أمازون تقوم بتدمير آلاف الكتب لتدريب نماذج الذكاء الاصطناعي الخاصة بها

تشتري أمازون آلاف الكتب النادرة لمسحها ضوئيًا وتدريب ذكائها الاصطناعي. وكشف تحقيق أن عملاق التكنولوجيا يستخدم تقنية سبق أن استخدمتها شركة أنثروبيك، وتتضمن مسح الكتب صفحةً صفحةً لتغذية نماذجها اللغوية. تكمن المشكلة في أن أمازون تُتلف الكتب خلال هذه العملية، بعضها ذو قيمة تاريخية.

قام فريق تحقيق من 404 ميديا ​​بوضع جهاز تتبع إلكتروني (AirTag) داخل شحنة من الكتب العتيقة المباعة عبر منصة Biblio، المتخصصة في الكتب النادرة أو نفدت طبعاتها. ووفقًا لبيانات التتبع، سافرت الشحنة جوًا وبرًا لأسابيع قبل وصولها إلى مستودع أمازون في لاس فيغاس. لم يكن للكتب وجهة أخرى، إذ كانت الشركة قد خططت مسبقًا لما ستفعله بها.

وبحسب التقرير، تعمل وحدة تحمل اسم VGT3 داخل ذلك المستودع. وأوضح موظفو هذه الوحدة أن مهمتهم تتضمن استلام الكتب، وقطع أغلفةها، ومسح محتواها ضوئيًا صفحةً صفحة. يُقطع الغلاف لتسريع عملية الرقمنة، لكن هذه العملية تُتلف النسخة الأصلية.

يُضاف كل هذا المحتوى إلى مجموعة البيانات المستخدمة لتدريب عائلة نماذج نوفا التابعة للشركة. ولأن نماذج اللغة الضخمة قد استنفدت بالفعل جزءًا كبيرًا من النصوص المتاحة على الإنترنت، تبحث أمازون عن مصادر جديدة بمعلومات حديثة. وتركز الشركة على الكتب المطبوعة قبل عام 2022 ، والتي تخلو من المحتوى المُولّد بواسطة الذكاء الاصطناعي.

بحسب التحقيق، تُركّز الشركة على دور نشر مُحدّدة وكتب نفدت طبعاتها. خلال العام الماضي، لاحظ البائعون ارتفاعًا غير مسبوق في مبيعات الكتب المُستعملة، لا سيما من قِبل مُشترين يشترونها بكميات كبيرة دون الاستفسار عن السعر أو حالة الكتاب.

لا تُرقمن أمازون إلا الكتب التي تحمل رقم ISBN، وهو مُعرّف فريد يُستخدم لتتبّع العناوين التي تمّ مسحها ضوئيًا. ويبدو أن الشركة تُجري مسحًا مُمنهجًا لفهرسها العالمي للكتب التي تحمل هذا الرقم، مُستبعدةً النسخ القديمة جدًا، والطبعات النادرة، أو الأعمال المنشورة ذاتيًا التي لا تحمل هذا المُعرّف.

السبب وراء قيام أمازون بذلك هو حرصها على عدم "تلويث" نماذجها بمحتوى مُولّد بواسطة الذكاء الاصطناعي. باختيارها لهذه الكتب، تضمن أمازون أن مؤلفيها لم يستخدموا برنامج ChatGPT لكتابتها، وهو أمر شائع في العديد من الكتب المنشورة بعد عام 2022 . استخدام نصوص مُنتجة بواسطة ذكاء اصطناعي آخر أثناء التدريب قد يُسبب ظاهرة تُعرف باسم "انهيار النموذج"، حيث تتدهور استجابات الذكاء الاصطناعي تدريجيًا.

من التفاصيل الأخرى المثيرة للجدل إتلاف هذه الكتب. هذه الممارسة ليست حكرًا على أمازون، فقد فعلتها شركة أنثروبيك لتدريب نماذجها. برزت هذه القضية خلال دعوى قضائية رفعها مؤلفون ضد شركة الذكاء الاصطناعي، حيث كشفت أن الشركة اشترت كتبًا ورقية، وقطعت أغلفةها، وحوّلتها إلى صيغة رقمية لتدريب برنامج كلود.

حكم قاضٍ أمريكي بأن مسح الكتب المشتراة وإتلافها لغرض تدريب الذكاء الاصطناعي يُمكن اعتباره "استخدامًا عادلًا". فبإتلاف النسخة الورقية، لا تُنشئ أنثروبيك نسخًا إضافية، لذا لا يُعتبر ذلك انتهاكًا مباشرًا لحقوق النشر.

بعد أن أصبح التحقيق علنيًا، اعترفت أمازون بممارستها هذه. وقال متحدث باسمها إن عملاق التكنولوجيا يشتري الكتب عبر القنوات التجارية "لتحسين المنتجات والخدمات التي يقدمها لمستخدميه". لم تُفصح الشركة عن عدد مرات قيامها بذلك أو سبب إتلافها للكتب، مع أن الهدف واضح.