در رقابت نفسگیر شرکتهای هوش مصنوعی برای ساخت مدلهای قدرتمندتر، حالا یک قربانی تازه پیدا شده است: کتابهای چاپی.
همشهری آنلاین: گزارش تازه وبسایت 404 Media پرده از صنعتی برداشته که در آن میلیونها جلد کتاب، از رمانهای دستدوم گرفته تا آثار نایاب و چاپمنقضی، خریداری میشوند، شیرازهشان بریده میشود، صفحهبهصفحه اسکن میشوند و در نهایت راهی دستگاههای بازیافت میشوند. هدف از این کار، تولید دادههای آموزشی «پاک» برای مدلهای هوش مصنوعی است؛ دادههایی که برخلاف اینترنت امروز، هنوز با متنهای تولیدشده توسط خود هوش مصنوعی آلوده نشدهاند.
تا چند سال پیش، اینترنت منبع اصلی آموزش مدلهای زبانی بود. اما با انفجار محتوای تولیدشده توسط هوش مصنوعی، شرکتهای فعال در این حوزه با مشکلی تازه روبهرو شدهاند: اگر مدلهای جدید با متنهایی آموزش ببینند که خودِ هوش مصنوعی تولید کرده، کیفیت خروجی آنها بهتدریج افت میکند؛ پدیدهای که پژوهشگران آن را «آلودگی داده» یا حتی «فروپاشی مدل» مینامند. به همین دلیل، کتابهای منتشرشده پیش از سال ۲۰۲۲ به کالایی استراتژیک تبدیل شدهاند؛ آثاری که تقریباً با اطمینان میتوان گفت کاملاً حاصل قلم انسان هستند.
در مرکز این بازار، شرکتی به نام ISBNdb قرار دارد؛ شرکتی که خود را بزرگترین پایگاه اطلاعات کتاب جهان معرفی میکند اما اکنون خدمات تازهای هم ارائه میدهد: تأمین انبوه کتاب برای شرکتهای هوش مصنوعی. بر اساس گزارش 404 Media، این شرکت میتواند سفارشهایی از هزار تا یک میلیون جلد کتاب را تأمین کند، هویت خریداران را محرمانه نگه دارد و حتی قراردادهای عدم افشا (NDA) نیز در اختیار مشتریان قرار دهد. در یکی از مطالب تبلیغاتی این شرکت آمده است که «بهترین داده آموزشی جهان روی قفسه کتابخانهها قرار دارد.»
فرآیند موسوم به «اسکن مخرب» ساده اما بیبازگشت است. ابتدا شیرازه کتاب با دستگاه برش جدا میشود تا صفحات بهصورت مجزا وارد اسکنرهای صنعتی شوند. پس از پایان اسکن، دیگر چیزی از نسخه فیزیکی باقی نمیماند و بقایای کتاب بازیافت یا نابود میشود. در ظاهر، نسخه دیجیتال حفظ شده است؛ اما نسخه چاپی، با تمام ویژگیهای فیزیکی، حاشیهنویسیها، کیفیت کاغذ و ارزش تاریخیاش، برای همیشه از میان میرود.
بخش بحثبرانگیز ماجرا به کتابهای کمیاب مربوط میشود. برخی کتابفروشان به 404 Media گفتهاند سفارشهایی دریافت کردهاند که شامل آثاری با شمارگان بسیار محدود یا نسخههای تقریباً نایاب بوده است. اگر چنین نسخههایی وارد چرخه اسکن مخرب شوند، ممکن است آخرین نمونههای فیزیکی برخی آثار برای همیشه از بین بروند.
این روند پس از رأی مهم یک دادگاه فدرال آمریکا شتاب بیشتری گرفته است. قاضی پرونده مربوط به شرکت Anthropic اعلام کرد که خرید قانونی کتاب، اسکن آن و استفاده از نسخه دیجیتال برای آموزش هوش مصنوعی، در چارچوب «استفاده منصفانه» (Fair Use) قرار میگیرد؛ هرچند همان شرکت به دلیل استفاده قبلی از نسخههای دزدیشده کتابها، با پروندهای جداگانه روبهرو شد و غرامت سنگینی پرداخت.
شاید مهمترین پرسش این ماجرا حقوقی نباشد، بلکه فرهنگی باشد: آیا میتوان برای ساخت نسل بعدی هوش مصنوعی، میراث مکتوب بشر را نابود کرد؟ مدافعان این روش میگویند کتابها به دانش دیجیتال تبدیل میشوند و از بین نمیروند. اما منتقدان هشدار میدهند نسخه چاپی یک کتاب، بهویژه اگر کمیاب یا تاریخی باشد، صرفاً حامل متن نیست؛ بخشی از حافظه فرهنگی بشر است. نابودی آن، حتی اگر نسخهای دیجیتال باقی بماند، جبرانپذیر نیست.
