Сжигание книг ради обучения ИИ: почему скандал вокруг Anthropic требует взвешенного взгляда
В технологическом сообществе вновь обострится дискуссия о методах сбора данных для тренировки нейросетей. Компании, такие как Anthropic, выкупают миллионы бумажных изданий, включая редкие фолианты, оцифровывают их и уничтожают оригиналы. Этические возражения сменились рациональным анализом: действительно ли уничтожение физического носителя умаляет культурное наследие или, наоборот, спасает знания от забвения?
# Этика цифровизации: мифы и реальность в споре об уничтожении книг для ИИ
В последние недели в среде разработчиков и искусственных интеллектов разгорелся скандал. Поводом послужило утверждение, что ведущие корпорации, в частности Anthropic, массово скупают редкие и ценные бумажные книги, сканируют их страницы и, по завершении процесса, уничтожают оригиналы. Критики называют это практикой, достойной вилок, утверждая, что уничтожение уникальных физических экземпляров наносит непоправимый удар по культурному наследию.
Однако за эмоциональными твитами и морализаторством скрывается сложный вопрос управления данными. Если интернет уже переполнен низкокачественным контентом, созданным без редактуры, то качественные, отредактированные тексты из печатных изданий становятся бесценным ресурсом для обучения следующих поколений нейросетей. Важно отделить эмоции от фактов: компании покупают книги именно ради содержимого, а не ради физической оболочки.
От физического носителя к цифровому вечеству
Существует устойчивое заблуждение, согласно которому ценность книги заключается исключительно в её физическом виде: обложке, корешке и бумаге. В контексте создания искусственного интеллекта это понятие искажается. Цифровая копия текста содержит всю смысловую нагрузку оригинала. Более того, процесс покупки, оцифровки и последующего уничтожения может быть законным с точки зрения авторского права в США. Суды уже подтвердили, что если экземпляр приобретен легально и оцифрован для обучения, уничтожение оригинала не является нарушением прав, так как создается лишь одна цифровая копия, а не множество незаконных копий.
Уничтожение физически деградировавшего носителя после его перевода в цифровой формат часто рассматривается компаниями как необходимая мера для освобождения складских площадей и предотвращения порчи данных. Уникальная физическая копия, пылящаяся в углу магазина, имеет крайне ограниченный круг читателей и высокий риск потери из-за износа или исчезновения издания. Переводя её в цифровой вид, компания фактически увеличивает число людей, способных ознакомиться с текстом, так как нейросеть, обученная на таком материале, станет полезнее миллиардам пользователей.
Проблема качества данных и роль редактора
Почему же именно бумажные книги, а не тексты из интернета, так важны для современных моделей? Основной аргумент в пользу отбора печатных изданий кроется в качестве контроля. Текст, опубликованный в бумажной книге, прошел строгую редактуру и корректуру. Напротив, значительная часть контента в открытом доступе представляет собой сырые тексты без авторского контроля, часто содержащие ошибки или низкое качество изложения. Для повышения интеллектуального уровня нейросетей нужен "чистый" и структурированный материал. Печать в прошлом веке означала, что за текстом стоял настоящий редактор, проверяющий каждое слово. Этот уровень проработки ценнее для модели, чем поток хаотичных данных из соцсетей.
Тем не менее, практика уничтожения книг вызывает отторжение у части общества. Восприятие книги как "священного" объекта, где форма равнозначна содержанию, сталкивается с практикой индустрии. Отрезают ли корешки книги для удобства сканирования, или просто сжигают страницы после оцифровки, — методы могут варьироваться, но цель всегда одна: получить данные. Критики указывают, что уничтожение редчайших фолиантов выглядит как жадность технологов, превращающих культуру в топливо для алгоритмов.
Юридические аспекты и будущее копирайта
Важно понимать, что действия компаний подкреплены текущим законодательством. В одних из судебных разбирательств судьи объясняли, что легальная покупка и оцифровка одного экземпляра делает последующее уничтожение оригинала допустимым, так как это не создание новых копий, а трансформация существующей в цифровой вид. Хотя корпорации, такие как Anthropic, уже подвергались штрафам за пиратство (например, на сумму $1,5 млрд за определенные нарушения), специфика оцифровки для обучения моделей часто находится в серой зоне, где закон пока не дает точного ответа. Идеальным решением могло бы стать законодательство, обязывающее корпорации передавать уникальные цифровые копии в общемировые библиотеки, чтобы сохранять знания человечества без ущерба для прав правообладателей.
Скандал вокруг этого вопроса показывает, как быстро меняется этический ландшафт индустрии. Что будет ценнее в будущем: сохранение физического состояния книги или обеспечение её доступности миллионам через нейросети? Пока это открытый вопрос, требующий не только юридических, но и философских решений.