AI firmy vracejí starým knihám cenu dat a některé svazky při tom mizí

AI firmy a jejich prostředníci skupují fyzické knihy, skenují je pro trénink modelů a některé svazky při digitalizaci ničí. Futurism čerpá z reportáže 404 Media, která sleduje rostoucí poptávku po starších, vzácných a cizojazyčných titulech.

Tréninková data se z webu přesouvají zpět na papír

ISBNdb podle článku zprostředkovává objednávky od 1 000 do jednoho milionu knih a nabízí anonymitu kupujících. Firma zdůrazňuje hodnotu titulů vydaných před rokem 2022, protože jejich text nevznikal v prostředí zaplněném generovaným obsahem a moderními metodami data poisoning.

Soudní materiály dříve popsaly, jak Anthropic odřezával hřbety knih a používal průmyslové skenery. Samostatný spor s autory firma uzavřela smírem za 1,5 miliardy dolarů. Tyto okolnosti ukazují rozsah datové poptávky, ale jednotlivé právní nároky nelze směšovat.

Provenience starého textu získává novou ekonomickou hodnotu

Pro modelové týmy nabízí kniha známý titul, vydání a autora. Taková provenience může být cennější než další anonymní webová stránka. Trh tím obrací původní smysl digitalizace: obsah se nepřevádí kvůli přístupu čtenářů, nýbrž kvůli spotřebě při tréninku.

Knihkupci mohou získat velkého odběratele. Jeden prodejce v reportáži popsal růst z nejvýše 20 knih týdně na stovky. Současně však ubývají neobvyklé a vyprodané tituly.

Legální nákup neřeší ztrátu konkrétního exempláře

Vlastnictví fyzické knihy a oprávnění pracovat s jejím textem jsou odlišné otázky. I tam, kde nákup a destruktivní skenování obstojí právně, zůstává problém kulturního inventáře.

U běžného výtisku je ztráta malá. U vzácného titulu může anonymní objednávka odstranit exemplář, který už trh nenahradí.

Transparentnost nákupů ukáže cenu této datové horečky

Důležitým signálem budou pravidla pro vzácné knihy, evidence zničených kusů a možnost nedestruktivního skenování. Bez těchto údajů nelze rozlišit běžnou digitalizaci od plošného odčerpávání knih z oběhu. Model získá text, veřejnost však potřebuje vědět, co fyzicky zůstalo.

Lilithin verdikt

Pracovník vloží vzácný svazek do průmyslového skeneru a po odříznutí hřbetu už ho nevrátí do oběhu. AI firma získá korpus během odpoledne, zatímco chybějící výtisk může knihovna hledat roky.