A mesterséges intelligencia-modellek betanítása hatalmas mennyiségű szöveges adathalmazt igényel, ezért több szereplő is új források után néz. A hagyományos források mellett egyre több jelentés szerint az AI-cégek a használt, nyomtatott könyveket vásárolják fel nagy tételben, majd a lapokat kiszedve digitális formába konvertálják őket. A folyamat során a fizikai kötetek gyakran végleg megsemmisülnek.
Hogyan dolgoznak a cégek?
Egy peres ügy iratai szerint az Anthropic hidraulikus vágógépet használt arra, hogy a könyvkereskedőktől beszerzett kötetekből kivegye a lapokat; ezeket ipari szkennerekkel olvasták be. A cég álláspontja és a jogi dokumentumok szerint az eljárás a „első eladás” (first-sale) elvén alapul: aki megvásárol egy fizikai könyvet, azzal azt tehet, amit akar, így a tulajdonos hozzájárulása nem szükséges a kötet átalakításához.
A bírósági anyagok alapján az is hangsúlyozott érv, hogy mivel a fizikai könyvet digitálissá alakítják át, nem történik többszörözés abban az értelemben, amely szerzői jogi védelem alá esne; a peres dokumentumok szerint a módosítás "átalakító jellegű", és ezért a cég szerint tisztességes felhasználásnak (fair use) minősülhet.
Terjedő gyakorlat és kereskedők szerepe
A 404 Media beszámolója szerint a könyvek ilyen célú begyűjtése már elég elterjedtté vált ahhoz, hogy egyes jól működő használtkönyv-kereskedések tulajdonosai maguk is ráálljanak az üzletre. Vannak üzletek, amelyekkel azt hirdetik, hogy „a világ legjobb mesterségesintelligencia-képzési adatai a polcokon sorakoznak”.
Egyes kereskedők kifejezetten AI-cégek részére vállalnak gyűjtést: egy helyen azt állítják, hogy 1 000 és 1 000 000 közötti példányszámok begyűjtésében tudnak segíteni — állítólag diszkréciót ígérnek.
Egy másik kereskedő beszámolója szerint áprilisban még legfeljebb heti 20 kötetet adott el, majd hirtelen ez a szám több százra nőtt; ő biztos benne, hogy a vevők valójában AI-cégek. Hangsúlyozta továbbá, hogy a kínálata sok ritka, máshol már nem kapható kötetet tartalmaz, így az ilyen típusú felhasználás tönkreteheti a megmaradt példányokat.
Miért vonzó ez az AI-cégek számára?
A használt, nyomtatott könyvek előnye az AI-cégek szempontjából, hogy sok kötet szerzői munkája a digitális korszak előttről származik, vagyis a szövegek nem gép által generáltak, így az adathalmaz „tisztábbnak” vagy „emberibbnek” tekinthető. Ez különösen értékesnek tűnhet a nyelvi modellek fejlesztésénél, ahol az eredeti szerzői stílusok és terminológia hasznosak lehetnek.
A fizikai könyvek sorsa és következmények
A felvágott kötetek lapjai beolvasás után gyakran nem őrződnek meg: a megmaradó papírdarabok hulladékként végzik. Többen a szakmában vegyes érzéseket fejeznek ki: örülnek a plusz bevételnek a már régóta nem keresett kötetek után, ugyanakkor sajnálják, hogy a könyvek ilyen végső sorsra jutnak.
A jelenség jogi és etikai kérdéseket vet fel: a vállalatok a szerzői jogi szabályok által megengedett lehetőségekre hivatkoznak, miközben a könyvtári, kulturális és gyűjtői szempontok szerint egyes kiadványok visszafordíthatatlanul megsemmisülnek. A gyakorlati hatás — különösen a ritka kötetek vonatkozásában — a kulturális örökség szempontjából is aggályos lehet.
Összegzés
Az AI-képzéshez szükséges nagy mennyiségű, emberi szerzők által létrehozott szöveg iránti kereslet új kereskedelmi hálózatokat hozott létre a használt könyvek piacán. A felvásárlás és a lapokra bontás, majd beolvasás során a fizikai kötetek gyakran megsemmisülnek; a gyakorlatot a cégek jogi érveléssel támogatják, a könyvkereskedők viszont egyszerre profitálnak és gyászolnak a könyvek elvesztése miatt.
