„Amazon“ iepērk vecas grāmatas un daļu no tām sagriež: kāpēc mākslīgajam intelektam pēkšņi vajadzīgi teksti no laikiem pirms MI buma

Lietotu grāmatu pārdevēji sāka pamanīt kaut ko dīvainu: kāds vienlaikus pasūta simtiem vai pat tūkstošiem ļoti atšķirīgu grāmatu, pārāk nekaulējas par cenu un, šķiet, nemaz nerūpējas par to, vai izdevums ir rets, vecs, skaisti iesiets vai tam ir kolekcionāra vērtība. Žurnālistu izmeklēšana aizveda līdz „Amazon“ objektam Lasvegasā, kur, kā tiek apgalvots, daļa šo grāmatu tiek sagrieztas, ieskenētas un pārvērstas digitālos datos.

Iemesls izklausās paradoksāli: jo vairāk internetā parādās mākslīgā intelekta radītu tekstu, jo vērtīgākas var kļūt grāmatas, kas izdotas laikā, kad ģeneratīvo MI gandrīz neviens neizmantoja. Vecs papīra izdevums šādā gadījumā kļūst par sava veida garantu, ka tajā esošo tekstu ir uzrakstījis cilvēks.

Tieši tāpēc līdz 2022. gadam izdotās grāmatas tehnoloģiju uzņēmumiem var būt īpaši pievilcīgas. Tās ir milzīgs cilvēka rakstītas valodas arhīvs, kuru vēl nav paspējis pārpludināt mākslīgā intelekta ģenerēts saturs.

Viss sākās ar dīvainiem pasūtījumiem grāmatnīcās

Par neparasto situāciju sāka runāt pēc tam, kad lietotu grāmatu pārdevēji pamanīja strauju lielu pasūtījumu pieaugumu. Parasti cilvēks meklē konkrētu autoru, izdevumu, tēmu vai kolekciju. Šajā gadījumā pasūtījumu raksturs bija citāds: tika pirkts daudz, grāmatas bija ļoti dažādas, bet cena, šķiet, nebija galvenais kritērijs.

Tikai jūlijā viens pārdevējs, izmantojot lietotu grāmatu tirdzniecības platformu, saņēma aptuveni 1000 grāmatu pasūtījumu. Tas vairs neizskatījās pēc parasta lasītāja vai kolekcionāra pirkuma.

Žurnālisti nolēma pārbaudīt, kur šādas grāmatas nonāk. Pārdevējs piekrita vienā sūtījumā ievietot izsekošanas ierīci. Grāmata sāka ceļojumu pa ASV un galu galā nonāca „Amazon“ objektā Lasvegasā.

Sākumā šāds maršruts radīja vairāk jautājumu nekā atbilžu. Kāpēc vecam vai retam izdevumam būtu jādodas uz vietu, kas saistīta ar tehnoloģiju milzi?

Atbilde sāka iezīmēties no internetā publicētajiem darbinieku stāstiem.

Grāmatai nogriež muguriņu – pēc tam to var skenēt daudz ātrāk

Izmeklēšanā minēta „Amazon“ nodaļa ar kodu VGT3. Internetā cilvēki, kuri sevi uzdod par tur strādājošiem darbiniekiem, darba raksturu aprakstīja visai vienkārši: grāmatas tiek pieņemtas, reģistrētas, grieztas un skenētas.

Viens no darbiniekiem rakstīja, ka objektā grāmatas vienkārši tiek skenētas, bet daļa cilvēku nodarbojas ar to griešanu.

Kāpēc vispār grāmata ir jābojā?

Atbilde ir ļoti praktiska. Ja grāmatai tiek noņemta muguriņa un visas lapas kļūst atsevišķas, tās var daudz ātrāk izlaist caur automātiskajiem skeneriem. Nav nepieciešams uzmanīgi pāršķirt katru lapu, piespiest atvērto grāmatu vai saudzēt iesējumu.

No tehnoloģiskā viedokļa tas ir efektīvi. No grāmatas viedokļa rezultāts ir daudz bēdīgāks – pēc šāda procesa izdevums faktiski tiek iznīcināts kā grāmata.

Darbinieku stāstos minēta arī noteikta darba secība. Vispirms tiek ieskenēts svītrkods vai ISBN numurs, pēc kura var precīzi noteikt izdevumu, un pēc tam tiek digitalizēts tā saturs.

Tas ļauj domāt, ka process nav nejauša papīra skenēšana. Katru tekstu var sasaistīt ar konkrētu grāmatu, tās izdevumu un bibliogrāfiskajiem datiem.

Kāpēc vecās grāmatas mākslīgajam intelektam tagad ir tik vērtīgas

Te sākas interesantākā stāsta daļa.

Pirmajos ģeneratīvā mākslīgā intelekta attīstības gados internets bija milzīgs tekstu avots. Tīmekļa vietnes, forumi, enciklopēdijas, raksti, grāmatas un citi publiski pieejami materiāli kļuva ārkārtīgi vērtīgi valodas modeļu izveidē.

Taču internets ļoti strauji mainās. Tajā pieaug to tekstu skaits, kurus nav uzrakstījis cilvēks, bet gan cits mākslīgā intelekta modelis.

Rodas problēma: ja jauno mākslīgo intelektu arvien vairāk mācīsim no vecā mākslīgā intelekta radītiem materiāliem, modeļi sāks mācīties no savām pašu kopijām.

Šī parādība bieži tiek saistīta ar tā dēvēto modeļa degradācijas jeb „modeļa sabrukuma“ problēmu. Vienkāršoti sakot, kad sistēmas arvien vairāk tiek mācītas no sintētiskas, citu modeļu ģenerētas informācijas, var sākt samazināties datu daudzveidība, rasties vairāk atkārtojumu un izkropļojumu.

Tāpēc teksts, par kuru ir droši zināms, ka to ir uzrakstījis cilvēks, kļūst arvien vērtīgāks.

Un šeit vecajām grāmatām ir milzīga priekšrocība. Ja romāns, mācību grāmata, atmiņas vai zinātniska grāmata izdota 1985., 1997. vai 2010. gadā, nav jautājuma par to, vai lielāko daļu teksta ir uzrakstījis ģeneratīvais MI.

Šādi izdevumi kļūst par sava veida laika kapsulu – cilvēka valodas, domu un stila arhīvu no perioda pirms pašreizējā mākslīgā intelekta buma.

Vēl vērtīgākas ir grāmatas, kuru internetā vispār nav

Ievērojama daļa populāro grāmatu jau sen ir digitalizētas. Tās var atrast elektroniskajās bibliotēkās, izdevēju datubāzēs vai citās digitālajās platformās.

Tomēr miljoniem senāku izdevumu joprojām pastāv tikai papīra formātā.

Tās var būt nelielā tirāžā izdotas grāmatas, reģionālie izdevumi, vecas tehniskās instrukcijas, zinātniskas monogrāfijas, vietējās vēstures izdevumi vai teksti mazāk izplatītās valodās.

MI izstrādātājam šāda grāmata var būt vērtīgāka par kārtējo internetā miljoniem reižu pārpublicēto tekstu, jo tajā ir informācija un valodas piemēri, kuru digitālajā vidē gandrīz nav.

Tāpēc žurnālisti, kuri veica izmeklēšanu, pievērsa uzmanību tam, ka starp pirktajiem izdevumiem ir ne tikai masu literatūra. Interese ir arī par grāmatām, kas izdotas nelielā tirāžā vai sarakstītas retākās valodās.

Tieši šeit stāsts kļūst daudz neērtāks.

Grāmatu pārdevējam rets izdevums var būt vēsturisks priekšmets. Tam var būt vērtība tā vecuma, tirāžas, autora, iesējuma, īpašnieku vēstures dēļ vai pat tāpēc, ka saglabājies ļoti maz citu eksemplāru.

Uzņēmumam, kas vāc datus, svarīgākais var būt pavisam kas cits – kas rakstīts tā lappusēs.

Kad teksts ir ieskenēts, fiziskais priekšmets savu galveno funkciju tehnoloģiskās sistēmas labā jau ir izpildījis.

Vieniem tie ir dati, citiem – neatjaunojams priekšmets

Šeit saskaras divi pilnīgi atšķirīgi skatījumi.

Tehnoloģiju uzņēmumam veca grāmata var būt vairāki simti lappušu kvalitatīva cilvēka radīta teksta. Jo retāk teksts sastopams internetā, jo potenciāli interesantāks tas ir.

Kolekcionāram, bibliotekāram vai grāmatu pārdevējam tas pats izdevums var būt kultūras objekts, ko nav iespējams atjaunot tikai ar PDF failu.

Pēc 1970. gadā nelielā tirāžā izdotas grāmatas ieskenēšanas tās teksts var tikt saglabāts digitālā formātā, tomēr oriģinālais eksemplārs ar savu papīru, iesējumu, drukas īpatnībām un vēsturi var tikt zaudēts uz visiem laikiem.

Izmeklēšanas autori neatklāja konkrētu reto izdevumu nosaukumus, taču aptaujātie pārdevēji tieši to uzsvēra – šādu grāmatu naudas vērtība nav vienīgais, kas tām piemīt.

Dažām no tām ir vēsturiska, intelektuāla vai pat sentimentāla nozīme.

Līdzīga metode jau bija nonākusi tiesā

Grāmatu pirkšana un to iznīcināšana digitalizācijas laikā nav gluži jauna tēma MI nozarē.

Līdzīgs process jau tika minēts tiesas lietā, kas saistīta ar mākslīgā intelekta uzņēmumu „Anthropic“. Tajā tika izskatīta fizisku grāmatu iegāde lielā apjomā, skenēšana un izmantošana modeļu apmācībai.

Šajā stāstā viena detaļa bija īpaši svarīga: uzņēmums fiziskos grāmatu eksemplārus likumīgi iegādājās, ieskenēja, bet pēc tam oriģinālus iznīcināja, nevis veidoja papildu fiziskās kopijas.

Tiesās šādi apstākļi kļuva par daļu no plašākas diskusijas par to, kad darbu digitalizēšanu un izmantošanu mākslīgā intelekta apmācībai var uzskatīt par likumīgu.

Tas vienlaikus parāda, kāpēc tehnoloģiju uzņēmumiem var būt pievilcīga tieši fizisku eksemplāru iegāde. Iegādāta papīra grāmata sniedz ne tikai tekstu – tā var kļūt arī par svarīgu juridiskās stratēģijas daļu.

Tomēr autortiesību jautājums MI jomā joprojām ir viens no sarežģītākajiem un visvairāk apstrīdētajiem, tāpēc vienas lietas nolēmumu nevar automātiski piemērot katrai citai situācijai.

„Amazon“ apstiprināja, ka pērk grāmatas, bet uz visiem jautājumiem neatbildēja

Pati „Amazon“ žurnālistiem apstiprināja, ka patiešām pērk grāmatas.

Uzņēmums norādīja, ka tās tiek iegādātas, izmantojot parastos komerciālos kanālus, un izmantotas to produktu un pakalpojumu izveidei un pilnveidošanai, kurus lieto klienti.

Tomēr tas neatbildēja uz svarīgākajiem izmeklēšanā izvirzītajiem jautājumiem.

Uzņēmums detalizēti nepaskaidroja, kāpēc skenēšanas laikā grāmatas tiek sagrieztas, kāds ir šīs darbības apjoms, cik līdzīgu objektu darbojas un kas ar fiziskajiem izdevumiem notiek pēc skenēšanas. Tāpat palika neatbildēti jautājumi par to, kā uzņēmums vērtē kritiku saistībā ar potenciāli reto grāmatu iznīcināšanu.

Tāpēc šobrīd var diezgan skaidri pateikt tikai to: „Amazon“ pērk grāmatas savu produktu un pakalpojumu izveidei un pilnveidošanai, bet žurnālistu izmeklēšana liecina, ka vismaz daļa izdevumu nonāk skenēšanas infrastruktūrā, kur fiziskā grāmata var tikt izjaukta, lai tās saturu varētu pēc iespējas ātrāk digitalizēt.

Dīvains paradokss: jo vairāk mums ir MI, jo vērtīgākas kļūst vecās cilvēku rakstītās grāmatas

Pirms dažiem gadiem varēja šķist, ka veco papīra grāmatu vērtība tehnoloģiju pasaulē tikai samazināsies. Viss tiek pārcelts uz internetu, bibliotēkas tiek digitalizētas, bet informāciju arvien biežāk lasām ekrānos.

Tagad notiek gandrīz pretējs process.

Tieši tāpēc, ka internetā strauji pieaug mākslīgā intelekta radītā satura daudzums, teksti no perioda pirms ģeneratīvā MI buma var kļūt arvien vērtīgāki.

Veca grāmata pēkšņi ir ne tikai grāmata. Tā ir apstiprināts cilvēka valodas piemērs. Atsevišķos gadījumos – teksts, kura digitāla versija nekur citur vispār nav pieejama.

Un te slēpjas šī stāsta lielākais paradokss: tehnoloģija, kas sola mainīt to, kā mēs rakstām un meklējam informāciju, tagad var būt spiesta pievērsties miljoniem vecu, putekļainu papīra lappušu, lai iemācītos vienu lietu, kuru internetā kļūst arvien grūtāk atrast, – tekstu, par kuru var nešaubīties, ka to patiešām ir uzrakstījis cilvēks.

Avots: https://www.404media.co/we-tracked-a-shipment-of-rare-books-it-ended-at-an-amazon-ai-training-facility/