Companiile AI distrug cărți vechi și rare într-un proces „oribil”. De ce le strică

Urmărește A1 pe Discover

Companiile din domeniul inteligenței artificiale ar cumpăra și apoi distruge milioane de cărți rare pentru a evita generarea de conținut AI de slabă calitate („AI slop”), pe care consumatorii îl critică tot mai des, susține un nou raport.

Potrivit investigației 404 Media, giganții din Silicon Valley plătesc companii și contractori să achiziționeze cărți rare, scrie The Guardian.

Cărțile sunt apoi introduse într-un sistem de scanare de mare viteză.

Aparatul taie cotorul volumelor pentru a putea digitaliza rapid fiecare pagină, după care exemplarele originale sunt distruse și transformate în maculatură.

Companiile AI distrug cărți vechi și rare într-un proces „oribil”

Marile companii de tehnologie cumpără aceste cărți pentru a-și antrena noile modele de inteligență artificială și pentru a preveni apariția fenomenului numit „AI slop”. Acesta e conținut generat automat, de calitate scăzută și repetitiv.

Citește și: Ce s-ar fi întâmplat de fapt cu programul OpenAI „scăpat de sub control”. Experții au dezvăluit de ce a lansat un atac cibernetic

Într-un articol publicat pe site-ul său, ISBNdb, companie care susține că deține „cea mai mare bază de date cu cărți din lume”, afirma că volumele publicate înainte de 2022 reprezintă cea mai bună sursă de date pentru antrenarea modelelor AI. Deoarece nu conțin texte generate de inteligența artificială.

Într-un raport dezvăluit de The Washington Post în luna ianuarie, unul dintre cofondatorii companiei Anthropic susținea că introducerea cărților în seturile de date pentru antrenarea AI ar putea învăța modelele „să scrie bine”, în loc să producă „un limbaj de internet de slabă calitate”.

„Cele mai valoroase date pentru antrenarea inteligenței artificiale se află pe rafturile bibliotecilor,” scria ISBNdb într-o postare de blog, ștearsă ulterior.

„Cărțile tipărite înainte de apariția modelelor lingvistice de mari dimensiuni (LLM) sunt, prin definiție, lipsite de acest tip de contaminare,” continua mesajul. „Acesta e, în sine, un avantaj major. Volumele publicate înainte de 2022 sunt, din punct de vedere structural, neafectate de instrumentele moderne care „poluează” conținutul.”

De ce distrug companiile AI cărțile vechi

Potrivit 404 Media, companiile de inteligență artificială încearcă să cumpere cât mai multe cărți pentru a evita fenomenul numit „colapsul modelelor” (model collapse).

Aceasta e o situație în care modelele AI antrenate pe conținut generat de alte modele AI devin treptat mai puțin performante și produc rezultate din ce în ce mai slabe.

Directorii acestor companii consideră că bibliotecile uriașe de cărți reprezintă o sursă esențială de informații noi, capabile să prevină degradarea performanțelor modelelor.

Comercianții de cărți rare spun că, în mod obișnuit, un client cumpără cel mult 1 sau 2 cărți.

„În comerțul cu cărți rare, e foarte neobișnuit ca cineva să cumpere mai mult de un volum,” a declarat anticarul Pieter de Vries. „Așa că, dacă apare cineva și spune „Vreau câteva sute dintre cărțile dumneavoastră”, e extrem de ciudat.”

Însă ISBNdb și alte companii similare facilitează acum pentru giganții AI achiziții care variază între 1.000 și un milion de cărți.

Încercările companiilor de inteligență artificială de a cumpăra în masă cărți, opere de artă, articole de presă și alte tipuri de conținut au atras atenția publicului în repetate rânduri începând cu 2024.

Citește și: Cum arată scrisul „fantomă” pe care îl pot citi doar oamenii. De ce încurcă chiar și cele mai avansate modele AI

Cel mai cunoscut caz a fost dezvăluit de The Washington Post în luna ianuarie, când publicația a relatat că Anthropic încerca să cumpere milioane de cărți, să le taie cotoarele și să le scaneze paginile pentru a furniza mai multe date chatbotului său de inteligență artificială, Claude.

În urma acestui proces „oribil”, cărțile sunt distruse, după ce modelele AI au „canibalizat” informațiile din ele.

Temerile au apărut după un proces intentat în Statele Unite companiei Anthropic de către mai mulți autori.

Documente făcute publice în acest an au arătat că firma practica ceea ce a fost numit „scanare distructivă”. Adică a cumpărat cărți tipărite, le tăia cotorul pentru a putea scana mai rapid paginile, după care transforma resturile în maculatură. Compania încercase să țină această practică departe de ochii publicului.

Judecătorul a decis însă că procedeul e legal în baza legislației americane privind drepturile de autor, considerând că reprezintă o „utilizare transformatoare” a materialelor.