В 404 Media отследили партию редких книг, которая закончила жизнь на тренировочном полигоне ИИ Amazon

Amazon закупает тонны редких книг, срезает с них корешки и сканирует их для обучения ^[1] языковых моделей, выяснило ^[2] издание 404 Media. На одну из редких книг, попавших на склад VGT3 американского гиганта электронной коммерции, было установлено отслеживающее устройство — смарт‑метка Apple AirTag.

Известный как VGT3 объект ассоциируется ^[3] с символом тираннозавра, держащего книгу в когтях. 404 Media связалось с продавцом, который согласился установить AirTag в редкую книгу, входившую в оптовый заказ. Amazon сообщила 404 Media, что «закупает книги через коммерческие каналы для улучшения продуктов и услуг, которыми пользуются клиенты».

Amazon и другим компаниям в сфере искусственного интеллекта ^[4] требуется невероятно большое количество текстов для обучения своих языковых моделей. Под эти цели уже задействовали всю доступную в интернете информацию. Редкие книги, особенно снятые с печати и недоступные в сети, представляют собой новый источник ценных данных для обучения.

В настоящее время компании тщательно охраняют свои данные для обучения, чтобы не потерять конкурентное преимущество. Anthropic и xAI (SpaceXAI) публично заявляли, что не используют для обучения моделей редкие и антикварные книги. Однако летом прошлого года стало известно, что разработчик Claude выкупал и сканировал, а затем уничтожал миллионы физических книг для обучения своих ИИ‑моделей. Компания извлекала ^[5] страницы из переплётов печатных книг для сканирования и создания цифровых копий.

На форумах сотрудники VGT3 обсуждали, что в начале текущего года у Amazon закончились книги для сканирования, пишет 404 Media. Нехватка была настолько существенной, что сотрудники опасались закрытия склада. Однако объект по‑прежнему работает, продолжая сканировать и уничтожать крупные заказы книг.

Сотрудников VGT3 обучали работе с номерами ISBN, чтобы обеспечить максимальное количество уникальных произведений в обучающих наборах данных.