Світ книговидавництва зіткнувся з парадоксальною реальністю: фізична книга, століттями слугувала сховищем знань, стала сировиною для цифрових алгоритмів. Компанії, що розробляють штучний інтелект, почали масові закупівлі друкованих видань з єдиною метою — навчити на них свої моделі, після чого знищити матеріальний носій.
Як з'ясувало видання 404 Media, процес закупівель часто проходить через посередників, що дозволяє технологічним гігантам приховувати свою участь у угодах. Обсяги торгів вражають: окремі партії можуть становити від 1000 до 1 мільйона екземплярів. Покупців не цікавлять жанри, імена авторів чи тематика — для алгоритмів важливий обсяг тексту, написаного людиною.
Новий ринок і несподівані гравці
У цю індустрію залучені навіть сервіси, які раніше працювали виключно з традиційним книгообігом. Наприклад, база даних ISBNdb, яка історично спеціалізувалася на обслуговуванні бібліотек і книжкових магазинів, тепер пропонує послуги з масового скуповування літератури для клієнтів зі сфери ШІ.
Ринок підручних книг реагує на цей попит миттєво. Продавці повідомляють про різкий стрибок активності: якщо раніше вдавалося реалізувати близько 20 книг на тиждень, то зараз обсяги продажів зросли до кількох сотень екземплярів. Аналогічну тенденцію фіксують на великих міжнародних майданчиках, таких як Alibris та Biblio.
Технологія «руйнівної» оцифровки
Практика використання фізичних книг для навчання нейромереж вже отримала юридичне підтвердження. У судових матеріалах щодо компанії Anthropic було зафіксовано, що вона скуповувала книги, передавала їх підрядникам для сканування, а потім розбирала на окремі сторінки. Такий метод дозволяє проводити високоскорісне промислове сканування, що значно дешевше і швидше, ніж ретельна оцифровка зі збереженням цілісності видання.
Суд визнав використання законно придбаних книг для навчання моделей допустимим у рамках принципу добросовісного використання (fair use). Однак юридичні суперечки в цій сфері тривають. Сама Anthropic зіткнулася з позовом через зберігання бібліотеки з 7 мільйонів піратських книг. Крім того, видавці подали окремий позов проти Google, звинувативши компанію в незаконному використанні мільйонів захищених авторським правом книг для навчання моделі Gemini.
Парадокс цінності даних
Експерти відзначають, що саме друковані книги стали цінним активом в епоху генеративного ШІ. Оскільки вони були написані людьми, вони не містять «води» та артефактів, властивих контенту, створеному іншими нейромережами. Це робить їх ідеальним навчальним матеріалом.
Однак масова оцифровка піднімає тривожні питання щодо збереження культурної спадщини. Після сканування багато екземплярів безповоротно знищуються. Особливого занепокоєння викликає доля рідкісних і давно не перевиданих видань: їхні фізичні копії зникають, а цифрові двійники потрапляють у закриті бази даних, доступні виключно для комерційного навчання алгоритмів.
