De ce sunt cumpărate cu miile cărți vechi de matematică, medicină și fizică. Legătura surprinzătoare cu AI

Cărți vechi, inclusiv manuale tehnice, lucrări medicale și volume de matematică sau fizică, sunt cumpărate în cantități neobișnuit de mari de pe piața second-hand. Fenomenul a atras atenția librarilor din Canada și din alte țări, care au observat comenzi pentru sute sau chiar mii de volume aparent fără legătură între ele.

Cârți vechi sunt cumpărate în cantități neobișnuit de mari de pe piața second-hand. Foto: Pixabay

În contextul în care companiile de inteligență artificială au nevoie de cantități tot mai mari de texte pentru antrenarea modelelor, aceste achiziții au ridicat întrebări cu privire la destinația cărților.

Comenzi neobișnuite în librăriile din Canada

Pentru comercianții de carte veche, comenzile în cantități mari nu sunt neapărat neobișnuite. Ceea ce a atras însă atenția în ultimele luni a fost tipul volumelor solicitate: cărți specializate, unele nevândute de ani de zile, selectate fără o temă sau un autor comun.

Mai mulți librari canadieni au relatat că au primit astfel de solicitări. Printre volumele căutate se află manuale universitare, lucrări de medicină, matematică și fizică, multe dintre ele cu o valoare comercială redusă.

Peter Sellers, proprietarul Sellers & Newel din Toronto, a observat că solicitările primite recent erau diferite de comenzile în vrac pe care le întâlnea în mod obișnuit. În trecut, astfel de achiziții aveau de regulă un scop evident, precum amenajarea unor interioare sau recuzita pentru producții cinematografice. Noile comenzi cuprindeau însă liste de titluri aparent aleatorii, scrie CBC citată de Yahoo News.

Patrick Hempelmann, proprietarul BMV Books din Toronto, a descris la rândul său comenzi pentru sute de cărți, inclusiv volume tehnice care rămăseseră nevândute ani la rând. Cărțile erau comandate online și trimise către o companie de logistică din Illinois.

Zoom Books, în centrul întrebărilor

Un nume care apare în mai multe dintre aceste tranzacții este Zoom Books, companie canadiană specializată în comerțul cu cărți second-hand.

Librari din mai multe țări au relatat că au primit solicitări pentru cantități mari de volume, uneori pe baza unor liste cu sute de titluri. În unele cazuri, cărțile erau trimise către PrepFort, o companie de logistică și fulfillment din Illinois.

Aceste informații nu demonstrează însă că Zoom Books cumpără cărțile pentru companii de inteligență artificială. Compania respinge această asociere și susține că activitatea sa constă în achiziția, revânzarea și reciclarea cărților second-hand. Potrivit reprezentanților săi, compania procesează milioane de volume în fiecare lună.

Prin urmare, destinația finală a cărților cumpărate prin aceste tranzacții nu este cunoscută în toate cazurile.

De ce sunt importante cărțile pentru inteligența artificială

Interesul pentru cărțile tipărite este legat de problema datelor folosite pentru antrenarea modelelor de inteligență artificială.

Companiile din domeniu au nevoie de cantități foarte mari de texte, iar internetul a reprezentat până acum una dintre principalele surse. Odată cu extinderea conținutului generat automat, însă, devine mai importantă identificarea unor colecții de texte produse și editate de oameni.

Cărțile publicate înainte de apariția generativei AI pot reprezenta o astfel de sursă. Ele conțin texte specializate și editate, provenite din perioade în care conținutul generat automat nu exista la amploarea actuală.

Există deja companii care oferă industriei AI servicii de identificare și achiziție a unor astfel de volume. ISBNdb, de exemplu, a prezentat cărțile tipărite drept o sursă de date pentru dezvoltarea modelelor și a oferit servicii de achiziție în cantități foarte mari.

Unele cărți sunt cumpărate pentru a fi scanate

Pentru ca textul dintr-o carte tipărită să poată fi folosit ca date, volumul trebuie digitizat. În cazul operațiunilor desfășurate la scară mare, procesul poate implica tăierea cotorului și separarea paginilor, astfel încât acestea să poată fi introduse rapid în scanere.

Procedura, cunoscută drept „destructive scanning”, face ca volumul să nu mai poată fi vândut ulterior ca o carte întreagă.

Există dovezi că astfel de operațiuni sunt folosite pentru obținerea de date destinate dezvoltării modelelor AI.

Anthropic a cumpărat milioane de cărți

Unul dintre cele mai bine documentate cazuri este cel al Anthropic, compania care dezvoltă modelul Claude.

Documente devenite publice în cadrul unor litigii privind drepturile de autor au arătat că Anthropic a derulat un proiect intern numit „Project Panama”. Compania a cumpărat milioane de cărți fizice, le-a scanat și a creat copii digitale pentru propria bibliotecă.

În acest proces, cărțile puteau fi tăiate pentru ca paginile să fie scanate rapid, după care exemplarele fizice erau reciclate.

Cazul a devenit unul dintre exemplele importante din disputa privind modul în care companiile de inteligență artificială își procură datele pentru antrenarea modelelor.

O operațiune de scanare, urmărită până la un depozit Amazon

O investigație separată a publicației 404 Media a urmărit traseul unor cărți care ar fi fost destinate digitizării.

Transportul a ajuns la un depozit Amazon din Las Vegas, iar angajații intervievați de publicație au descris un proces în care volumele sunt pregătite pentru scanare prin îndepărtarea cotoarelor și separarea paginilor.

Informațiile au oferit o imagine asupra modului în care cărțile fizice pot fi transformate, la scară industrială, în fișiere digitale care pot fi utilizate ulterior ca date.

De ce sunt căutate cărțile vechi

Pentru un librar, un manual vechi de matematică sau un tratat medical depășit poate avea o valoare comercială redusă. Pentru un sistem de inteligență artificială, însă, conținutul său poate avea o altă valoare.

Nu este important dacă volumul mai este căutat de cititori, ci cantitatea și natura textului pe care îl conține. O colecție formată din mii de cărți din domenii diferite poate furniza milioane de pagini de text produs de oameni.

Acest lucru poate explica și caracterul aparent aleatoriu al unora dintre comenzile observate de librari: cumpărătorul nu caută neapărat cărți care să fie interesante pentru un cititor, ci volume care să ofere cât mai mult text din surse diferite.

Fenomenul depășește Canada

Relatări despre comenzi similare au apărut și în alte țări, inclusiv în Marea Britanie, Irlanda, Germania, Polonia, Australia și Noua Zeelandă.

În unele dintre aceste cazuri apare din nou Zoom Books sau aceeași rețea de intermediari logistici. Comercianții au descris solicitări pentru volume vechi și specializate, cumpărate în cantități neobișnuite.

Aceste cazuri nu demonstrează că toate cărțile ajung la companii de AI sau că sunt distruse pentru a fi scanate. Ele arată însă că piața cărților second-hand a început să fie conectată la o nouă categorie de cumpărători și intermediari.

Ce se știe și ce nu

Există dovezi clare că unele companii de inteligență artificială cumpără cărți fizice în cantități mari pentru a le digitiza. Operațiunea Anthropic „Project Panama” este un astfel de exemplu, iar investigațiile jurnalistice au documentat și alte facilități în care cărțile sunt scanate la scară mare.

În cazul comenzilor asociate cu Zoom Books, situația este diferită. Librarii au observat tranzacții neobișnuite și există relatări despre traseul unor volume către intermediari logistici, dar nu există dovezi publice care să demonstreze că toate aceste cărți sunt destinate antrenării modelelor AI. Zoom Books neagă această legătură.