Autoři, archiváři, historici a milovníci knih rozpoutali na internetu válku proti technologickým gigantům a vývojářům umělé inteligence. Přibývá totiž důkazů, že tyto firmy ve velkém nakupují vzácné a staré knihy, jejich obsah využívají k trénování velkých jazykových modelů a následně knihám odřezávají hřbety a ničí jejich původní tištěné exempláře.
Dokumenty zveřejněné v rámci letošní žaloby amerických autorů proti společnosti Anthropic odhalily, že firma nakoupila miliony fyzických knih, najala dodavatele, kteří z nich odřezávali vazby, stránky vkládali do vysokorychlostních skenerů a následně originály likvidovali. Projekt dostal název „Project Panama“.
Následné reportáže ukázaly historický nárůst prodejů fyzických knih vydaných před rokem 2022. Knihkupci začali mít podezření, že velkými a tajnými odběrateli jsou právě AI společnosti.
Milovníci knih a kritici umělé inteligence tuto praxi ostře odsoudili. Další vyšetřování, mimo jiné od serveru 404 Media, ale ukázalo, že nejde jen o běžné bestsellery. AI firmy nakupují také vzácné, starožitné a vyprodané knihy, které už nemusejí být jinak zachovány.
Server 404 Media v pondělí zveřejnil výsledky vyšetřování, při němž nejmenovaný prodejce vzácných knih obdržel objednávku téměř tisíce fyzických knih. Reportéři do jedné z nich vložili lokátor Apple AirTag, aby mohli zásilku sledovat.
Zásilka putovala z Kalifornie do Milwaukee, následně do Colorado Springs a nakonec dorazila do skladu vlastněného Amazonem s označením VGT3.
Podle 404 Media je u budovy logo tyranosaura, který se chystá sežrat otevřenou knihu. Zaměstnanci zároveň popisují svou práci jako „příjemnou“ a říkají, že celý den pouze skenují knihy.
Vyšetřování ukazuje, že velké technologické firmy provozují průmyslově rozsáhlá zařízení určená ke skenování knih, aby získaly data pro trénování velkých jazykových modelů.
Technologické společnosti se k fyzickým knihám uchylují kvůli dvěma hlavním problémům digitálních zdrojů: právní odpovědnosti a kvalitě dat.
Používání pirátských online archivů, takzvaných „shadow libraries“, vystavuje AI firmy žalobám kvůli porušování autorských práv. Pokud ale společnost fyzickou knihu legálně koupí, může s konkrétním exemplářem nakládat podle svého – včetně jeho zničení.
Fyzické knihy navíc poskytují přístup k milionům titulů, které už nejsou v prodeji nebo existují pouze v tištěné podobě. Nákup knih vydaných před rokem 2022 zároveň umožňuje firmám získat texty vytvořené lidmi, nikoli umělou inteligencí.
Internet je totiž stále více zaplněn texty vytvořenými AI. Trénování nových modelů na takových datech by jejich schopnosti dále neposouvalo. Fyzické knihy naopak obsahují lidsky napsaný a redigovaný text, dlouhé souvislé argumentace, narativní struktury a další vlastnosti, které krátké webové texty nebo AI-generovaný obsah často nemají.
Americká doktrína prvního prodeje (First-Sale Doctrine) umožňuje vlastníkovi legálně zakoupené fyzické knihy nakládat s ní podle vlastního uvážení, včetně jejího zničení.
V jiných soudních sporech navíc soudy dospěly k závěru, že převedení legálně zakoupené tištěné knihy do digitální podoby pro interní trénování modelů může představovat tzv. transformativní fair use, tedy přípustné užití díla.
Kritici tvrdí, že technologické firmy využívají vlastnictví fyzických knih jako právní kličku k vytváření digitalizovaných databází bez odměňování autorů. V současnosti však tato praxe zůstává legální.
Soudní dokumenty zveřejněné během sporu s Anthropicem ukázaly, že firma plánovala během jediného šestiměsíčního kontraktu se subdodavatelem naskenovat 500 tisíc až dva miliony knih.
Interní dokumenty podle článku uváděly plán „destruktivně naskenovat všechny knihy na světě“. Dodávaly, že nechtějí, aby se vědělo, že se na tom pracuje.
Zdroje 404 Media hovořily o anonymních objednávkách od jednoho tisíce až po jeden milion knih v jedné zásilce. Prodejci použitých knih ve Spojených státech, Británii a Evropě zároveň hlásí, že hromadné objednávky zdánlivě náhodných naučných a vyprodaných knih se běžně pohybují od stovek po tisíce titulů.
