Salta al contenuto

IA

Amazon è nata vendendo libri. Ora ghigliottina quelli rari per l'IA

Secondo 404 Media, Amazon compra libri rari, ne taglia il dorso e scansiona le pagine per nutrire i suoi modelli linguistici. Un localizzatore nascosto in un volume ha portato a una struttura di Las Vegas con un dinosauro nel logo.

Foto di copertina: Asivechowdhury / CC BY-SA 4.0

TL;DR

  1. 404 Media ha seguito un libro raro fino alla struttura VGT3 di Amazon a Las Vegas.
  2. I dorsi vengono tagliati, le pagine scansionate e il testo finisce nell'addestramento dell'IA di Amazon.
  3. Il testo precedente al 2022 è oro: nessun LLM avrebbe potuto scriverlo.

Cosa è successo

Secondo 404 Media, Amazon sta comprando grandi quantità di libri rari, ne taglia il dorso e scansiona le pagine per ricavare dati di addestramento per i suoi modelli di IA. La testata ha nascosto un localizzatore dentro un libro raro, e quel libro è finito in una struttura di Amazon a Las Vegas.

Il sito si chiama VGT3. Il logo è un dinosauro che stringe un libro. Non ce lo siamo inventati, e onestamente non ci saremmo mai riusciti.

La dichiarazione di Amazon a 404 Media è stata breve: l'azienda dice di acquistare i libri attraverso normali canali commerciali per migliorare i propri prodotti e servizi. Non ha negato la pratica, e ai collezionisti resta il dubbio su quante copie rare finiscano in uno scanner invece che su uno scaffale.

Perché conta

I modelli linguistici hanno fame, e l'internet aperto sta finendo gli avanzi. Secondo il riassunto di TechCrunch, aziende come Amazon hanno bisogno di quantità enormi di testo, e i loro LLM hanno già assorbito tutto quello che si poteva trovare online. Nel caso di Anthropic, a quanto si dice, anche libri piratati.

Così la caccia si sposta offline. I libri rari e fuori catalogo si trovano a fatica su internet, il che li rende una fonte fresca di dati di addestramento molto ambiti.

C'è anche un tema di qualità. Tutto ciò che è stato pubblicato prima del 2022 non può essere stato scritto da un LLM. Importa perché addestrarsi su testo generato da IA rischia il "model collapse": la qualità dell'output peggiora quando il modello ingerisce troppo materiale scritto da macchine.

La carta vecchia è diventata una filiera di dati puliti.

La parte scomoda è la distruzione. Tagliare il dorso è il modo per scansionare un libro in fretta, e il risultato è un oggetto raro che non è più un libro. L'inchiesta presenta il tutto come acquisto tramite normali canali commerciali, quindi il dibattito riguarda meno la legalità e più cosa siamo disposti a macinare per un modello.

La storia si regge su un'unica inchiesta affidabile più la breve dichiarazione di Amazon, quindi i dettagli su scala e titoli coinvolti sono ancora scarsi.

Cosa farne

  • Segui la traccia dei dati.Quando un'azienda sbandiera un nuovo modello, chiedi da dove arriva il testo di addestramento e se qualcuno ha chiesto il permesso ai proprietari.
  • Dai valore ai tuoi archivi.Se possiedi materiale fuori catalogo o precedente al 2022, sappi che il testo pulito scritto da umani ora ha un fascino concreto per chi costruisce IA.
  • Segui la battaglia sulle fonti.La provenienza dei dati sta diventando l'argomento principale attorno all'addestramento dell'IA: guarda come rispondono le aziende.
  • Pensaci prima di vendere.Se tratti libri rari, controlla cosa vuole farne l'acquirente prima che il dorso salti.

Ciao, sapiens. Abbraccia un tascabile finché ha ancora il dorso.