В середине апреля издание 404 Media опубликовало расследование о том, что компании, занимающиеся разработкой систем искусственного интеллекта, начали массово скупать печатные книги. Цель — сканировать их и использовать полученные тексты в качестве тренировочных данных для языковых моделей. Репортаж быстро разошелся по соцсетям, особенно в X, однако, как отмечает автор материала Эмануэль Майберг, вирусный пост, собравший основное внимание, исказил суть статьи и не содержал ссылки на первоисточник. Это привело к путанице и лишило издание части трафика.
Сама практика не нова: крупные ИИ-лаборатории уже давно используют книги для обучения моделей, но обычно речь шла о цифровых копиях или открытых архивах. Покупка физических экземпляров — шаг, который выглядит необычно на фоне цифровизации. По данным 404 Media, спрос на печатные книги со стороны ИИ-компаний уже заметен на рынке букинистических изданий: продавцы редких книг фиксируют рост заказов от анонимных покупателей, предположительно связанных с технологическими фирмами. Причины такого подхода могут быть разными: от необходимости получить уникальные издания, которые не оцифрованы, до стремления обойти ограничения авторского права, которые действуют для электронных копий.
Для читателя, который впервые слышит об этой теме, важно понимать: языковые модели обучаются на огромных массивах текста, и книги — один из ключевых источников. Однако доступ к современным книгам часто ограничен лицензиями, поэтому компании ищут обходные пути. Покупка физической книги и ее сканирование — юридически серая зона: формально это не нарушает закон, если книга куплена легально, но использование текста для коммерческих целей может противоречить духу авторского права. Эта ситуация поднимает вопросы, которые уже обсуждаются в судах: например, иск Getty Images к Stability ИИ, где утверждается, что обучение на изображениях без разрешения нарушает права.
Материал 404 Media стал вирусным на X, но часто распространялся с искажениями и без ссылок на источник.
Пока неясно, насколько масштабна эта практика и какие именно компании участвуют. 404 Media не раскрывает названия фирм, но отмечает, что интерес к печатным книгам растет. Это может привести к дефициту редких изданий и росту цен на букинистическом рынке, что уже заметили продавцы. Кроме того, искажение информации в соцсетях, о котором пишет Майберг, показывает, как сложно донести до аудитории точные детали о технологических процессах, когда вирусные посты упрощают и драматизируют.
Для индустрии ИИ это очередной эпизод в череде споров о данных для обучения. Ранее были иски от авторов, чьи книги использовались без разрешения, и от новостных изданий. Покупка физических книг — попытка обойти эти претензии, но она вряд ли решит фундаментальную проблему: нужно ли спрашивать разрешение у авторов и издателей. Пока законодательство отстает от технологий, такие серые схемы будут появляться снова.
