Ведущие технологические компании, занимающиеся разработками в области искусственного интеллекта (ИИ), массово скупают у букинистов бумажные книги, чтобы обучать на них свои нейросети. Они сканируют миллионы книг таким образом, что после этого их можно только утилизировать. При этом юридические проблемы у ИИ-компаний возникают скорее в тех случаях, когда они скачивают книги с пиратских сайтов.
В июле американский суд, рассматривавший иск правообладателей к разработчику ИИ компании Anthropic, подтвердил решение суда низшей инстанции и счел, что корпорация использовала пиратские копии книг и тем самым нарушила закон. Ей придется заплатить по этому делу $1,5 млрд. Но общественность и СМИ заинтересовал не сам факт использования пиратских копий книг и компенсации, а опубликованные по этому делу 4 тыс. страниц документов. Из них следует, что ИИ-компании скупают бумажные книги для обучения своих моделей, а сами книги уничтожают.
Об этом написали такие издания, как 404 Media и The Washington Post (WP). А портал Decrypt сравнил такое обращение с книгами с сюжетом антиутопии «451 градуса по Фаренгейту» Рея Брэдбери, в которой книги сжигают.
Именно из документов, предоставленных суду, стало известно, что вот уже несколько лет в Anthropic существует проект «Панама», который компания предпочла скрыть от широкой публики.
«Проект «Панама» — это наша попытка отсканировать все книги в мире (способом, при котором физические книги разрушаются.— “Ъ”),— говорится в одном из документов Anthropic.— Мы не хотим, чтобы было известно, что мы работаем над этим».
Проект существует с 2024 года и предполагает масштабное сканирование бумажных книг для использования в обучении ИИ. По мнению руководства компании, ИИ-модели нужно учить на книгах, а не на «низкокачественном интернет-контенте», как заметил в свое время один из руководителей Anthropic.
Из документов следует, что Anthropic потратила десятки миллионов долларов на приобретение миллионов книг. Сканирование осуществляют специальные автоматы, которые для упрощения и ускорения процесса отделяли корешки книг и разделяли их на страницы, так что после этого книги утилизировали.
Подобными закупками занимаются многие корпорации. Как отмечает WP, документы «показывают, на что готовы такие технологические компании, как Anthropic, Google и OpenAI, чтобы получить колоссальные объемы данных, на которых они могут «обучать» свои модели».
Как пишет 404 Media, поставка книг ИИ-корпорациям уже почти стала самостоятельной индустрией.
В этой сфере работают несколько компаний, оптом закупающих книги для технологических гигантов. Одна из таких компаний, ISBNdb, заявляет о создании «крупнейшей в мире базы данных книг» и предлагает помощь в закупке партий до 1 млн книг.
404 Media цитирует представителей букинистической отрасли, которые отмечают, что новый тренд существенно меняет саму букинистическую отрасль. Так, продажи одного из магазинов выросли с примерно 20 книг в неделю до нескольких сотен. Это вызывает смешанные чувства у букинистов. Как отметил один из источников издания, такие закупки повышают продажи, но лично ему не нравится, что «редкие книги в итоге отправляются на переработку». При этом свидетельств, что таким образом сканируют и уничтожают действительно ценные антикварные книги, нет.
Иски, обвиняющие ИИ-компании в том, что они не могут без разрешения правообладателей «учить» нейросети на их книгах, проектам типа «Панамы» не мешают. Суды, как следует из их решений, не считают обучение моделей на книгах, которые были законно приобретены, нарушающим законы, даже если сами книги при этом приходят в негодность.
По мнению профессора цифрового права Корнелльского университета Джеймса Гриммельмана, решение Anthropic вместо скачивания пиратских копий закупать бумажные книги (даже если это приводит к их физическому уничтожению) было «разумным» и «более сдержанным подходом».