De ce cumpără industria AI cărți vechi cu miile: vânătoarea din anticariate
Cărți vechi sunt cumpărate în cantități neobișnuit de mari de pe piața second-hand. Foto: Pixabay
Comerțul cu volume uzate se confruntă cu o schimbare bizară. Librari din Canada și din mai multe colțuri ale lumii au sesizat comenzi atipice pentru sute sau chiar mii de titluri care nu păreau să aibă vreo legătură între ele. Fenomenul ridică semne de întrebare într-un moment în care dezvoltatorii de algoritmi avansați caută cu disperare surse masive de text uman de calitate superioară.
Tranzacții bizare pe piața de carte veche
Vânzarea cărților în cantități mari nu este o noutate absolută pentru anticari. Diferența constă în natura volumelor cerute în ultima perioadă. Nu mai este vorba despre achiziții pentru decorarea unor spații comerciale sau despre recuzită destinată platourilor de filmare, scopuri obișnuite în trecut.
Astăzi, solicitările vizează titluri ultra-specializate din fizică, medicină sau matematică, alături de manuale universitare învechite, multe dintre ele zăcând nevândute ani de zile din cauza valorii comerciale minime.
Peter Sellers, anticarul din spatele magazinului Sellers & Newel din Toronto, a relatat pentru CBC, via Yahoo News , că listele primite recent conțineau titluri alese complet la întâmplare. O experiență identică a avut și Patrick Hempelmann de la BMV Books, tot din Toronto. Acesta a expediat sute de volume tehnice prăfuite, comandate pe internet, către o adresă logistică din statul american Illinois.
Punctul de convergență: Zoom Books și traseul mărfii
În centrul multor tranzacții similare apare un intermediar recurent: retailerul canadian second-hand Zoom Books. Mai mulți comercianți independenți au menționat comenzi primite pe baza unor liste vaste furnizate de această companie, cărțile fiind trimise frecvent către PrepFort, un operator logistic și de fulfillment cu sediul în Illinois.
Reprezentanții Zoom Books resping însă categoric ipoteza că ar colecta materiale pentru antrenarea modelelor generative. Compania susține că modelul său clasic de afaceri presupune rulajul, revânzarea și reciclarea volumelor uzate, gestionând milioane de cărți lunar. Prin urmare, destinația tuturor acestor pachete rămâne parțial neclară.
Tendința nu s-a limitat la teritoriul nord-american. Semnale legate de achiziții similare făcute prin intermediari logistici au apărut și în librării din Marea Britanie, Irlanda, Germania, Polonia, Noua Zeelandă și Australia.
De ce sunt cărțile tipărite o mină de aur pentru algoritmi
Pentru dezvoltatorii de modele lingvistice, mediul online a devenit tot mai toxic. Pe măsură ce web-ul este inundat de conținut sintetic produs chiar de boți, găsirea unor seturi de date redactate exclusiv de oameni este o provocare critică. În acest peisaj, lucrările tipărite înainte de explozia inteligenței artificiale reprezintă cel mai pur material de antrenament: conținut curat, editat riguros și dens în informație de specialitate.
Valoarea acestor cărți nu stă în cererea lor pe piață, ci în volumul brut de cuvinte. O serie de culegeri tehnice poate oferi milioane de fraze coerente, explicând de ce cumpărătorii vizează liste eterogene fără să țină cont de autor sau tematică. Unele servicii din industrie, precum platforma ISBNdb, au promovat deja deschis cărțile tipărite ca resursă esențială de date și au pus la dispoziție servicii de achiziție la scară largă pentru dezvoltatorii tech.
„Scanarea distructivă”: cărțile tranșate industrial
Pentru a transforma hârtia în date prelucrabile, cărțile parcurg un proces mecanic brutal. Pentru a obține viteze optime de digitalizare, volumelor le este tăiat cotorul prin procedee de tip „destructive scanning”. Paginile desfăcute sunt trecute cu viteză prin scannere industriale de mare randament, făcând imposibilă reasamblarea sau revânzarea ulterioară a cărții.
Un astfel de flux a fost dezvăluit chiar în instanță în cazul companiei Anthropic, creatorul asistentului Claude. Documentele din litigiile privind drepturile de autor arată că entitatea a derulat „Project Panama”, o inițiativă prin care a achiziționat milioane de cărți fizice. Acestea au fost tranșate, scanate pentru constituirea unei biblioteci interne de date, iar resturile de hârtie au fost trimise la reciclat.
O investigație derulată de jurnaliștii de la 404 Media a expus un traseu identic: transporturi de cărți second-hand au fost urmărite până la un depozit Amazon situat în Las Vegas, unde personalul demonta cotoarele pentru a pregăti foile de scanarea continuă.
Deși nu orice achiziție din anticariate ascunde în mod automat un parteneriat cu o companie de tehnologie, amploarea fenomenului indică limpede că rafturile de carte veche au devenit o nouă sursă primară de resurse pentru dezvoltarea sistemelor digitale.
Explorează subiectele:
