ხელოვნური ინტელექტის კომპანიების მიერ წიგნების მასობრივი შესყიდვა და განადგურება სულ უფრო დიდ შეშფოთებას იწვევს. ავტორები, არქივისტები, ისტორიკოსები და წიგნის კოლექციონერები ტექნოლოგიურ კომპანიებს აკრიტიკებენ, რომ ისინი დიდი რაოდენობით ფიზიკურ წიგნებს ყიდულობენ, გვერდების მაღალსიჩქარიანი სკანერებით ციფრულ ფორმატში გადაყვანის შემდეგ კი, ანადგურებენ. ყველაზე დიდ კრიტიკას კი ის იწვევს, რომ განადგურების საფრთხის წინაშე შესაძლოა იშვიათი და გამოცემიდან ამოღებული წიგნებიც აღმოჩნდეს.
ამის ერთ-ერთი ყველაზე მასშტაბური მაგალითი Anthropic-ს უკავშირდება. ავტორების მიერ კომპანიის წინააღმდეგ დაწყებული სასამართლო დავის ფარგლებში გასაჯაროებულმა დოკუმენტებმა აჩვენა, რომ Anthropic-მა მილიონობით ფიზიკური წიგნი შეიძინა.
პროექტი, სახელწოდებით „Project Panama“, Anthropic-ში წიგნების დესტრუქციულ სკანირებას ეწოდებოდა. კომპანიის კონტრაქტორები წიგნებს ყიდულობდნენ, ყდებსა და ასაკინძ მასალას აცლიდნენ, გვერდები მაღალსიჩქარიანი სკანერებით ციფრულ ფორმატში გადაჰქონდათ, შემდეგ კი წიგნების ორიგინალ ეგზემპლარებს ანადგურებდნენ.
საინტერესოა, რომ კომპანიის ერთ-ერთ შიდა დოკუმენტში პროექტის მიზანი პირდაპირ იყო აღწერილი: „Project Panama არის ჩვენი ძალისხმევა, დესტრუქციულად დავასკანეროთ მსოფლიოში არსებული ყველა წიგნი.“
დოკუმენტის მიხედვით, კომპანიას ასევე არ უნდოდა, საზოგადოებას სცოდნოდა, რომ ამ მიმართულებით მუშაობდა.
სასამართლოსთვის წარდგენილი მასალების თანახმად, Anthropic-ი ერთ-ერთი კონტრაქტის ფარგლებში ექვსი თვის განმავლობაში 500 000-დან 2 მილიონამდე წიგნის დასკანერებას გეგმავდა.
რისთვის სჭირდებათ AI-კომპანიებს ფიზიკური წიგნები?
ერთი შეხედვით, უცნაურია, რატომ უნდა იყიდოს ტექნოლოგიურმა კომპანიამ ფიზიკური წიგნი მხოლოდ იმისთვის, რომ შემდეგ გაანადგუროს.
ამის ერთ-ერთი მთავარი მიზეზი ხელოვნური ინტელექტის მოდელების სწავლებისთვის საჭირო მონაცემებია.
დიდი ენობრივი მოდელები, იგივე LLM-ები, უზარმაზარ ტექსტურ მასალაზე სწავლობენ. თუმცა ინტერნეტიდან მონაცემების მოპოვებამ AI-კომპანიებს ორი მნიშვნელოვანი პრობლემა შეუქმნა: საავტორო უფლებებთან დაკავშირებული სამართლებრივი რისკები და მონაცემების ხარისხი.
ინტერნეტში არსებული არალეგალური არქივების, ე.წ. „ჩრდილოვანი ბიბლიოთეკების“ გამოყენება კომპანიებს საავტორო უფლებების მფლობელებთან მრავალმილიონიანი დავების რისკის წინაშე აყენებს.
ფიზიკური წიგნის შემთხვევაში კი მდგომარეობა განსხვავებულია. კომპანია კანონიერად ყიდულობს კონკრეტულ ეგზემპლარს და შემდეგ მას საკუთარი მიზნებისთვის ამუშავებს. ამასთან, სასამართლოს რიგ გადაწყვეტილებებში ფიზიკურად შეძენილი წიგნის ციფრულ ფორმატში გადაყვანა და მისი შიდა AI-ტრენინგისთვის გამოყენება „ტრანსფორმაციულ“ კანონიერ საქმიანობად იქნა მიჩნეული.
კრიტიკოსების შეფასებით, სწორედ აქ ჩნდება სამართლებრივი ხარვეზი. კერძოდ, მათი განცხადებით, კომპანიები ფიზიკური წიგნის კანონიერად შეძენას იყენებენ იმისთვის, რომ უზარმაზარი ციფრული მონაცემთა ბაზები შექმნან, ავტორებს კი ანაზღაურებას არ უხდიან.
AI-კომპანიებისთვის ფიზიკური წიგნების გამოყენების კიდევ ერთი მნიშვნელოვანი უპირატესობა ხარისხია. ამჟამად ინტერნეტში უკვე AI-ის მიერ გენერირებული დიდი რაოდენობით ტექსტია თავმოყრილი. და თუ ახალი მოდელები ძველი AI-მოდელების მიერ შექმნილ მასალაზე ისწავლიან, ამან შეიძლება მონაცემთა ხარისხის პრობლემა წარმოქმნას.
ძველი, ადამიანის მიერ დაწერილი და რედაქტირებული წიგნები კი უფრო სტრუქტურირებულ და თანმიმდევრულ ტექსტს გვთავაზობს. მათში გვხვდება რთული მსჯელობა, ნარატიული სტრუქტურა, არგუმენტაციის განვითარება და ენობრივი ფორმები, რომლებიც მოკლე ვებტექსტებში ან AI-ის მიერ გენერირებულ მასალაში შესაძლოა ნაკლებად იყოს.
ამიტომ კომპანიებისთვის განსაკუთრებით საინტერესოა 2022 წლამდე გამოცემული წიგნები, ვინაიდან მათში ხელოვნური ინტელექტის მიერ შექმნილი ტექსტის არსებობის ალბათობა გაცილებით დაბალია.
სკანირების სამიზნე იშვიათი წიგნებიცაა
თავდაპირველად ყურადღება, ძირითადად, თანამედროვე ბესტსელერების მასობრივ შესყიდვებს მიექცა. თუმცა ახალი ძიებები აჩვენებს, რომ მასშტაბი გაცილებით დიდია.
404 Media-მ იშვიათი წიგნების ერთ-ერთი გამყიდველისგან თითქმის 1 000 ფიზიკური წიგნის შეკვეთის შესახებ ინფორმაცია მიიღო. გამყიდველმა ჟურნალისტებს საშუალება მისცა, ერთ-ერთ წიგნში Apple AirTag-ი მოეთავსებინათ და მისი გადაადგილებისთვის ედევნებინათ თვალი.
წიგნმა, კალიფორნიიდან მილუოკისა და კოლორადო სპრინგსის გავლით, საბოლოოდ, Amazon-ის საკუთრებაში არსებულ საწყობამდე მიაღწია, რომლის კოდიც VGT3 იყო.
404 Media-ს ცნობით, შენობის შესასვლელთან ტირანოზავრი რექსია გამოსახული, რომელიც წიგნის შეჭმას ცდილობს. თანამშრომლები კი ამბობენ, რომ ხშირად მათი მთავარი მოვალეობა მთელი დღის განმავლობაში წიგნების სკანირებაა.
გამოძიებამ კიდევ ერთი მნიშვნელოვანი გარემოება გამოავლინა. კერძოდ, ტექნოლოგიური კომპანიები წიგნების სკანირებისთვის ინდუსტრიული მასშტაბის სპეციალიზებულ ობიექტებს იყენებენ.
404 Media-ს წყაროების მიხედვით, სხვადასხვა შეკვეთის მოცულობა 1 000-დან 1 მილიონამდე წიგნს აღწევს. მათ შორის კი არის ნიშური და გამოცემიდან ამოღებული არამხატვრული ლიტერატურაც.
ეს განსაკუთრებით საყურადღებოა იშვიათი და ანტიკვარული წიგნების შემთხვევაში. თუ წიგნი აღარ იბეჭდება და მისი ციფრული ასლიც არ არსებობს, ერთადერთი ფიზიკური ეგზემპლარის განადგურებამ შეიძლება წიგნის სამუდამოდ გაქრობის საფრთხე შექმნას.
არის თუ არა ეს კანონიერი?
აშშ-ის საავტორო უფლებების კანონში მოქმედი First-Sale Doctrine-ის პრინციპი, ზოგადად, მყიდველს საშუალებას აძლევს, კანონიერად შეძენილი ფიზიკური ასლი გადაყიდოს ან გაანადგუროს. შესაბამისად, თუ კომპანიამ წიგნი კანონიერად იყიდა, მისი ფიზიკური ეგზემპლარის განადგურება თავისთავად საავტორო უფლებების დარღვევას არ წარმოადგენს.
ამასთან, სასამართლოებში უკვე განიხილებოდა საკითხი, შეიძლება თუ არა კანონიერად შეძენილი ფიზიკური წიგნის ციფრულად გარდაქმნა და მისი შიდა AI-მოდელის სწავლებისთვის გამოყენება. რიგ შემთხვევებში ასეთი გამოყენება კანონიერად მიიჩნიეს.
კრიტიკოსები კი აცხადებენ, რომ AI-კომპანიებმა შესაძლოა საავტორო უფლებების სისტემაში არსებული ეს შესაძლებლობა ციფრული მონაცემების წარმოების იურიდიულ მექანიზმად აქციონ.
თუ ტექნოლოგიური კომპანიების მოთხოვნა მილიონობით წიგნამდე გაიზრდება, ბაზრიდან გაქრება არა მხოლოდ ძველი ბესტსელერები, არამედ ნიშური, იშვიათი და გამოცემიდან ამოღებული წიგნებიც. ამიტომ საკამათო მხოლოდ ის აღარ არის, შეუძლია თუ არა კომპანიას კანონიერად ნაყიდი წიგნის განადგურება. მთავარი კითხვა ისაა, რამდენად მისაღებია ისტორიული და კულტურული მემკვიდრეობის მასობრივი ფიზიკური ასლების განადგურება იმ მიზნით, რომ ხელოვნური ინტელექტის მომდევნო თაობის მოდელები უკეთესი გახდეს.
