Добавлена поддержка
ЭЧ/Ech (ex-Escapechan) и Ежчана (
ejchan.net,
ejchan.site). Набегаем, тестируем архивацию,
сообщаем о замеченных проблемах.
К сожалению, значительная часть сохранённых до 2024 г. изображений и видео была потеряна (
подробности случившегося). Мы призываем всех неравнодушных
помочь нам с восстановлением утраченного контента!
AI-компании скупают антикварные книги палетами, срезают корешки, сканируют и пускают в шредер. Разбираем, почему бумага стала последним чистым источником данных.
Представьте склад, куда каждый день приходят палеты с подержанными книгами — от дешёвых покетбуков до изданий XIX века. Гидравлический резак срезает корешки, промышленный сканер прогоняет страницы, а дальше бумага отправляется в шредер. Это не антиутопия, а рабочий конвейер индустрии ИИ в 2026 году. Расследование 404 Media, разошедшееся по сети за выходные, показало масштаб: счёт идёт на миллионы томов, и среди них попадаются книги, которых почти не осталось в мире.
Почему именно бумага
Ответ прячется в самой неприятной проблеме индустрии — загрязнении данных. Интернет, основной источник обучающих корпусов, стремительно наполняется текстами, которые сами написаны нейросетями. Обучать модель на выхлопе других моделей — прямой путь к деградации качества, и лаборатории это прекрасно понимают.
Бумажная книга, изданная до эпохи ChatGPT, таких рисков лишена по определению. Компания ISBNdb, владеющая «крупнейшей в мире базой данных книг», формулирует это без стеснения в своих маркетинговых материалах: печатные книги до-LLM эры «структурно гарантированно свободны от этого загрязнения», а издания до 2022 года «структурно чисты от современных инструментов отравления данных». Лучшие обучающие данные мира, по версии ISBNdb, «стоят на полке».
Когда-то ISBNdb помогала библиотекам и книжным магазинам находить и продавать книги. Теперь, по данным 404 Media, она обслуживает оптовые заказы AI-компаний — от тысячи до миллиона книг за раз. И обещает клиентам анонимность: покупатели прячутся за посредниками и NDA. Сама ISBNdb понимает, как это выглядит со стороны, и пишет об этом с обезоруживающей прямотой: «Проблема с оптикой реальна. "AI-компания уничтожила два миллиона книг" — не тот заголовок, который вызывает сочувствие».
Как это устроено юридически
У конвейера уничтожения книг есть прочный правовой фундамент, и заложила его судебная история Anthropic. В рамках проекта, известного по судебным документам как Project Panama, компания потратила десятки миллионов долларов на скупку и сканирование физических книг для обучения Claude: гидравлический резак отделял страницы, промышленные сканеры оцифровывали их, оригиналы уничтожались.
Судья Уильям Алсуп постановил: купить книгу, отсканировать её, уничтожить бумажную копию и оставить только цифровую версию для обучения ИИ — это добросовестное использование. Логика опирается на доктрину первой продажи: с законно купленным экземпляром владелец волен делать что угодно, а поскольку цифровая копия «заменила» физическую и никогда не распространялась как замена книги, использование признали трансформативным. Отдельная история с пиратскими цифровыми копиями закончилась для Anthropic хуже — соглашением на $1,5 млрд за примерно 500 тысяч произведений. Но сами обученные модели остались нетронутыми, а главное — легальный рецепт теперь известен всем: покупай физическую книгу, и никакой правообладатель тебе не указ.
В сухом остатке индустрия пришла к парадоксу. Компании, продающие будущее знаний, физически уничтожают его прошлое — не со зла, а потому что так дешевле и юридически чище. На Reddit тред об этом собрал почти две тысячи апвоутов, и главный аргумент критиков звучит так: оцифрованная копия не идёт в открытый доступ, она ложится в закрытый корпоративный датасет. Книга, которой почти не осталось в мире, продолжает существовать — но теперь только как веса в чьей-то модели.