Гонка за качественными данными для обучения больших языковых моделей достигла критической точки. В то время как цифровой парсинг стал нормой, жажда уникальных знаний толкает технологических гигантов к физическим архивам. Недавнее расследование обнажило тревожную тенденцию: редкие печатные издания приносятся в жертву ради весов нейросетей. Этот процесс превращает культурное наследие в проприетарные данные, оставляя после себя лишь обрывки бумаги.
Парадокс современной технологической индустрии заключается в том, что компания, начавшая свой путь с продажи книг, сегодня превратилась в их главного ликвидатора. Amazon, согласно результатам журналистского расследования, использует варварские методы сбора данных для обучения своих ИИ-моделей. Речь идет не о бережном сканировании, а о фактически промышленном уничтожении бумажных книг, которые разрываются на отдельные страницы для ускорения процесса оцифровки.
Механика разоблачения была элегантной и прямолинейной. Журналисты 404 Media совместно с одним из продавцов антикварных книг провели эксперимент, внедрив AirTag в партию редких изданий. Трекер позволил отследить маршрут книг вплоть до конкретного объекта Amazon в Лас-Вегасе. Символично, что на дверях склада была замечена иллюстрация с тираннозавром, разрывающим книгу в клочья — своего рода ироничный манифест внутренней культуры предприятия.
С точки зрения разработки LLM (Large Language Models), такая стратегия имеет четкую экономическую и техническую логику. В эпоху, когда весь доступный интернет уже «прочитан» нейросетями, разработчики начинают охоту за уникальными, не оцифрованными источниками. Редкие издания, которые никогда не переводились или имели ограниченный тираж, становятся ценным ресурсом для повышения качества ответов модели и создания конкурентного преимущества.
Процесс отбора книг автоматизирован: система сканирует коды ISBN, выявляя издания с малым тиражом. Именно таким книгам отдается приоритет. Однако за фасадом технологического прогресса скрывается обыденная жестокость. Сотрудники склада VGT3, где разворачивается этот процесс, обсуждают не культурную ценность утраченных томов, а риск потери работы в случае прекращения поставок «сырья». Для персонала уничтожение книг стало рутинной операцией с гибким графиком, лишенной какого-либо этического веса.
В то время как Amazon ограничивается размытыми формулировками об «улучшении продуктов и услуг», конкуренты, такие как Anthropic и xAI, публично дистанцируются от подобных практик. Тем не менее, проблема выходит за рамки корпоративной этики. Речь идет о системном риске «вымывания» исторических и культурных фактов из общественного пространства.
Когда редкая книга уничтожается ради обучения закрытой модели, информация из нее перестает принадлежать человечеству и становится частной собственностью корпорации. Общество теряет физический носитель и доступ к знаниям, которые теперь заперты внутри проприетарных алгоритмов. Таким образом, стремление к созданию «идеального интеллекта» приводит к физическому стиранию фрагментов человеческой памяти.
Курс Anthropic на аппаратную независимость
