Ciemna strona kształcenia LLM: Jak „Projekt Panama” wydawnictwa Anthropic rzekomo zniszczył miliony książek

Literacka masakra dla uczenia maszynowego

W nieustannym dążeniu do dominacji sztucznej inteligencji, głód wysokiej jakości danych treningowych osiągnął apogeum. Podczas gdy większość użytkowników komunikuje się ze sztuczną inteligencją za pośrednictwem przejrzystych interfejsów i pomocnych odpowiedzi, za kulisami pojawił się niepokojący trend. Pojawiły się doniesienia, że Anthropic, potęga sztucznej inteligencji stojąca za serią książek Claude, zaangażowała się w ogromną operację pozyskiwania i systematycznego demontażu milionów książek fizycznych, aby przyspieszyć szkolenie swoich dużych modeli językowych (LLM).

Operacja, rzekomo o kryptonimie „Projekt Panama”, uwypukla narastający konflikt między zachowaniem kultury ludzkiej a industrializacją pozyskiwania danych w erze sztucznej inteligencji.

Ujawniamy „Projekt Panama”: Mechanizmy destrukcji

Według doniesień, w tym szczegółowego śledztwa przeprowadzonego przez „Washington Post”, Projekt Panama nie był jedynie próbą digitalizacji, ale działaniem destrukcyjnym. Proces został zaprojektowany z myślą o maksymalnej wydajności i szybkości, stawiając przepustowość ponad konserwację.

Według doniesień, proces obejmował kilka bezwzględnych kroków:

• Akwizycja hurtowa: Wydawanie milionów dolarów na zakup ogromnych ilości drukowanych materiałów piśmienniczych z rynków komercyjnych.
• Niszczące przygotowanie: Zamiast dokładnie skanować oprawione tomy, firma rzekomo odcinała grzbiety książek. Dzięki temu pojedyncze strony mogły być przepuszczane przez szybkie skanery przemysłowe z szybkością znacznie przewyższającą tradycyjne metody skanowania książek.
• Digitalizacja: Luźne strony zostały przekonwertowane na tekst nadający się do odczytu maszynowego, który następnie został zintegrowany z ogromnymi zestawami danych służącymi do udoskonalenia zdolności poznawczych Claude'a.
• Utylizacja: Po wyodrębnieniu tekstu pozostałe fizyczne fragmenty – pozbawione opraw – zostały wyrzucone jako odpady.

Wewnętrzny dokument planistyczny rzekomo opisywał projekt z przerażającą jasnością: „Projekt Panama to nasza próba destrukcyjnego skanowania wszystkich książek na świecie”, dodając: „Nie chcemy, żeby ktokolwiek wiedział, że nad tym pracujemy”.

Konsekwencje prawne i debata na temat „dozwolonego użytku”

Kontrowersje wokół Projektu Panama są nierozerwalnie związane z szerszą batalią prawną o prawa autorskie w erze sztucznej inteligencji. Firma Anthropic niedawno rozstrzygnęła potężny pozew o naruszenie praw autorskich, płacąc 1,5 miliarda dolarów. Chociaż sąd orzekł, że trenowanie modeli sztucznej inteligencji generalnie mieści się w ramach „dozwolonego użytku” – porównując proces uczenia się sztucznej inteligencji do człowieka, który studiuje istniejące dzieła, aby stworzyć coś nowego – sąd stwierdził jednak, że Anthropic naruszył prawa autorskie, utrzymując bibliotekę składającą się z 7 milionów pirackich książek.

Podczas gdy inni giganci sztucznej inteligencji, tacy jak OpenAI, Google i Meta, stanęli w obliczu podobnych pozwów dotyczących korzystania z bibliotek cyfrowych, Anthropic jest obecnie jedynym dużym graczem, który według doniesień fizycznie zniszczył fizyczne kopie książek, aby osiągnąć swoje cele w zakresie danych.

Odpowiedź Anthropic

W odpowiedzi na pytanie Tom's Guide, rzecznik Anthropic bronił praktyki pozyskiwania książek, zauważając, że jest to powszechne podejście w branży sztucznej inteligencji. Firma podkreśliła, że nie skupia się na rzadkich ani antykwarycznych woluminach, stwierdzając: „Żaden z naszych programów pozyskiwania danych nie kupuje ani nie niszczy „rzadkich” ani „antykwarycznych” książek. Kupujemy książki na regularnych rynkach komercyjnych”. W odniesieniu do sporów prawnych firma powołała się na ugodę z Bartz, utrzymując, że sądy potwierdziły legalność szkoleń AI w świetle prawa autorskiego.

Podstawowe kwestie etyczne

Ujawnienie Projektu Panama rodzi głębokie pytania etyczne. Chociaż firma twierdzi, że jej celem były jedynie popularne książki komercyjne, systematyczne niszczenie milionów obiektów fizycznych w celu uzyskania kopii cyfrowej tworzy niepewny precedens. Utrata literatury fizycznej, nawet w dużych ilościach, oznacza zmianę w kierunku świata, w którym oryginalne artefakty ludzkiej myśli są poświęcane, aby napędzać algorytmy, które mogą pewnego dnia zastąpić samych autorów.

W miarę rozwoju sztucznej inteligencji napięcie między potrzebą dostępu do danych a poszanowaniem własności fizycznej i intelektualnej pozostaje jednym z najważniejszych wyzwań dla sektora technologicznego.