A mesterséges intelligencia (AI) fejlesztő cégek világszerte jelentős mennyiségű fizikai könyvet vásárolnak fel, melyeket aztán feldarabolnak és digitalizálnak. Ez a folyamat a nagy nyelvi modelljeik betanításához szükséges adatok megszerzését célozza. A jelenség, amelyet destruktív szkennelésnek neveznek, az AI-iparág egyre súlyosabb adatválságára ad választ.
A legnagyobb AI-fejlesztő vállalatok, köztük az Amazon és az Anthropic, aktívan gyűjtenek különböző típusú könyveket. Beszerzési célpontjaik között szerepelnek antikvár ritkaságok, könyvtári selejtek és egzotikus nyelven írt kiadványok is. Ezeket a köteteket fizikai formájukban dolgozzák fel, ami magában foglalja a feldarabolást, a beszkennelést, majd a digitális formátumú adatokká alakítást.
A cél a 2022 előtti, tiszta emberi tudás kinyerése, amelyet az AI-modellek betanításához a legértékesebb nyersanyagnak tekintenek. Ez a módszer azonban a könyvek tömeges megsemmisülésével jár, mivel a digitalizálás során azok eredeti formájukban elvesznek. A gyakorlat az utóbbi hónapokban került a figyelem középpontjába, felvetve számos kérdést.
Az AI-iparág jelenleg egy komoly adatválsággal küzd, ami arra ösztönzi a vállalatokat, hogy új és szokatlan forrásokat keressenek a betanítási adatok számára. A nagy nyelvi modellek hatékony működéséhez és fejlődéséhez hatalmas mennyiségű, minőségi szöveges adatra van szükség. Mivel a digitálisan elérhető, szabadon felhasználható adatok mennyisége korlátozottá válik, a fizikai könyvek jelentik az egyik legfőbb alternatívát.
A 2022 előtti időszakból származó tudás különösen értékesnek számít, mivel feltételezhetően kevésbé szennyezett az interneten terjedő, esetlegesen pontatlan vagy mesterségesen generált tartalommal. Ez a „tiszta emberi tudás” alapvető fontosságú az AI-modellek megbízható és árnyalt nyelvi képességeinek kialakításához. A könyvek felvásárlása és feldolgozása tehát egy stratégiai lépés az adatéhség kielégítésére.
A destruktív szkennelés gyakorlata számos komplex kérdést vet fel, amelyek túlmutatnak a technológiai innováción. Az egyik legfontosabb aggodalom a szerzői jogok megsértése, mivel a könyvek digitalizálása és felhasználása gyakran a szerzők vagy kiadók engedélye nélkül történik. Ez komoly jogi vitákhoz vezethet az AI-fejlesztők és a tartalomtulajdonosok között.
Emellett etikai dilemmák is felmerülnek a könyvek fizikai megsemmisítésével kapcsolatban. A kulturális örökség részét képező kötetek eltűnése, még ha digitális másolat is készül róluk, kérdéseket vet fel az eredeti tárgyak megőrzésének értékével kapcsolatban. A fizikai könyvek nem csupán információhordozók, hanem tárgyi emlékek is, amelyek történelmi és esztétikai értékkel bírnak.
A jelenség hosszú távú következményei még nem teljesen felmérhetők, de valószínűsíthetően jelentős hatással lesznek a könyvpiacra, a könyvtárakra és a kulturális intézményekre. A fizikai könyvek tömeges felvásárlása és megsemmisítése egy új kihívást jelent a kulturális örökség megőrzésében. A digitális másolatok megléte ellenére is felmerül a kérdés, hogy az eredeti művek elvesztése milyen űrt hagy maga után.
A mesterséges intelligencia fejlődése és az adatok iránti igénye továbbra is növekedni fog, ami valószínűleg fenntartja a könyvek iránti keresletet. Ez a helyzet sürgetővé teszi a szerzői jogi szabályozások felülvizsgálatát és az etikai irányelvek kidolgozását az AI-iparág számára. A technológiai fejlődés és a kulturális értékek megőrzése közötti egyensúly megtalálása kulcsfontosságú feladat lesz a jövőben.
📰 Forrás: Portfolio.hu — Eredeti cikk elolvasása