Za slučaj da mrzite način na koji nastaje moderna AI tehnologija, a pogotovo pritom imate pik na AI kompanije, dat ćemo vam razlog za pomisliti da ih možda – ne mrzite dovoljno. Naime, masovna obrada podataka za treniranje velikih jezičnih modela (LLM) dovela je do neobičnog trenda u tehnološkoj industriji koji baca novo, vrlo loše, svjetlo na prakse kojima se određeni "AI lideri" služe.

Kupi, skeniraj, baci

Nekima, očito, nije dovoljno što su već godinama pod sumnjama, ali i tužbama, zbog neovlaštenog korištenja digitalnih, pa i piratiziranih djela – kompanije poput Anthropica okrenule su se masovnom otkupu fizičkih, tiskanih knjiga. Tiskani materijali omogućuju im pristup opsežnim tekstovima, ali bez pravnih zapreka koje prate distribuciju digitalnih kopija. Jednostavno je – kad knjigu kupite, ona je vaša i možete s njom, valjda, raditi što vas je volja. Tako AI kompanije te knjige daju svojim modelima na "čitanje", odnosno koriste ih za treniranje jezičnih modela.

No, kad robot čita knjigu, to je ponešto drugačiji proces od onoga kad je čita čovjek. Proces pretvaranja papirnatih izdanja u digitalne podatke uključuje rezače papira i skeniranje industrijskom opremom. Drugim riječima, iz knjiga se stranica po stranicu izrezuje, automatski skenira, pa potom – baca u smeće ili reciklažu. Praksa se provodi, koliko se zna, od 2024. godine, a Anthropic je početkom godine čak i pristao na nagodbu u jednom sudskom procesu, u kojem je praktički priznao da masovno "destruktivno skenira" knjige i ima plan to učiniti "sa svim knjigama svijeta". Daleko od toga da su jedini koji to čine.

Pravno pokriće za ovakvu praksu pronađeno je u doktrini prve prodaje, koja kupcu fizičkog predmeta dopušta slobodno raspolaganje njime. Budući da se tiskani tekst pretvara u digitalni oblik bez ponovnog izdavanja i distribucije izvornika, pravosudna tijela dio takvih postupaka smatraju transformativnim korištenjem koje ulazi u okvire poštene uporabe (fair use). Pravno, dakle, ponekad takva praksa "može proći", no moralno je vrlo problematična – pogotovo ako znamo da se među otkupljenim, skeniranim i posljedično uništenim knjigama često nalaze vrlo rijetka izdanja i antikviteti.

Tekstovi bez "AI slopa"

Osim što su pravno "čišći", ovakvi postupci imaju još jedan motiv. Ključni razlog za iznenadnu potražnju za starijim izdanjima fizičkih knjiga leži u kvaliteti sadržaja. Naime, knjige objavljene prije širenja generativnih modela, odnosno prije 2022. godine, osiguravaju tekstualni materijal koji nije kontaminiran AI generiranim sadržajem. Servisi poput ISBNdb-a, koji raspolažu bazama podataka o knjigama, javno ističu prednost pred-LLM izdanja te su se prilagodili potrebama AI tržišta.

Preko specijaliziranih posrednika, poput njih, AI tvrtke sada naručuju pakete od tisuću do čak milijun knjiga po narudžbi. Prodavačima se pritom jamči potpuna diskrecija, čime se izbjegava negativan publicitet vezan uz uništenje tiskanih izdanja. Iako naručitelji ostaju anonimni, uzorci kupnje jasno ukazuju na krajnju svrhu tih narudžbi.

Antikvarijati u dilemi

Porast potražnje, piše 404media, osjećaju i mali trgovci rabljenim knjigama. Pojedini antikvarijati bilježe nagli skok prodaje s dvadesetak na nekoliko stotina primjeraka tjedno, pri čemu kupci nasumično odabiru naslove koji posjeduju ISBN broj. Trgovci stoga izražavaju podijeljene osjećaje: s jedne strane ostvaruju financijsku korist i rješavaju se zaliha koje bi inače teško prodali, dok su s druge strane zabrinuti jer se među uništenim knjigama nalaze i rijetka, rasprodana izdanja.

Slični trendovi uočeni su i na europskom tržištu, primjerice u Nizozemskoj, gdje su trgovci rijetkim knjigama preplavljeni velikim narudžbama za koje sumnjaju da dolaze iz AI sektora. Unatoč nedostatku izravnih potvrda o identitetu kupaca, razmjeri i specifičnosti narudžbi ukazuju na sustavno uništenje knjižne građe – sve s ciljem prikupljanja što boljih podataka za strojno učenje.