Companiile AI cumpără milioane de cărți vechi. Motivul are legătură cu cea mai mare problemă a inteligenței artificiale

Adaugă-ne ca sursă preferată

Urmărește-ne în Discover

Marile companii care dezvoltă inteligență artificială caută o resursă tot mai rară: texte scrise exclusiv de oameni. Potrivit publicației The Next Web, laboratoarele AI cumpără în masă cărți tipărite înainte de 2022 pentru a le transforma în date de antrenament, chiar dacă procesul presupune, de cele mai multe ori, distrugerea volumelor respective.

Companiile AI cumpără milioane de cărți vechi

În ultimii ani, internetul a fost inundat de conținut generat de inteligența artificială. Acest fenomen a creat o problemă neașteptată pentru dezvoltatorii noilor modele. Dacă acestea sunt antrenate pe texte produse de alte modele AI, calitatea rezultatelor poate începe să scadă.

Compania ISBNdb, care se prezintă drept cea mai mare bază de date dedicată cărților din lume, susține că soluția se află în biblioteci. Potrivit companiei, cele mai bune date pentru antrenarea inteligenței artificiale provin din cărțile tipărite înainte de 2022, deoarece acestea au fost scrise înainte ca modelele conversaționale să genereze conținut la scară largă.

Pe site-ul ISBNdb apare și argumentul principal de vânzare: „Cele mai bune date pentru antrenarea inteligenței artificiale se află pe un raft de bibliotecă”, iar cărțile sunt descrise ca fiind texte „dense, editate și avizate”.

Cercetătorii se tem de degradarea modelelor AI

Specialiștii vorbesc despre un fenomen cunoscut sub numele de „model collapse” sau „colapsul modelelor”. Acesta apare atunci când un sistem de inteligență artificială este antrenat folosind texte generate de alte sisteme similare. Cu fiecare generație, modelele pot pierde din acuratețe și calitate, deoarece ajung să învețe din informații sintetice, nu din lucrări originale create de oameni.

În schimb, cărțile tipărite înainte de 2022 oferă o garanție importantă. Acestea reprezintă texte autentice, redactate de autori umani și care nu pot fi modificate ulterior.

Autorii încearcă să împiedice folosirea operelor lor

Pe lângă problema conținutului generat de AI, dezvoltatorii se confruntă și cu o altă provocare. Tot mai mulți autori folosesc tehnici de „otrăvire a datelor” pentru a îngreuna utilizarea textelor lor în antrenarea modelelor de inteligență artificială. Aceste metode introduc caractere sau elemente invizibile pentru cititori, dar care pot induce în eroare algoritmii.

ISBNdb citează inclusiv cercetări realizate de Anthropic, potrivit cărora doar câteva sute de documente special concepute pot afecta un set uriaș de date folosit pentru antrenarea unui model AI. Din acest motiv, volumele publicate înainte de apariția acestor tehnici sunt considerate o sursă de informații mult mai sigură.

Milioane de cărți sunt distruse pentru a fi scanate

Există însă un aspect care stârnește numeroase controverse. Pentru ca volumele să fie digitalizate rapid, cotoarele cărților sunt tăiate, iar paginile sunt introduse în scanere industriale. Procesul este mai ieftin și mai rapid decât scanarea manuală, însă în majoritatea cazurilor cartea este distrusă definitiv.

Compania recunoaște că acest lucru poate genera reacții negative și promite clienților confidențialitate totală. Potrivit informațiilor prezentate pe site, fiecare colaborare este protejată prin acorduri stricte de confidențialitate, iar identitatea cumpărătorilor nu este făcută publică.

În paralel, disputa juridică privind drepturile de autor continuă în Statele Unite. Recent, un judecător american a decis că antrenarea modelelor AI pe cărți cumpărate și apoi scanate poate fi considerată utilizare echitabilă („fair use”), argumentând că exemplarul fizic este distrus în timpul procesului și este înlocuit de copia digitală.

Astfel, industria care și-a propus să digitalizeze cunoașterea umană ajunge acum să cumpere și să dezmembreze milioane de cărți pentru a obține ceea ce a devenit una dintre cele mai prețioase resurse din domeniul inteligenței artificiale – texte scrise exclusiv de oameni.

CITEȘTE ȘI: Te dor degetele după ce stai ore întregi pe telefon? Avertismentul medicilor cu privire la un sindrom tot mai răspândit

Marea, noua formă de terapie. Cum ne ajută marile întinderi de apă în lupta cu trauma, anxietatea și dependențele?