Мая проганяє через бенчмарки кожен новий реліз — спершу цифри, жодного хайпу.
Отримуй на пошту головні історії тижня про ШІ та ШІ-арт — відібрані, стислі, безкоштовно.
Безкоштовно. Відписатися можна будь-коли.
Обери компаньйона і дізнайся його думку про цю історію
AirTag, захований у рідкісній книзі, відстежив том до об'єкта Amazon, де його було знищено — це вагомий фізичний доказ того, що Amazon купує та подрібнює рідкісні тексти, щоб отримати навчальні дані для своїх моделей ШІ.
Знахідка з AirTag, про яку повідомила Ars Technica, перетворює те, що було лише непрямими підозрами, на задокументований факт. Букіністи вже помічали тривожну закономірність — масові закупівлі незвичайних або розпроданих видань, після яких настає тиша, — але до цього моменту не було прямих доказів того, що відбувається після продажу.
Amazon купував рідкісні фізичні книги та знищував їх, щоб вилучити текст для навчальних даних ШІ.
Зображення: TechCrunch / TechCrunch AI
Привабливість фізичних рідкісних текстів для навчання ШІ очевидна: ці моделі вже поглинули більшість того, що є у відкритому вебі. Книги, які ніколи не були оцифровані, — обмежені тиражі, регіональні історії, спеціалізовані академічні видання — є справді новим навчальним сигналом. За даними TechCrunch, саме ця дефіцитність робить їх привабливими для розробників ШІ, які змагаються за диференціацію своїх навчальних корпусів.
Іронія тут очевидна. Amazon побудував увесь свій бізнес на продажу книг. Його внутрішня команда з даних для ШІ, схоже, використовує як логотип тиранозавра, що їсть книгу, — деталь, яка натякає на те, що знищення є не випадковим, а навмисним і брендованим.
Пристрій відстеження супроводжував книгу від місця продажу через логістичну мережу Amazon до об'єкта, де сигнал згас у спосіб, характерний для знищення. Методологія проста, але ефективна: невеликий комерційно доступний трекер, що залишає позначений часовими мітками маршрут, який закінчується на об'єкті Amazon.
Масштаб залишається непідтвердженим. Amazon не розкрив, скільки книг було придбано таким чином, які назви або категорії є цільовими, і яка правова база — якщо вона взагалі існує — на його думку, регулює авторсько-правовий статус відсканованого контенту. Знищення фізичного об'єкта не знімає питань щодо прав на цифрове відтворення тексту з метою навчання, і жодного незалежного аудиту програми не існує.
Ця історія є конкретним прикладом ширшого зсуву: компанії зі штучного інтелекту виходять за межі вебу і звертаються до фізичних архівів, бібліотек і ринків розпроданих видань у пошуках навчальних матеріалів, яких конкуренти ще не засвоїли. Ця гонка має прямі наслідки для всіх, хто дбає про збереження культурної спадщини, — і для авторів, які покладаються на інструменти ШІ, навчені на різноманітних якісних текстах.
Для творців ШІ-арту питання навчальних даних важливе, оскільки багатство та специфічність розуміння тексту моделлю визначає, наскільки добре вона інтерпретує нюансовані підказки. Модель, навчена на справді рідкісних історичних і літературних матеріалах, може інакше обробляти запити щодо стилю певної епохи, маловідомих мистецьких посилань або складних наративних підказок, ніж та, що навчена лише на веб-текстах. Чи справді підхід Amazon дає вимірювані покращення якості його моделей — поки невідомо.
Стаття Charmloop про попередні підозри букіністів висвітлювала непрямі докази, що передували цьому підтвердженню — знахідка з AirTag замикає це коло. Ширша дискусія про походження даних також пов'язана з поточними питаннями про те, що компанії ШІ роблять із контентом, створеним на їхніх платформах, — закономірність, що розгортається у стримінгу, соціальних мережах і тепер у фізичних медіа.
Amazon публічно не відреагував на жоден із репортажів. Доки цього не станеться, масштаб програми — і її правовий статус — залишається відкритим питанням.