ИИ-компании массово скупают и уничтожают бумажные книги ради обучения нейросетей - ВИДЕО
Разработчики систем искусственного интеллекта значительно увеличили закупки старых и давно не переиздававшихся книг, используя их для создания собственных цифровых библиотек и обучения языковых моделей.
Как отмечают многие представители книжной отрасли, спрос на такие издания заметно вырос, причем нередко книги приобретаются через посредников, которые не раскрывают личность конечных покупателей.
Как выяснилось, приобретенные экземпляры не пополняют корпоративные библиотеки, а после покупки книги проходят процедуру так называемой разрушающей оцифровки.
Для ускорения процесса у изданий промышленным оборудованием срезают корешок, после чего отдельные страницы пропускают через высокоскоростные сканеры. Затем текст распознается с помощью технологии OCR, очищается от возможных ошибок и добавляется в цифровой архив. Таким образом, бумажные экземпляры после завершения обработки, как правило, отправляются на переработку, что делает невозможным их дальнейшее сохранение.
О масштабах подобной практики стало известно в ходе судебного разбирательства между группой писателей и американской компанией Anthropic, разработчиком языковой модели Claude.
Так, согласно материалам дела, в 2024 году компания запустила внутренний проект Project Panama, в рамках которого закупала книги у крупных продавцов подержанной литературы, включая Better World Books и World of Books.
Судебные документы свидетельствуют, что речь шла о миллионах экземпляров. После приобретения книги проходили процедуру промышленного сканирования, а их бумажные оригиналы уничтожались. Руководителем проекта выступал Том Тёрви, ранее работавший над партнерскими программами Google Books. Одной из поставленных перед ним задач называлось формирование максимально полного собрания печатных изданий для нужд компании.
Во время судебного процесса также выяснилось, что до запуска Project Panama Anthropic использовала более семи миллионов книг, полученных из пиратских библиотек, включая LibGen. Именно происхождение этих материалов стало одним из ключевых вопросов разбирательства.
В июне 2025 года федеральный суд США признал, что использование законно приобретенных книг для обучения искусственного интеллекта может рассматриваться как трансформативное использование.
При этом суд провел четкое разграничение между легально купленными экземплярами и произведениями, полученными с нарушением авторских прав. Согласно позиции суда, создание одной внутренней цифровой копии с последующим уничтожением бумажного экземпляра не нарушает закон, если компания не распространяет полученные файлы. Вместе с тем использование миллионов книг, скачанных из пиратских источников, не получило такой правовой защиты, а впоследствии Anthropic заключила мировое соглашение с авторами на сумму 1,5 млрд долларов.
Повышенный интерес разработчиков искусственного интеллекта к старым печатным изданиям объясняется высоким качеством содержащихся в них текстов. Ведь книги представляют собой большие массивы профессионально отредактированного материала со сложной структурой и последовательным изложением информации. Особую ценность для обучения нейросетей представляют произведения, опубликованные до широкого распространения ИИ, поскольку они гарантированно не содержат сгенерированных текстов.
На фоне растущего спроса компания ISBNdb, занимающаяся поиском и поставкой печатных изданий для разработчиков искусственного интеллекта, предлагает клиентам услуги по закупке необходимых книг. При этом компания признает, что массовое уничтожение бумажных экземпляров может вызвать негативную общественную реакцию, поэтому готова не раскрывать информацию о заказчиках.
Представители книжного рынка также сообщают о необычно крупных заказах на малоизвестные и давно не переиздававшиеся книги. По их словам, посредники зачастую приобретают литературу целыми партиями по ISBN, не оценивая историческую или культурную ценность конкретных экземпляров. В связи с этим специалисты не исключают риска утраты редких изданий, особенно если они выпускались ограниченными тиражами и ранее не были оцифрованы.
После появления новых сообщений о подобной практике предприниматель Илон Маск заявил, что поручил команде xAI сохранять редкие книги и использовать методы сканирования, не требующие разрушения переплета. Однако, стоит отметить, что это заявление касается исключительно особо ценных экземпляров и не распространяется на массовую литературу, которая продолжает использоваться для формирования обучающих массивов данных для современных систем искусственного интеллекта.
