Razkrili skrivnost tehnološkega velikana. Njegova misija:"destruktivno skenirati vse knjige na svetu"

Zgodba o tem, kako tehnološka podjetja v resnici pridobivajo ogromne količine kakovostnih besedil za urjenje umetne inteligence, je prvič prišla v javnost po sodnem sporu proti velikanu umetne inteligence Anthropic.

Javnost je ta mesec iz razkritih sodnih dokumentov izvedela podrobnosti o Anthropicovem Projektu Panama. Podjetje, znano tudi po tem, da je (vsaj deloma) zavrnilo pomoč ameriški vojski pri napadih na Iran, je kupovalo ogromne količine tiskanih knjig, jih skeniralo, nato pa izvirne tiskane izvode uničilo, poroča hrvaški medij Jutarnji list.

Interni dokumenti so razkrili, da je bil cilj projekta, kot ga je opredelilo podjetje samo, "destruktivno skenirati vse knjige na svetu". To pomeni, da naj bi knjige, potem ko bi iz njih digitalno zajeli vse podatke in jezikovne vzorce, uničili, s čimer bi preprečili, da bi jih lahko za enak namen uporabil tudi tekmec.

Najnovejša preiskava novinarjev ameriškega portala 404 Media razkriva razsežnosti operacije, ki se očitno nadaljuje. Novinarji so v eno od redkih knjig, ki je bila del precej večje pošiljke s tisoč izvodi, skrili Applov sledilnik AirTag in tako spremljali njeno pot. Pošiljka je iz Kalifornije najprej odpotovala v Milwaukee, nato v Colorado Springs, nazadnje pa pristala v skladišču v lasti Amazona, ki ga podjetje vodi pod oznako "VGT3".

Tiranozaver, ki požira knjige

Na vhodu v stavbo, v kateri je pristala knjiga, je logotip tiranozavra, ki se pripravlja, da bo požrl odprto knjigo, je poročal 404 Media. Zaposleni so delo opisovali kot precej prijetno, pri čemer so pojasnili, da večino delovnika preživijo ob skeniranju knjig. Preiskava portala 404 Media je tako razkrila, da velika tehnološka podjetja uporabljajo posebne obrate za industrijsko skeniranje knjig, tako pridobljena besedila pa nato uporabljajo za urjenje velikih jezikovnih modelov umetne inteligence oziroma modelov LLM.

Forbes je poročal, da so se podjetja, ki razvijajo umetno inteligenco, začela obračati k tiskanim knjigam, saj sta se pri uporabi digitalnih virov za urjenje velikih jezikovnih modelov pojavili predvsem dve veliki težavi: pravna odgovornost in kakovost podatkov. Uporaba piratskih spletnih arhivov knjig oziroma tako imenovanih "knjižnic v senci" je podjetja s področja umetne inteligence izpostavila številnim tožbam zaradi kršitev avtorskih pravic pisateljev, umetnikov, fotografov in medijskih hiš.

Po drugi strani pa nakup fizične knjige lastniku omogoča, da s konkretnim izvodom ravna po lastni presoji, tudi tako, da ga uniči. Takšen pristop tehnološkim podjetjem obenem odpira dostop do milijonov razprodanih, nišnih ali strokovnih knjig, ki so na voljo zgolj v tiskani obliki, piše Jutarnji list.

Zakaj so knjige zlata vredne?

Z nakupom knjig, izdanih pred letom 2022, so podjetja lahko tudi bolj prepričana, da za urjenje modelov uporabljajo besedila, ki niso nastala s pomočjo umetne inteligence. Splet je danes preplavljen z vsebinami, ki jih je ustvarila umetna inteligenca, urjenje novih modelov na takšnem gradivu pa ne vodi nujno k njihovemu izboljšanju.

Tiskane knjige nasprotno ponujajo besedila, ki so jih napisali ljudje in so šla skozi uredniško obdelavo, poleg tega pa vsebujejo daljše in bolj koherentno razvite argumente, izdelano pripovedno strukturo ter druge kakovosti, ki jih kratke spletne vsebine in besedila, ustvarjena z umetno inteligenco, pogosto nimajo.

Poudariti velja, da je po trenutno veljavnem pravnem okviru v ZDA takšno početje za zdaj zakonito. Tako imenovana doktrina prve prodaje (First-Sale Doctrine) iz ameriškega zakona o avtorskih pravicah kupcu fizičnega izvoda knjige dovoljuje, da z njim razpolaga po lastni presoji, tudi tako, da ga uniči. Poleg tega so sodišča v nekaterih postopkih presodila, da je mogoče pretvorbo zakonito kupljene tiskane knjige v digitalno datoteko za interno uporabo pri urjenju modelov obravnavati kot "transformativno" pošteno uporabo (v izvirniku fair use).

Kritiki medtem opozarjajo, da tehnološka podjetja lastništvo fizičnih izvodov izkoriščajo kot nekakšno pravno vrzel, ki jim omogoča ustvarjanje digitaliziranih podatkovnih zbirk brez plačila nadomestil avtorjem in drugim imetnikom pravic.

Omenjeni primer "Bartz proti Anthropicu" se je začel leta 2024, ključna odločitev o tem, ali je uporabo avtorsko zaščitenih knjig za urjenje umetne inteligence mogoče šteti za pošteno uporabo, pa je sodišče sprejelo 23. junija 2025. Presodilo je, da lahko urjenje modelov na zakonito pridobljenih knjigah pomeni pošteno uporabo, medtem ko je vprašanje piratsko pridobljenih izvodov ostalo ločen pravni problem. Postopek se je zato nadaljeval tudi v letih 2025 in 2026, med drugim zaradi vprašanj, povezanih s poravnavo v vrednosti 1,29 milijarde evrov.

Projekt Panama

Med sojenjem je na dan prišlo, da so Anthropicovi dobavitelji knjigam rezali platnice, da bi jih pred uničenjem lažje skenirali. Ameriško podjetje je za izvedbo projekta najelo izkušenega vodjo logistike, knjige nabavljalo pri dobaviteljih, zaposlilo osebje, jih skladiščilo ter poiskalo podjetje za digitalizacijo, katerega naloga je bila izključno destruktivno skeniranje. Fotografije, predložene sodišču, prikazujejo skladišča, v katerih so knjige skrbno zložene in označene na policah, med njimi pa se premikajo zaposleni.

Kot je navedeno v sodni odločbi, so Anthropicovi dobavitelji "s knjig odstranjevali vezavo, strani obrezovali na ustrezno velikost in knjige skenirali v digitalno obliko, nato pa papirnate izvirnike zavrgli". Fotografije iz sodnih spisov prikazujejo kupe knjig, ki čakajo na destruktivno skeniranje. Česar na teh posnetkih ni mogoče videti, je zadnja faza postopka – drobljenje in odstranjevanje knjig po skeniranju oziroma, slikovito rečeno, njihova predelava v material za reciklažo ali odpadek, ki konča na odlagališču.

Koliko knjig je bilo doslej dejansko uničenih, ne ve nihče. Sodni dokumenti, ki so postali javni med postopkom proti Anthropicu, so razkrili, da je podjetje samo v okviru ene šestmesečne pogodbe z zunanjim izvajalcem nameravalo skenirati od 500.000 do dva milijona knjig. V internih dokumentih je bilo zapisano, da je cilj "destruktivno skenirati vse knjige na svetu".

Viri portala 404 Media so poročali tudi o anonimnih naročilih, ki so obsegala od tisoč pa vse do milijona knjig na posamezen nakup. Prodajalci rabljenih knjig v ZDA, Združenem kraljestvu in Evropi prav tako navajajo, da velika naročila na videz naključno izbranih neleposlovnih in razprodanih knjig pogosto obsegajo več sto ali celo več tisoč naslovov v eni sami transakciji, še piše Jutarnji list.