Mi történt
Az elmúlt időszakban könyvkereskedők egyre gyakrabban gyanították, hogy AI-cégek nagy tételben vásárolnak fel ritka könyveket, majd a digitalizálás után megsemmisítik őket. A gyanú lényege egyszerű: a fejlett nyelvi modelleknek rengeteg szövegre van szükségük, és a nehezen hozzáférhető, kevés helyen elérhető anyagok különösen értékesek lehetnek számukra.Most először került elő olyan nyom, amely ezt a folyamatot konkrét szereplőhöz köti. Egy ritka könyvbe rejtett AirTag egy Las Vegas-i Amazon-létesítményig jutott, ahol egy csapat a kötetek gerincének leválasztásával és az oldalak beszkennelésével foglalkozott. Ez a módszer technikailag hatékony: ha a könyvet szétszedik, a lapokat gyorsabban és pontosabban lehet ipari szkennerrel feldolgozni. Cserébe maga a fizikai példány gyakran menthetetlenné válik.
Az Amazon érdemben nem cáfolta a felfedezést. A vállalat annyit közölt, hogy kereskedelmi csatornákon keresztül vásárol könyveket, hogy javítsa az ügyfelek által használt termékeket és szolgáltatásokat. Ez tág megfogalmazás, de jól illeszkedik ahhoz, hogy a cég saját, úgynevezett frontier modelleken dolgozik. Ezek a legfejlettebb AI-rendszerek, amelyek teljesítményét nagyban meghatározza, mennyire sokszínű és egyedi adatokon tanultak. Gondolj rá úgy, mint egy vizsgára készülő diákra: nem mindegy, hogy csak a tankönyv rövidített jegyzeteit olvassa, vagy ritka, máshol nem elérhető forrásokhoz is hozzáfér.
Miért fontos
A történet túlmutat azon, hogy egy techcég pontosan milyen könyveket vesz. Itt az a lényeg, hogy az AI-verseny egyre inkább nemcsak számítási kapacitásról és chipekről szól, hanem a megszerezhető tanítóadatok minőségéről is. A ritka könyvek ebből a szempontból különösen vonzók, mert olyan szövegeket tartalmazhatnak, amelyek nincsenek tömegesen jelen az interneten vagy nyilvános digitális archívumokban. Az Ars Technica értelmezése szerint ez versenyelőnyt jelenthet egy olyan piacon, ahol a cégek már a tanítóadatok összetételét is üzleti titokként kezelik.A hétköznapi felhasználónak ez azért fontos, mert az AI-rendszerek minőségét egyre kevésbé csak az dönti el, mekkora a modell, hanem az is, miből tanult. Közben felmerül egy kulturális kérdés is: ha egy ritka könyv digitális nyersanyaggá válik, az megőrzés vagy veszteség? A szkennelés önmagában archiválás is lehet, de ha a folyamat a fizikai példány megsemmisítésével jár, az már nem ugyanaz.
Mire figyelj
- Érdemes figyelni, reagál-e az Amazon részletesebben arra, pontosan milyen célra és milyen mennyiségben vásárol könyveket.
- Fontos kérdés lesz, hogy más nagy AI-cégek gyakorlatáról is előkerülnek-e hasonlóan konkrét bizonyítékok.
- Várhatóan erősödik majd a vita arról, hol húzódik a határ a digitalizálás, az adatgyűjtés és a kulturális értékek fizikai feláldozása között.
- Az is lényeges, lesz-e iparági vagy szabályozói nyomás arra, hogy az AI-képzéshez használt könyves források átláthatóbbá váljanak.