Pular para o conteúdo

IA

A Amazon começou vendendo livros. Agora guilhotina os raros para a IA

A Amazon estaria comprando livros raros, serrando as lombadas e escaneando as páginas para alimentar seus modelos de linguagem. Um rastreador escondido em um volume levou a 404 Media a um prédio em Las Vegas com um dinossauro no logo.

Foto de capa: Tony Webster from Minneapolis, Minnesota, United States / CC BY-SA 2.0

TL;DR

  1. A 404 Media rastreou um livro raro até o prédio VGT3 da Amazon, em Las Vegas.
  2. As lombadas são cortadas, as páginas escaneadas e o texto vira treino para a IA da Amazon.
  3. Texto de antes de 2022 vale ouro: nenhum LLM poderia tê-lo escrito.

O que aconteceu

Segundo a 404 Media, a Amazon está comprando grandes quantidades de livros raros, cortando as lombadas e escaneando as páginas para gerar dados de treinamento para seus modelos de IA. O veículo escondeu um rastreador dentro de um livro raro, e o exemplar foi parar em um prédio da Amazon em Las Vegas.

O local se chama VGT3. O logo é um dinossauro segurando um livro. Não fomos nós que inventamos isso, e sinceramente nem conseguiríamos.

A resposta da Amazon à 404 Media foi curta. A empresa diz que compra livros por canais comerciais normais para melhorar seus produtos e serviços. Não negou a prática, e os colecionadores ficam se perguntando quantos exemplares raros acabam em um scanner em vez de numa estante.

Por que importa

Modelos de linguagem vivem com fome, e a internet aberta está ficando sem sobras. Segundo o resumo do TechCrunch, empresas como a Amazon precisam de quantidades enormes de texto, e seus LLMs já absorveram o que dava para encontrar online. No caso da Anthropic, isso teria incluído livros pirateados.

Então a caçada vai para o mundo offline. Livros raros e fora de catálogo são difíceis de achar na internet, o que os torna uma fonte nova de dados de treinamento cobiçados.

Há também um ângulo de qualidade. Tudo o que foi publicado antes de 2022 não pode ter sido escrito por um LLM. Isso importa porque treinar com texto gerado por IA traz o risco de "colapso do modelo", em que a qualidade das respostas piora depois que o modelo engole material demais escrito por máquina.

Papel velho virou cadeia de suprimento de dado limpo.

A parte incômoda é a destruição. Cortar a lombada é o jeito de escanear um livro rápido, e o resultado é um objeto raro que deixou de ser livro. A apuração trata a compra como feita por canais comerciais normais, então a discussão tem menos a ver com legalidade e mais com o que aceitamos picotar por causa de um modelo.

A história se apoia em uma reportagem confiável e na breve declaração da Amazon, então os detalhes sobre escala e títulos afetados ainda são escassos.

O que fazer com isso

  • Siga o rastro dos dados.Quando uma empresa celebrar um modelo novo, pergunte de onde veio o texto de treinamento e se alguém consultou os donos.
  • Dê valor ao seu acervo.Se você tem material fora de catálogo ou de antes de 2022, saiba que texto limpo escrito por humanos agora tem apelo real para quem constrói IA.
  • Acompanhe a briga sobre origem dos dados.A procedência dos dados virou o principal argumento em torno do treinamento de IA, então veja como as empresas respondem.
  • Pense antes de vender.Se você negocia livros raros, confira o que o comprador pretende fazer com eles antes de a lombada sair.

Ciao, sapiens. Abrace um livro de bolso enquanto ele ainda tem lombada.