A mesterséges intelligencia fejlesztői egyre több régi és antikvár könyvet vásárolnak fel, hogy digitalizálják a bennük lévő szöveget, mivel az interneten található adatokon túl a könyvek is egyre nagyobb értéket jelentenek. A folyamatnak azonban van egy dermesztő „mellékhatása”: a könyvek egy részét a feldolgozás után megsemmisítik.
Az ember által írt szövegek felértékelődnek
A generatív mesterséges intelligencia fejlesztéséhez hatalmas mennyiségű, jó minőségű szövegre van szükség, ám az internet nem olyan tiszta adatforrás, mint néhány évvel ezelőtt. Az oldalakat elárasztják az AI-generálta szövegek, így különösen értékesek azok a források, amelyekről biztosan tudható, hogy még emberek írták.
Itt jönnek a képbe a régebbi könyvek. Ezek még abból az időszakból származnak, amikor az AI nem állított elő tömegesen tartalmakat,
vagyis ember által írt szövegeket kínálnak. Egy régi regény, történelmi munka vagy szakkönyv hosszú, összefüggő szerkesztett szöveget tartalmaz, ráadásul olyan témákban is, amelyekről jóval kevesebb használható anyag érhető el az interneten. Az AI-cégek és az adatbeszerzők pedig kifejezetten az ilyen, „AI előtti” könyvek iránt érdeklődnek.
Az AI-fejlesztők növekvő adatigénye pedig már a használtkönyv-piacon is érezteti a hatását.
Évtizedekig senkinek sem kellett, most hirtelen megveszik
Ausztrál könyvkereskedők az elmúlt időszakban szokatlan megrendelésekre lettek figyelmesek. Olyan régi, niche és nehezen eladható kötetekből érkeztek nagyobb rendelések, amelyek közül néhány évtizedek óta a polcokon állt.
Az egyik rendelésben például
- egy 1970-es évekbeli talajmechanikai kézikönyv,
- egy 2010-es új-zélandi kerékpáros könyv,
- egy 1982-es ausztrál verseskötet
- és egy Melbourne egyik városrészéről szóló helytörténeti munka szerepelt.
A kereskedők egy része arra gyanakszik, hogy az ilyen szokatlan vásárlások hátterében az AI-fejlesztők tréningadatok iránti igénye állhat. Erre azonban egyelőre nincs egyértelmű bizonyíték, ugyanis a Guardian által bemutatott megrendeléseket leadó kanadai Zoom Books tagadja, hogy maga digitalizálná vagy roncsolásos szkenneléssel dolgozná fel a megvásárolt könyveket. Állítása szerint épségben értékesíti tovább őket, az üzleti titok elvére hivatkozva azonban arra azonban nem válaszolt, hogy ügyfelei között vannak-e AI-cégek.
nem a könyv kell, hanem ami benne van
Hogy miért merült fel egyáltalán az AI-fejlesztők neve a furcsa könyvvásárlások kapcsán, arra az Anthropic története ad magyarázatot.
A Claude mesterségesintelligencia-rendszert fejlesztő amerikai vállalat több millió nyomtatott könyvet vásárolt fel azért, hogy digitalizálja a tartalmukat. A cég 2024-ben ráadásul azt a Tom Turvey-t igazolta le, aki korábban a Google Books könyvdigitalizálási projektjének partnerségeit vezette. Feladata a bírósági dokumentumok szerint nem volt éppen szerény:
„a világ összes könyvét” kellett megszereznie.
Az Anthropic végül több millió használt könyvet vásárolt, a kötésüket eltávolította, a lapokat méretre vágta és nagy sebességű szkennerekkel digitalizálta.
A fizikai könyveket ezután megsemmisítették.
Ipari méretekben ennek megvolt a maga logikája. A kötés eltávolítása után az oldalak sokkal gyorsabban adagolhatók a szkennerekbe, a digitalizálást követően pedig a vállalatnak már nem volt szüksége a papírpéldányokra.
A könyv ebben a folyamatban lényegében egyszer használatos adathordozó volt. Megvették azért, ami benne van, majd amikor a tartalma digitális formában rendelkezésre állt, maga a tárgy feleslegessé vált.
Legális lehet könyvek millióit megvenni, beszkennelni és kidobni
A módszer egyik kulcskérdése természetesen a szerzői jog. Az Anthropic ügyében egy amerikai szövetségi bíró 2025-ben úgy ítélte meg, hogy a jogszerűen megvásárolt könyvek ilyen digitalizálása bizonyos körülmények között a fair use, vagyis a tisztességes felhasználás körébe eshet.
Ebben fontos szerepet játszott, hogy
az Anthropic minden egyes fizikai példányt jogszerűen vásárolt meg, a szkennelés után az eredetit megsemmisítette, a létrehozott digitális példányokat pedig nem kezdte el terjeszteni.
Az ügynek viszont volt egy másik szála is. A bírósági dokumentumok szerint az Anthropic korábban mintegy hétmillió kalózkönyvet is letöltött, hogy digitális könyvtárat építsen belőlük. William Alsup bíró ezt már élesen elválasztotta a jogszerűen megvásárolt könyvek digitalizálásától, és úgy ítélte meg, hogy
a kalózforrásból származó példányok megszerzését nem tette jogszerűvé az, hogy később AI-modellek tanítására is felhasználhatták őket.
Az Anthropic végül 1,5 milliárd dolláros egyezséget kötött az érintett szerzőkkel és kiadókkal, amelyből a jogosultak művenként nagyjából 3000 dollárra számíthatnak.
Az AI új értéket adott a régi könyveknek
Egy könyv hagyományos piaci értékét többek között az határozza meg, hányan szeretnék elolvasni vagy birtokolni. Egy AI-fejlesztő számára azonban egészen más szempontok számíthatnak. Egy évtizedek óta eladhatatlan szakkönyv is értékes lehet, ha olyan jó minőségű, speciális emberi szöveget tartalmaz, amelyből kevés található meg digitálisan.
Az elmúlt hónapok rejtélyes könyvvásárlásainál ráadásul éppen ez a minta rajzolódik ki. A The Atlantic beszámolója szerint több országban főként az 1970-es, 1980-as és 1990-es évekből származó, gyakran kevésbé ismert nonfiction könyvekre jelent meg szokatlan kereslet. Ezek nem drága könyvritkaságok, hanem korábban alacsony piaci értékű kötetek. Az sem bizonyított még, hogy minden ilyen vásárlás mögött AI-cég áll.
Az AI-adatéhség így olyan könyveknek adhat új értéket, amelyek korábban szinte senkinek sem kellettek.
És közben egy különös ellentmondást is létrehoz, hiszen a könyvben lévő szöveg bár annyira értékessé válhat, hogy érdemes miatta megvásárolni a fizikai példányt, maga a könyv a digitalizálás után mehet a darálóba. Mint ahogyan az ember is csak addig érdekes a mesterséges intelligencia számára, amíg tanulhat belőle.
