Las Vegas, cunoscută sub codul VGT3. Această facilitate are un simbol neobișnuit: un dinozaur care ține o carte în gheare. Un detaliu aproape absurd, care contrastează puternic cu scopul real al operațiunii: distrugerea fizică a cărților pentru a le transforma în text digital.
Amazon a confirmat practica, dar a încercat să o prezinte ca pe ceva benign. Într-o declarație pentru 404 Media, compania a spus că „achiziționează cărți prin canale comerciale pentru a îmbunătăți produsele și serviciile pe care clienții le folosesc”. O formulare vagă, care nu menționează explicit antrenarea AI, dar care lasă puțin loc de interpretare. În spatele acestei declarații se ascunde o realitate mult mai complexă și mai tulburătoare.
De ce ar avea nevoie Amazon de cărți rare? Răspunsul ține de foamea nesățioasă a industriei AI pentru date de calitate. Modelele de limbaj precum GPT-4, Claude sau Gemini au deja acces la o mare parte din internetul public, dar acest conținut este adesea de calitate îndoielnică, plin de zgomot, dezinformare și text generat de alte AI. În plus, există o problemă tot mai mare numită „colaps de model” – atunci când un LLM este antrenat pe text generat de alte LLM-uri, calitatea ieșirilor sale se degradează progresiv, ducând la un fel de degenerare a inteligenței artificiale. Pentru a evita acest scenariu, companiile caută surse de text „curat”, care să nu fi fost produs de o mașină. Și ce este mai curat decât o carte tipărită înainte de 2022, când LLM-urile au devenit mainstream?
Cărțile rare, în special cele epuizate sau care nu au fost digitalizate niciodată, reprezintă o comoară pentru antrenarea AI. Ele conțin limbaj natural, idei complexe, nuanțe culturale și o varietate stilistică pe care internetul modern nu o poate oferi. Mai mult, fiind publicate înainte de era AI, există garanția că nu au fost scrise de un algoritm. Astfel, ele devin o sursă de date „virgine”, perfectă pentru a îmbunătăți performanța modelelor. Dar prețul acestei perfecțiuni este distrugerea fizică a unor obiecte de patrimoniu.
Practica de a tăia cotorul cărților pentru a le scana este una brutală. În loc să folosească scanere non-invazive, care păstrează integritatea volumului, Amazon pare să prefere metoda rapidă și ieftină: tăierea legăturii și trecerea paginilor printr-un scanner automat. Rezultatul este o carte complet distrusă, care nu mai poate fi citită, vândută sau păstrată. Pentru colecționari, biblioteci și iubitorii de cărți, aceasta este o pierdere ireparabilă. Fiecare volum distrus este o bucată din istoria noastră culturală care dispare pentru totdeauna.
Aceasta nu este prima dată când companiile de AI sunt acuzate de practici discutabile pentru a obține date. Anthropic, de exemplu, a fost dat în judecată pentru că ar fi piratat cărți protejate de drepturi de autor pentru a-și antrena modelele. Iar OpenAI a fost acuzată că a folosit fără permisiune articole de presă și cărți. Dar cazul Amazon este deosebit de ironic, deoarece compania a început ca un librar online, iar acum contribuie la distrugerea cărților fizice. Este ca și cum un bibliofil și-ar arde propria bibliotecă pentru a-și alimenta centrala electrică.
Dincolo de aspectul emoțional, există și probleme legale și etice serioase. Cărțile rare sunt adesea protejate de drepturi de autor, iar reproducerea lor fără permisiunea deținătorilor de drepturi este ilegală. Amazon susține că le cumpără „prin canale comerciale”, ceea ce înseamnă că plătește pentru ele, dar asta nu îi dă dreptul să le distrugă și să le folosească în moduri care nu au fost prevăzute de autor sau editor. În plus, distrugerea cărților rare are un impact asupra patrimoniului cultural mondial. Multe dintre aceste volume există în doar câteva exemplare, iar pierderea lor este definitivă.
Ce înseamnă această practică pentru viitor? Pe termen scurt, Amazon și alte companii vor continua să caute surse de date „curate”, iar cărțile rare sunt o țintă ușoară. Pe termen lung, însă, această abordare ar putea duce la o epuizare a resurselor de text de calitate, forțând industria AI să găsească soluții alternative, cum ar fi generarea de date sintetice sau colaborarea cu autorii și editorii. Dar până atunci, vom asista la o distrugere silențioasă a unor comori culturale, în numele progresului tehnologic.
Este o dilemă clasică a erei digitale: cât de mult suntem dispuși să sacrificăm din trecut pentru a construi viitorul? Amazon, odată simbolul accesului la cărți, a devenit acum un distrugător al lor. Poate că ar trebui să ne întrebăm dacă inteligența artificială care va fi antrenată pe aceste cărți va avea vreodată înțelepciunea de a aprecia ceea ce a pierdut. Probabil că nu – pentru că nu va ști niciodată ce a fost distrus pentru a o crea.
De ce este important:
Această practică ridică probleme fundamentale despre etica în dezvoltarea AI, despre drepturile de autor și despre protejarea patrimoniului cultural. Dacă Amazon și alte companii pot distruge cărți rare fără consecințe, ce alte resurse prețioase vor fi sacrificate pe altarul inteligenței artificiale? Este un semnal de alarmă pentru colecționari, biblioteci și pentru toți cei care cred că progresul nu ar trebui să vină pe seama pierderii ireversibile a istoriei noastre scrise.
