Гонка за високоякісними даними для навчання великих мовних моделей досягла критичної точки. Поки цифровий парсинг став стандартною практикою, спрага за унікальними знаннями штовхає технологічних гігантів до фізичних архівів. Недавнє розслідування викрило тривожну тенденцію: рідкісні друковані видання приносяться в жертву заради ваг нейромереж. Цей процес перетворює культурну спадщину на пропрієтарні дані, залишаючи після себе лише обривки паперу.
Парадокс сучасної технологічної індустрії полягає в тому, що компанія, яка розпочала свій шлях із продажу книг, сьогодні перетворилася на їхнього головного ліквідатора. Amazon, згідно з результатами журналістського розслідування, застосовує варварські методи збору даних для навчання своїх ШІ-моделей. Йдеться не про дбайливе сканування, а про фактично промислове знищення паперових книг, які розривають на окремі сторінки задля прискорення процесу оцифрування.
Механіка викриття була елегантною та прямолінійною. Журналісти 404 Media спільно з одним із продавців антикварних книг провели експеримент, заховавши AirTag у партію рідкісних видань. Трекер дозволив відстежити маршрут книг аж до конкретного об'єкта Amazon у Лас-Вегасі. Символічно, що на дверях складу помітили ілюстрацію з тиранозавром, який розриває книгу на шматки — свого роду іронічний маніфест внутрішньої культури підприємства.
З точки зору розробки LLM (Large Language Models), така стратегія має чітку економічну та технічну логіку. В епоху, коли весь доступний інтернет уже «прочитаний» нейромережами, розробники починають полювання на унікальні, неоцифровані джерела. Рідкісні видання, які ніколи не перекладалися або мали обмежений тираж, стають цінним ресурсом для підвищення якості відповідей моделі та створення конкурентної переваги.
Процес відбору книг автоматизований: система сканує коди ISBN, виявляючи видання з малим тиражем. Саме таким книгам надається пріоритет. Однак за фасадом технологічного прогресу ховається буденна жорстокість. Співробітники складу VGT3, де розгортається цей процес, обговорюють не культурну цінність втрачених томів, а ризик втрати роботи у разі припинення постачання «сировини». Для персоналу знищення книг стало рутинною операцією з гнучким графіком, позбавленою будь-якої етичної ваги.
У той час як Amazon обмежується розмитими формулюваннями про «покращення продуктів і послуг», конкуренти, такі як Anthropic та xAI, публічно дистанціюються від подібних практик. Проте проблема виходить за межі корпоративної етики. Йдеться про системний ризик «вимивання» історичних і культурних фактів із суспільного простору.
Коли рідкісна книга знищується заради навчання закритої моделі, інформація з неї перестає належати людству і стає приватною власністю корпорації. Суспільство втрачає фізичний носій і доступ до знань, які тепер замкнені всередині пропрієтарних алгоритмів. Таким чином, прагнення до створення «ідеального інтелекту» призводить до фізичного стирання фрагментів людської пам'яті.
Курс Anthropic на апаратну незалежність
