Śledztwo 404 Media ujawniło, że Amazon systematycznie skupuje i niszczy rzadkie książki po zeskanowaniu ich stron. Praktyka ta służy wyłącznie pozyskiwaniu unikalnych danych do trenowania modeli językowych.

Odkrycie dzięki ukrytemu AirTagowi

Księgarz zgodził się umieścić nadajnik w jednej z książek sprzedanych hurtowo. Śledzenie doprowadziło bezpośrednio do magazynu VGT3 w Las Vegas. Tam zespół Amazonu zajmuje się usuwaniem grzbietów i skanowaniem stron. AirTag dotarł do VGT3, potwierdzając podejrzenia branży.

Pracownicy magazynu używają logo z tyranozaurem pożerającym książkę. Obrazuje to podejście firmy do pozyskiwania danych. Operacja trwa od co najmniej roku i obejmuje tysiące pozycji.

Reakcja Amazonu na zarzuty

Firma odmówiła szczegółowego komentarza w sprawie trenowania AI. W oficjalnym oświadczeniu podkreśliła jedynie, że zakup książek odbywa się w celach komercyjnych. Amazon rozwija własne modele graniczne i potrzebuje dużych zbiorów unikalnych tekstów.

Konkurencja, taka jak Anthropic czy xAI, deklaruje unikanie niszczenia antykwarycznych książek. Amazon najwyraźniej wybrał inną strategię. Amazon potrzebował nowych danych po wyczerpaniu wcześniejszych zasobów.

Celowanie w numery ISBN

Pracownicy magazynu zostali przeszkoleni do skanowania kodów kreskowych przed przetwarzaniem. Taka metoda pozwala na systematyczne uwzględnienie wszystkich wydanych tytułów. Amazon skanuje numery ISBN, aby uniknąć powtórzeń w zbiorze treningowym.

Księgarze podejrzewali ten schemat od miesięcy. Teraz śledztwo potwierdziło ich teorię. Firmy zajmujące się sztuczną inteligencją chcą w ten sposób zgromadzić możliwie najszerszy zbiór unikalnych tekstów.

Etyczne dylematy księgarzy

Sprzedaż hurtowa przynosi szybki zysk, ale budzi wątpliwości moralne. Rzadkie książki często mają wartość historyczną lub sentymentalną, wykraczającą poza samą treść. Księgarze odczuwają dylemat, widząc niszczenie kolekcji.

Firmy AI płacą dobrze, ale pomijają ocenę wartości innej niż tekstowa. Starsze pozycje w językach obcych są szczególnie poszukiwane. Prowadzi to do bezpowrotnej utraty obiektów, które nie trafią już do czytelników.

Porównanie z innymi praktykami branżowymi

Nie wszystkie firmy AI stosują inwazyjne metody pozyskiwania danych. Niektóre wybierają legalne źródła lub zbiory syntetyczne. The Atlantic stworzył bazę do trenowania bez niszczenia nośników.

Amazon wyróżnia się skalą i podejściem do rzadkich pozycji. Pracownicy magazynu opisują pracę jako elastyczną i spokojną. Opinia publiczna jest jednak podzielona między oburzeniem a akceptacją.

Dyskusja w mediach i społeczności

Na platformie Reddit użytkownicy debatują, czy niszczenie książek jest rzeczywiście problemem. Niektóre pozycje leżały na półkach przez dekady. Krytycy wskazują jednak na utratę fizycznych artefaktów.

Michael Burry nazwał tę praktykę „złem wcielonym”. Amazon kontynuuje operację mimo rosnącej krytyki. Zatrute dane to odrębny problem, ale pokazuje on, jak wrażliwe są zbiory treningowe.

Źródła:

Ars Technica, 404 Media, The Atlantic, Fast Company, BBC