AI uczy się na starych książkach. "Są kupowane całymi paletami, a następnie mielone"

Jak podaje "Gazeta Wyborcza", zasoby tekstów dostępnych w internecie są w dużej mierze wyczerpane lub ograniczone przez zabezpieczenia i przepisy dotyczące praw autorskich, dlatego koncerny technologiczne szukają nowych źródeł treści.

Jak czytamy, na światowym rynku antykwarycznym rośnie popyt na starsze wydania książek. Firmy mają kupować je hurtowo, następnie skanować, przetwarzać do postaci cyfrowej i wykorzystywać jako materiał szkoleniowy dla systemów AI. Po digitalizacji wiele egzemplarzy trafia do kosza.

Książki są kupowane paletami i skanowane z prędkością 120 stron ma minutę

"Książki są kupowane całymi paletami, na jednej mieści się 800-1200 książek; kupujący w jednym zamówieniu biorą i ponad 10 tys. książek. Grzbiety są odcinane, aby tytuły można było skanować z prędkością 80-120 stron na minutę, a oryginały są następnie mielone. W ten sposób znikają z rynku również bardzo niszowe pozycje w niewielkich nakładach" – zwraca uwagę "GW".

Procedura pozwala pozyskać duże ilości tekstu bez naruszania zabezpieczeń stosowanych przez wydawców w publikacjach elektronicznych. Wykorzystywane są również metadane, takie jak numery ISBN, które ułatwiają identyfikację i katalogowanie książek.

Co z pisarzami i wykorzystywaniem ich twórczości?

Wykorzystywanie utworów chronionych prawem autorskim do trenowania modeli sztucznej inteligencji pozostaje przedmiotem sporów prawnych. Przeciwko firmom rozwijającym AI, w tym m.in. Meta i Anthropic, pozew wytoczyli autorzy i wydawcy, zarzucając bezprawne wykorzystanie ich twórczości.

Proces przeciwko Anthropic ujawnił, że gigant nielegalnie pozyskał miliony książek. Sprawa zakończyła się ugodą opiewającą na 1,5 mld dolarów, ale firma zachowała wszystkie modele AI wytrenowane na tych książkach – opisuje za "New York Timesem" "Wyborcza".