Cięte, skanowane, na makulaturę: stare książki jako paliwo dla sztucznej inteligencji

Kiedy myślimy o danych, na których trenuje się sztuczna inteligencja, wyobrażamy sobie raczej zasoby internetu niż stosy papieru. Tymczasem praktyka opisana przez „The Guardian” pokazuje bardzo fizyczną stronę przemysłu AI: książki, które są skupowane hurtowo, rozcinane na strony, skanowane — a następnie niszczone.

Jak to się zaczęło

Sprawa wyszła na jaw za sprawą pozwu zbiorowego autorów książek przeciwko firmie Anthropic w Stanach Zjednoczonych. Z ujawnionych akt sądowych wynikało, że spółka stosowała tzw. niszczące skanowanie (destructive scanning): kupowała fizyczne egzemplarze, odcinała im grzbiety, by sprawniej przeskanować strony, a pozostałości kierowała do makulatury. Firma starała się początkowo utrzymać tę praktykę w tajemnicy. Sędzia uznał jednak, że jest ona zgodna z amerykańskim prawem autorskim jako „transformatywne wykorzystanie” dzieła.

Skoro najważniejszy gracz zrobił to legalnie, praktyka — jak wskazują doniesienia medialne — stała się szeroko rozpowszechniona wśród firm budujących generatywną AI. A skoro zapotrzebowanie jest ogromne, pojawiły się też podmioty pośredniczące, które za opłatą dostarczają surowiec: używane książki w nieznanych ilościach.

Nietypowe zamówienia z Kanady

Australijscy antykwariusze i księgarze drugiego obiegu podejrzewają, że sami wpadli w ten łańcuch dostaw. Kilku sprzedawców z Wiktorii potwierdziło „Guardianowi Australia”, że otrzymało fale zamówień od kanadyjskiej firmy Zoom Books, przedstawiającej się jako recycler książek. Zamówienia przychodziły głównie przez wielkie giełdy ksiąg używanych — AbeBooks i Biblio.

Charakter tych zakupów odbiegał od wszystkiego, co księgarze znają z codziennej praktyki. Zamawiający nie targowali się o cenę i płacili z góry, a dobór tytułów wydawał się zupełnie losowy: podręcznik mechaniki gruntów z lat siedemdziesiątych obok książki o nowozelandzkich mistrzach kolarstwa z 2010 roku, antologii wczesnej poezji australijskiej z 1982 roku (wystawionej za dziewięć dolarów i leżącej na półce od dwudziestu lat) oraz lokalnej monografii jednego z przedmieść Melbourne. Wysyłki szły w kilku kartonach za granicę. Sprzedawcy specjalizujący się w drogocennych rarytasach takich ofert — na szczęście dla kolekcji — nie otrzymywali.

Zaprzeczenia i niewygody

Zoom Books zaprzecza, jakoby niszczyło książki. W oświadczeniu dla „Guardiana” jego przedstawiciel zapewniał, że firma „nabywa używane książki i odsprzedaje je w nienaruszonym stanie”, nie digitalizuje ich, a gdy egzemplarza nie da się ponownie sprzedać — poddaje go odpowiedzialnemu recyklingowi. Jednocześnie spółka odmówiła ujawnienia, komu odsprzedaje książki, powołując się na klauzule poufności. To właśnie ta luka sprawia, że księgarze nie mogą zweryfikować, czy ich egzemplarze nie kończą jako pocięte arkusze w pipeline treningowym.

Z kolei Anthropic oświadczył, że nigdy nie kupował od Zoom Books, pozyskuje książki z głównych rynków komercyjnych i że „żaden z naszych programów pozyskiwania danych nie kupuje i nie niszczy rzadkich ani antykwarycznych książek”. Sam fakt, że takie deklaracje stały się konieczne, mówi sporo o klimacie w branży.

Co naprawdę można stracić

Dla ludzi zawodowo związanych ze starymi książkami chodzi o coś więcej niż o prawo autorskie. Tim White, właściciel księgarni Books for Cooks w Melbourne, przyznaje w rozmowie z „Guardianem”, że masowe niszczenie popularnych wydań budzi inne emocje niż zniknięcie egzemplarza unikatowego — ten drugi scenariusz określa wprost jako przerażający. Nick Dawes z Grant’s Bookshop, który z żoną przechowuje około pół miliona tomów, mówi wprost: gdyby ktoś chciał kupić cały magazyn i go pociąć, byłby niezadowolony, ale gdyby miał mu wysłać jedyny znany egzemplarz jakiegoś tytułu — odmówiłby.

Ta granica dobrze oddaje istotę problemu. Cyfrowa kopia tekstu nie zastępuje fizycznego artefaktu: dedyków, adnotacji poprzednich właścicieli, oprawy, papieru, który sam stanowi źródło wiedzy o epoce. Egzemplarz, którego już nie ma, nie da się zeskanować drugi raz. A skoro orzeczenie sądu uznało cięcie książek za legalną formę wykorzystania transformacyjnego, jedyną barierą chroniącą rarytasy pozostaje czujność samych sprzedawców.

Warto pamiętać, że handel rzadkimi książkami zna niszczycielskie praktyki od dawna — niektórzy kupowali cenne wydania, by wyrwać z nich tablice z ilustracjami i sprzedać je osobno. Nowość polega na skali i anonimowości: algorytmiczne zapotrzebowanie na teksty potrafi zasysać całe strumienie ksiąg drugiego obiegu, a pośrednicy ukrywający listę klientów uniemożliwiają śledzenie, gdzie one trafiają. Ochrona dziedzictwa wymaga więc dziś czegoś więcej niż dobrych obyczajów w branży — potrzebuje jawności łańcucha dostaw, bo inaczej ostatni egzemplarz zniknie po cichu, gdzieś między kartonem a skanerem.