ИИ-компании массово скупают и уничтожают печатные книги для обучения нейросетей
Крупные технологические компании запустили масштабные операции по закупке миллионов подержанных книг. Цель - получить качественные данные для обучения языковых моделей. Есть нюанс: после сканирования физические экземпляры безвозвратно уничтожают.
Почему старые книги стали золотой жилой для ИИ
Интернет как источник обучающих данных почти исчерпан. Более того, современный веб-контент всё чаще содержит тексты, сгенерированные нейросетями. Это создаёт эффект «отравленных данных», когда ИИ обучается на продуктах работы других ИИ.
Печатные издания, особенно выпущенные до массового распространения генеративного ИИ, решают эту проблему:
- Гарантированно человеческий контент - в старых книгах нет текстов от ChatGPT или Claude.
- Профессиональная редактура - качество языка выше среднего интернет-контента.
- Структурированная подача - связные тексты большого объёма.
- Специализированные знания - академические и профессиональные материалы.
Как работает «разрушительное сканирование»
Технология обработки книг кардинально отличается от библиотечной оцифровки. Процесс выглядит так:
- Массовая закупка - от тысяч до миллионов экземпляров за заказ.
- Демонтаж переплёта - корешки срезают промышленными резаками.
- Высокоскоростное сканирование - страницы пропускают через оборудование.
- Распознавание текста - OCR-системы преобразуют изображения в цифровой текст.
- Утилизация оригиналов - физические книги отправляют на переработку.
Такой подход позволяет обработать огромные объёмы за короткое время. Он полностью уничтожает исходные материалы.
Судебные прецеденты изменили правила игры
Ключевым моментом стало дело против компании Anthropic. Суд установил важное различие:
- Легальные покупки - создание одной цифровой копии взамен купленной и уничтоженной книги признано допустимым.
- Пиратские копии - массовое скачивание из теневых библиотек остаётся нарушением.
Это решение сформировало парадоксальную схему: чтобы получить цифровую копию, компании стимулируют покупать физическую книгу и уничтожать её.
Посредники скрывают заказчиков
Для массовых закупок используют развитую инфраструктуру посредников. Компании вроде ISBNdb предлагают ИИ-лабораториям:
- Поиск книг по спискам ISBN.
- Оптовые поставки крупными партиями.
- Анонимность заказчиков.
- Логистические услуги.
Букинисты отмечают необычные заказы: покупатели интересуются не культурной ценностью, а техническими характеристиками - год издания, язык, объём текста.
Что происходит с редкими изданиями
Особую тревогу вызывает судьба малотиражных и специализированных книг:
- Академическая литература - исследования по лингвистике, истории, праву.
- Региональные издания - книги местных издательств.
- Профессиональная литература - узкоспециализированные материалы.
- Давно не переиздававшиеся работы - потенциально последние экземпляры.
Антиквары фиксируют аномальный спрос на такие издания. Риск потери культурного наследия растёт.
Экономика «чистых» данных
Получение лицензий на цифровое использование книг часто обходится дороже покупки подержанных экземпляров. Поиск правообладателей, согласование условий - всё это требует времени и ресурсов.
Покупка-уничтожение решает проблему быстрее и дешевле, особенно для массовых операций.
Влияние на бизнес-процессы
Для компаний, работающих с текстовым контентом, эта тенденция создаёт новые вызовы. Качество «человеческого» текста становится критически важным активом.
Сервисы автоматизации ответов на отзывы, например, должны учитывать растущую долю ИИ-контента в обучающих данных. Это влияет на качество генерируемых ответов и требует более тщательного отбора источников для обучения моделей.
Что дальше
Индустрия ИИ создала новый рынок «гарантированно человеческого» контента. При росте ценности таких данных спрос может распространиться на ещё более редкие издания.
Возникают вопросы регулирования: нужны ли ограничения на уничтожение книг ради извлечения данных? Как защитить культурное наследие от коммерческих интересов технологических гигантов?
Пока ответов нет, процесс продолжается. Грузовики с книгами направляются на склады, где промышленные резаки превращают столетия человеческой мысли в данные для обучения машин.