Cyfrowy głód i zapach papieru. Dlaczego firmy AI skupują i niszczą książki z antykwariatów
Właściciele niezależnych antykwariatów w Europie i Ameryce Północnej od miesięcy przecierali oczy ze zdumienia.
Zamiast stałych bywalców szukających pojedynczych wydań, w ich progach pojawili się anonimowi pośrednicy składający gigantyczne zamówienia hurtowe – od zapomnianych kowbojskich romansów po łacińskie traktaty. Tysiące tomów ruszyło w drogę do przemysłowych hal. Szybko okazało się, że za bezprecedensowym popytem na stary papier nie stoją kolekcjonerzy, lecz laboratoria sztucznej inteligencji.
Tarcza z paragonu, czyli ucieczka przed prawnikami
Pierwsze pytanie, jakie nasuwa się w zderzeniu z tą historią, brzmi: po co giganci technologiczni mają kupować fizyczny papier, skoro niemal każda wydana książka krąży gdzieś w sieci w formacie PDF lub EPUB? Odpowiedź kryje się w salach sądowych i wielomiliardowych pozwach o prawa autorskie.
Wcześniejsze trenowanie modeli na pirackich repozytoriach (takich jak osławiony zbiór Books3) skończyło się dla branży AI wizerunkowym i prawnym koszmarem. Twórcy modeli – na czele z Anthropic, twórcami Claude’a – postanowili więc wykorzystać tzw. doktrynę pierwszej sprzedaży (first sale doctrine). Zgodnie z prawem, legalny zakup fizycznego egzemplarza daje nabywcy pełne prawo do dysponowania nośnikiem.
Kiedy amerykański sędzia William Alsup orzekł w sprawie przeciwko Anthropic, że digitalizacja i analiza tekstu na potrzeby budowy modeli stanowi dozwolony użytek transformatywny (fair use), mechanizm stał się jasny: zwykły paragon z antykwariatu stał się dla korporacji najtańszą polisą ubezpieczeniową przed oskarżeniami o piractwo.
Ucieczka przed cyfrowym zatruciem
Drugi powód leży w samej architekturze dużych modeli językowych. Współczesny internet zjada własny ogon – sieć została zalana syntetycznym bełkotem i treściami generowanymi automatycznie pod SEO. Karmienie nowych modeli danymi z dzisiejszego internetu prowadzi do zjawiska degradacji (tzw. model collapse). Działa to trochę jak chów wsobny w biologii, niby mieszamy geny, ale różnorodność jest zbyt mała i błędy w DNA się kumulują.
Giganci rozwijający AI mają problem, nie chodzi tylko o Apple
Aby algorytmy rozwijały zdolności wnioskowania, precyzję semantyczną i bogactwo stylistyczne, inżynierowie potrzebują nieskażonego samym AI języka ludzkiego. Półki prowincjonalnych antykwariatów okazały się ostatnim naturalnym rezerwuarem czystego tekstu sprzed ery syntetycznej. Znajdują się tam frazy, struktury gramatyczne i niszowa wiedza, która nigdy nie została zindeksowana przez wyszukiwarki. Mnie tylko przeraża jedna rzecz: jeżeli syntetyczny język okazuje się w dłuższej perspektywie trucizną dla samej AI, czym w dłuższej perspektywie okaże się dla nas? To tak nawiasem, zostawiam wam do przemyślenia.
Przemysłowa gilotyna i dylemat antykwariusza
Z ujawnionych dokumentów sądowych wynika, że wewnątrz Anthropic operacja nosiła kryptonim Project Panama, a jej celem było zdigitalizowanie „wszystkich książek świata”. Proces ten nie ma jednak nic wspólnego z romantycznym skanowaniem strona po stronie w uniwersyteckiej bibliotece.
Stosuje się tu tzw. skanowanie niszczące: książkom odcina się grzbiety gilotyną introligatorską, luźne kartki trafiają do przemysłowych, superszybkich podajników skanerów szczelinowych, a pozostałości wędrują do przemiału i na makulaturę.
Trudno jednak popadać w tani moralitet i oskarżać firmy technologiczne o powtórkę ze średniowiecznego palenia ksiąg. Dla wielu małych księgarzy i antykwariuszy masowy skup stał się zastrzykiem gotówki ratującym biznes przed plajtą. Jak trzeźwo zauważają sami sprzedawcy: rynek nie potrzebuje milionów zakurzonych egzemplarzy czytadeł z lat 90., na które od dwóch dekad nie było ani jednego chętnego. Antykwariusze się cieszą i w tym nie ma nic złego.
Prawdziwy problem leży gdzie indziej – w skali i automatyzacji procesu. W pośpiesznym skupowaniu kontenerów książek nikt nie prowadzi żmudnej kwerendy bibliotecznej. Ryzyko, że w przemysłowej gilotynie w ułamku sekundy zniknie unikatowy, niezinwentaryzowany starodruk z XVIII wieku, jest w tym wyścigu wkalkulowaną stratą uboczną.
