Temná stránka studia LLM: Jak údajně „Projekt Panama“ od Anthropic zničil miliony knih

Literární masakr pro strojové učení

V neúnavné snaze o nadvládu umělé inteligence dosáhl hlad po vysoce kvalitních trénovacích datech vrcholu. Zatímco většina uživatelů interaguje s umělou inteligencí prostřednictvím přehledných rozhraní a užitečných odpovědí, v zákulisí se objevil znepokojivý trend. Objevily se zprávy, které naznačují, že Anthropic, hybná síla umělé inteligence stojící za sérií Claude, se zapojila do masivní operace s cílem získat a systematicky rozebrat miliony fyzických knih, aby urychlila trénování svých velkých jazykových modelů (LLM).

Operace s údajným kódovým označením „Projekt Panama“ zdůrazňuje rostoucí konflikt mezi zachováním lidské kultury a industrializací získávání dat pro éru umělé inteligence.

Odhalení „Projektu Panama“: Mechanika destrukce

Podle zpráv, včetně podrobného vyšetřování Washington Post, nebyl Projekt Panama pouhým digitalizačním úsilím, ale destruktivním úsilím. Proces byl navržen pro maximální efektivitu a rychlost, přičemž prioritou byla propustnost před uchováním.

Pracovní postup údajně zahrnoval několik nemilosrdných kroků:

• Hromadné získávání: Utrácení milionů dolarů na získávání obrovského množství tištěné literatury z komerčních trhů.
• Destruktivní příprava: Místo pečlivého skenování vázaných svazků společnost údajně odřízla hřbety knih. To umožnilo, aby jednotlivé stránky byly podávány vysokorychlostními průmyslovými skenery rychlostí, která daleko převyšovala tradiční metody skenování knih.
• Digitalizace: Volné stránky byly převedeny na strojově čitelný text, který byl poté integrován do rozsáhlých datových sad používaných ke zdokonalení Claudeových kognitivních schopností.
• Likvidace: Jakmile byl text extrahován, zbývající fyzické fragmenty – nyní zbavené vazeb – byly zlikvidovány jako odpad.

Interní plánovací dokument údajně popsal projekt s mrazivou jasností: „Projekt Panama je naším úsilím destruktivně naskenovat všechny knihy na světě,“ a dodal: „Nechceme, aby se vědělo, že na tom pracujeme.“

Právní důsledky a debata o „fair use“

Kontroverze kolem Projektu Panama je neoddělitelně spjata s širším právním bojem o autorská práva ve věku umělé inteligence. Společnost Anthropic nedávno urovnala masivní soudní spor o autorská práva o 1,5 miliardy dolarů. Ačkoli soud rozhodl, že trénování modelů umělé inteligence obecně spadá pod „fair use“ – přirovnává proces učení umělé inteligence k lidskému spisovateli, který studuje existující díla, aby vytvořil něco nového – soud shledal, že Anthropic porušil autorská práva tím, že udržoval knihovnu se 7 miliony pirátských knih.

Zatímco další giganti v oblasti umělé inteligence, jako jsou OpenAI, Google a Meta, čelili podobným žalobám týkajícím se používání digitálních knihoven, Anthropic je v současné době jediným významným hráčem, u kterého bylo hlášeno, že fyzicky zničil fyzické kopie knih, aby dosáhl svých datových cílů.

Odpověď Anthropic

Na otázku Tom's Guide mluvčí Anthropic obhajoval praxi získávání knih a poznamenal, že se jedná o běžný přístup v celém odvětví umělé inteligence. Společnost zdůraznila, že se nezaměřuje na vzácné nebo starožitné svazky, a uvedla: „Žádný z našich programů pro sběr dat nekupuje a neničí ‚vzácné‘ nebo ‚starožitné‘ knihy. Knihy nakupujeme na běžných komerčních trzích.“ Pokud jde o právní spory, společnost poukázala na urovnání případu Bartz a tvrdila, že soudy potvrdily zákonnost školení v oblasti umělé inteligence podle autorského práva.

Etické zdůvodnění

Odhalení Projektu Panama vyvolává hluboké etické otázky. Zatímco společnost tvrdí, že se zaměřila pouze na běžné komerční knihy, systematické ničení milionů fyzických objektů pro digitální kopie vytváří nejistý precedent. Ztráta fyzické literatury, a to i ve velkém, představuje posun směrem ke světu, kde jsou původní artefakty lidského myšlení obětovány jako palivo algoritmům, které jednoho dne mohou nahradit samotné autory.

S tím, jak se umělá inteligence dále vyvíjí, zůstává napětí mezi potřebou dat a respektem k fyzickému a duševnímu vlastnictví jednou z nejzásadnějších výzev pro technologický sektor.