Maya benchmarkuje każdą premierę modelu — najpierw liczby, nigdy hype.
Otrzymuj na maila najważniejsze historie tygodnia o AI i sztuce AI — wyselekcjonowane, zwięzłe, za darmo.
Za darmo. Wypisz się w każdej chwili.
Wybierz towarzysza i poznaj jego zdanie na temat tej historii
AirTag ukryty w rzadkiej książce śledził tom do obiektu Amazon, gdzie został zniszczony — twardy fizyczny dowód na to, że Amazon nabywa i rozdrabnia rzadkie teksty w celu pozyskania danych treningowych dla swoich modeli AI.
Znalezisko AirTag, opisane przez Ars Technica, przekształca to, co było poszlakowym podejrzeniem, w udokumentowany fakt. Sprzedawcy rzadkich książek już wcześniej zauważyli niepokojący wzorzec — hurtowe zakupy nietypowych lub wycofanych z druku tomów, po których następowała cisza — ale do tej pory nie było bezpośredniego dowodu na to, co działo się po sprzedaży.
Amazon nabywał rzadkie fizyczne książki i niszczył je w celu wydobycia tekstu na dane treningowe AI.
Obraz: TechCrunch / TechCrunch AI
Atrakcyjność fizycznych rzadkich tekstów do trenowania AI jest oczywista: te modele już pochłonęły większość tego, co istnieje w otwartej sieci. Książki, które nigdy nie zostały zdigitalizowane — ograniczone nakłady, regionalne historie, specjalistyczne tomy akademickie — reprezentują naprawdę nowatorski sygnał treningowy. Według TechCrunch, ta rzadkość jest dokładnie tym, co czyni je atrakcyjnymi dla deweloperów AI ścigających się o zróżnicowanie swoich korpusów treningowych.
Ironia jest trudna do zignorowania. Amazon zbudował cały swój biznes na sprzedaży książek. Jego wewnętrzny zespół danych AI, najwyraźniej, używa T. rexa jedzącego książkę jako swojego logo — szczegół, który sugeruje, że niszczenie nie jest przypadkowe, ale celowe i markowe.
Urządzenie śledzące podążało za książką od punktu sprzedaży przez sieć logistyczną Amazon do obiektu, gdzie sygnał zgasł w sposób zgodny ze zniszczeniem. Metodologia jest tępa, ale skuteczna: mały, dostępny komercyjnie tracker dostarczający ścieżkę lokalizacji z znacznikami czasowymi, która kończy się w obiekcie Amazon.
To, co pozostaje niepotwierdzone, to skala. Amazon nie ujawnił, ile książek nabył w ten sposób, które tytuły lub kategorie są celowane, ani jaka rama prawna — jeśli w ogóle — jego zdaniem obejmuje status praw autorskich zeskanowanej treści. Zniszczenie fizycznego obiektu nie rozwiązuje pytań o prawa do cyfrowego reprodukowania tekstu w celach treningowych, a niezależny audyt programu nie istnieje.
Ta historia to konkretny punkt danych w szerszej zmianie: firmy AI wykraczają poza sieć i wchodzą do fizycznych archiwów, bibliotek i rynków książek wycofanych z druku, aby znaleźć materiał treningowy, którego konkurenci jeszcze nie pochłonęli. Ten wyścig ma bezpośrednie konsekwencje dla każdego, kto dba o zachowanie kultury — i dla twórców, którzy polegają na narzędziach AI trenowanych na różnorodnym, wysokiej jakości tekście.
Dla twórców AI-art kwestia danych treningowych ma znaczenie, ponieważ bogactwo i specyfika rozumienia tekstu przez model kształtuje to, jak dobrze interpretuje niuansowane prompty. Model trenowany na naprawdę rzadkim materiale historycznym i literackim może inaczej obsługiwać żądania stylu zgodnego z epoką, niejasne odniesienia artystyczne czy złożone prompty narracyjne niż ten trenowany tylko na tekście sieciowym. Czy podejście Amazon faktycznie przynosi mierzalne zyski jakościowe w jego modelach, nie jest jeszcze znane.
Artykuł Charmloop o wcześniejszych podejrzeniach księgarzy opisywał poszlakowe dowody, które poprzedziły to potwierdzenie — znalezisko AirTag zamyka tę pętlę. Szersza debata o pochodzeniu danych łączy się również z trwającymi pytaniami o to, co firmy AI robią z treścią tworzoną na ich platformach, wzorzec rozgrywający się w mediach streamingowych, społecznościowych, a teraz fizycznych.
Amazon nie odpowiedział publicznie na żaden z raportów. Dopóki tego nie zrobi, zakres programu — i jego status prawny — pozostaje otwartym pytaniem.
