אמזון קונה ספרים נדירים, חותכת את שדרותיהם וסורקת אותם לאימון מודלים

תחקיר של 404 Media חשף שאמזון רוכשת כמויות גדולות של ספרים נדירים, מסירה את כריכותיהם ומעבירה אותם סריקה במתקן בלאס וגאס שמסומן בסמל של דינוזאור האוחז ספר בציפורניו. עיתונאי האתר שתלו מכשיר מעקב באחד הספרים ועקבו אחריו עד לכניסה למתקן המכונה VGT3.

המקור החדש לנתוני אימון

מודלי שפה גדולים (LLM) כבר בלעו את רוב הטקסט הזמין ברשת, ובמקרה של Anthropic גם ספרים פיראטיים שהושגו שלא כחוק. ספרים נדירים, במיוחד כאלה שיצאו מהדפסה או שאינם מופיעים ברשת, הפכו למקור מבוקש של נתונים חדשים. היתרון המרכזי: כל טקסט שפורסם לפני 2022 מובטח שלא נכתב בידי מודל שפה.

סכנת קריסת מודל

כשמודלים מתאמנים על טקסט שנוצר בידי מודלים אחרים, הם חשופים ל"קריסת מודל" (model collapse), תופעה שבה איכות הפלטים מידרדרת אחרי בליעה מרובה של תוכן סינתטי. ספרים מלפני עידן הבינה המלאכותית מספקים לכן שכבת הגנה: הם "נקיים" מטביעות אצבע של מודלים קודמים ומשמרים מגוון לשוני שקשה לשחזר.

תגובת אמזון וההקשר הרחב

בתגובה לפניית 404 Media מסרה אמזון שהיא "רוכשת ספרים דרך ערוצים מסחריים כדי לשפר את המוצרים והשירותים שלקוחות משתמשים בהם". החברה לא התייחסה ספציפית להשמדת הכריכות, לערך המיוחס לספרים נדירים, או לשאלה אם הסריקה כוללת יצירות שעדיין מוגנות בזכויות יוצרים. המתקן בלאס וגאס פועל הרחק מעין הציבור, וסמל הדינוזאור עם הספר הפך לסימן היכר לא רשמי של הפעילות הזו.