Tajemnicze hurtowe zamówienia książek rodzą pytania o szkolenie AI
Google News zwróciło uwagę na uderzający konflikt: sprzedawcy używanych książek otrzymują setki niepowiązanych ze sobą zamówień, lecz nikt nie ustalił, kim są stojący za nimi klienci. Sprzedawcy z Wielkiej Brytanii i Irlandii podejrzewają, że firmy AI lub ich podwykonawcy kupują mało znane książki do digitalizacji. Wzorce zakupowe przypominają znane projekty pozyskiwania danych dla AI, ale podobieństwo nie jest dowodem.
Zamówienia mają podobno obejmować różne tematy, języki, wydania i daty publikacji. Pochodziły od kupujących z Wielkiej Brytanii, Kanady, Europy kontynentalnej i Stanów Zjednoczonych. Jak twierdzą sprzedawcy, z którymi rozmawiano na potrzeby oryginalnego śledztwa, niektórzy klienci używali różnych nazwisk, kierując przesyłki w tę samą okolicę.
Tajemnica ma znaczenie, ponieważ Anthropic wcześniej kupił i w sposób niszczący zeskanował miliony książek na potrzeby rozwoju Claude. Akta sądowe wykazały, że pozyskiwanie fizycznych książek nie było jedynie hipotetyczną strategią. Pokazały też, dlaczego twórcy AI mogą preferować kupione książki od pirackich bibliotek cyfrowych.
Sednem sporu nie są więc księgarze przeciwko jednej zidentyfikowanej firmie technologicznej. Chodzi o udokumentowane zachowania zakupowe w zestawieniu z nieprzejrzystym łańcuchem dostaw. Transakcje są realne, lecz ich przypuszczalne przeznaczenie pozostaje niezweryfikowane.
Co Google News ujawniło o zamówieniach książek
Nietypowa nie jest wyłącznie wielkość zamówień. Chodzi o połączenie niepowiązanych tytułów, powracających kupujących i skoncentrowanych wzorców dostaw.
Stuart Manley, współwłaściciel Barter Books w Alnwick, powiedział Guardianowi, że zamówienia zaczęły napływać około trzech miesięcy przed sierpniowym reportażem. Zwykłe zamówienia hurtowe często dotyczą rozpoznawalnych tematów, takich jak transport, sport, historia wojskowości czy studia regionalne.
Te prośby nie miały takiego charakteru. Jedna z opisywanych list obejmowała estońskie tłumaczenie The Mission Song Johna le Carré, konkretne wydanie Agnes Grey Anne Brontë oraz numer magazynu Warship z października 1983 roku. Ich jedyną oczywistą wspólną cechą było to, że każdy egzemplarz można było osobno skatalogować.
Manley powiedział, że jego firma sprzedała setki książek trzem kupującym. Wybory nie wydawały się powiązane odbiorcami, tematyką, formatem ani oczekiwanym popytem odsprzedażowym. Ta przypadkowość skłoniła go do zastanowienia, czy listy nie zostały stworzone przez maszynę, a nie ludzkiego kuratora.
Jim Shaughnessy, właściciel MW Books w Claregalway, opisał podobny schemat, który zaczął się w maju. Prośby obejmowały wszystko — od książek o narzędziach rolniczych w XVIII-wiecznej Afryce po biografie kierowców wyścigowych z lat 50.
Takie zestawienia byłyby nietypowe dla prywatnego kolekcjonera. Byłyby też nieefektywne dla tradycyjnego sprzedawcy próbującego zbudować spójny katalog. Mają jednak większy sens, jeśli kupujący wypełnia luki w dużym cyfrowym korpusie.
David Gower-Spence, właściciel BookLovers of Bath, zgłosił falę zamówień między majem a lipcem. Dotyczyły one około 200 książek, a niektórzy kupujący mieli podobno pojawiać się na kontach innych księgarzy.
Jeden anonimowy sprzedawca powiedział Guardianowi, że odrębne tożsamości klientów czasami kierowały przesyłki pod ten sam adres. Kod pocztowy dostawy przeanalizowany przez gazetę wskazywał na magazyny frachtowe w pobliżu lotniska Heathrow.
Ten szczegół sugeruje konsolidację, ale nie ustala ostatecznego miejsca przeznaczenia. Obiekty frachtowe rutynowo obsługują przesyłki dla odsprzedawców, firm recyklingowych, bibliotek, eksporterów i prywatnych instytucji. Podwykonawca AI jest jednym z kilku możliwych klientów.
Zasięg geograficzny pogłębia zagadkę. Księgarze w Australii, Niemczech, Niderlandach, Wielkiej Brytanii i Irlandii opisywali podobnie szerokie zamówienia. Niektóre obejmowały datowane podręczniki, historie regionalne, konkretne tłumaczenia lub wydania wyczerpane nakładem.
Tradycyjne zakupy biblioteczne również mogłyby stworzyć ekscentryczną listę. Instytucje czasem budują kompleksowe kolekcje, zastępują brakujące tomy lub kupują inwentarze przekazanych bibliotek. Firmy zajmujące się recyklingiem używanych książek także kupują zapasy hurtowo, a następnie je sortują, odsprzedają, eksportują lub przerabiają na makulaturę.
Najsilniejszym sygnałem pozostaje zatem wzorzec występujący u wielu sprzedawców. Najsłabszym elementem jest przypisanie odpowiedzialności. Agregacja Google News szybko rozpowszechniła nagłówek Guardiana, ale dostępne dowody nadal nie wskazują laboratorium AI.
To rozróżnienie powinno kształtować każdy wniosek. Historia dokumentuje nietypowy popyt na używane książki. Nie dokumentuje, kto zlecił ten popyt ani jak książki zostaną wykorzystane.
Dlaczego twórcy AI nadal chcą mało znanych książek
Książki oferują ustrukturyzowany, redagowany i często rzadki język, którego zbiory danych z otwartego internetu nie mogą niezawodnie zastąpić.
Duże modele językowe uczą się zależności statystycznych na rozległych zbiorach tekstu. Szkolenie nie działa jak przechowywanie przeszukiwalnej półki z książkami, choć modele mogą czasem odtwarzać fragmenty napotkane w danych.
Twórcy cenią książki, ponieważ zawierają rozbudowane argumentacje, redagowaną prozę, specjalistyczne słownictwo i wiedzę, która mogła nigdy nie trafić do publicznego internetu. Starsze historie regionalne i podręczniki techniczne mogą obejmować tematy ledwo reprezentowane online.
Mało znane książki mogą być szczególnie atrakcyjne, ponieważ otwarty internet staje się coraz bardziej powtarzalny. Strony zoptymalizowane pod wyszukiwarki parafrazują inne strony, witryny niskiej jakości kopiują materiały referencyjne, a tekst generowany przez AI trafia do nowych internetowych zbiorów danych.
Zeskanowana książka może zapewnić czystszą próbkę historyczną. Może też wypełnić precyzyjną lukę katalogową zidentyfikowaną przez International Standard Book Number, czyli ISBN. ISBN to unikalny identyfikator handlowy przypisany konkretnemu wydaniu książki.
Jeśli kupujący ma już bazę danych brakujących ISBN-ów, automatyzacja zakupów staje się prosta. Oprogramowanie może porównać listę docelową z ofertami na platformach handlowych, wybrać dostępne egzemplarze i kierować je do obiektów konsolidacyjnych.
Mechanizm ten wyjaśniałby, dlaczego sprzedawcy widzą dziwne zestawienia. Oprogramowanie optymalizowałoby pokrycie katalogu, stan, dostępność i koszt wysyłki. Nie obchodziłoby go, czy dwie książki łączy czytelny dla człowieka temat.
Konkretne wydania mogą mieć znaczenie, ponieważ różnią się paginacją, tłumaczeniem, ilustracjami, wstępami i materiałami uzupełniającymi. Baza danych dążąca do pełnego pokrycia może traktować dwa wydania tego samego tytułu jako odrębne obiekty.
Popyt ten nie ogranicza się do wstępnego szkolenia modelu, czyli początkowego procesu uczącego model szerokich wzorców językowych. Zdigitalizowane książki mogą wspierać ewaluację, systemy wyszukiwania informacji, wyspecjalizowane zbiory danych, indeksy wyszukiwania i badania po szkoleniu.
Twórca modelu może nie kupować książek bezpośrednio. Między księgarnią a ostatecznym klientem mogą znajdować się brokerzy danych, dostawcy usług skanowania, firmy recyklingowe, przedsiębiorstwa logistyczne lub operatorzy baz danych.
Taka możliwość utrudnia ustalenie odpowiedzialności. Sprzedawca detaliczny może widzieć jedynie nazwę konta i miejsce wysyłki. Nawet bezpośredni nabywca może obsługiwać kilka branż lub odsprzedawać zapasy wieloma kanałami.
Najmocniejszy precedens stanowi Anthropic. Ujawnione dokumenty prawne pokazały, że firma prowadziła projekt pozyskiwania fizycznych książek, znany wewnętrznie jako Project Panama.
Według śledztwa opartego na aktach sądowych, Anthropic wydał dziesiątki milionów dolarów na pozyskanie milionów książek. Pracownicy usuwali grzbiety, skanowali strony i przekazywali pozostały materiał do recyklingu.
Wewnętrzny dokument planistyczny opisywał ambicję zeskanowania wszystkich książek świata. Operacja miała pozyskiwać legalnie nabyte fizyczne egzemplarze po tym, jak firma zebrała już książki z nieautoryzowanych bibliotek internetowych.
Ten udokumentowany projekt sprawia, że obecne podejrzenia są wiarygodne. Nie dowodzi jednak, że Anthropic ani żaden inny wskazany twórca zlecił zamówienia trafiające obecnie do niezależnych sprzedawców.
Inni kupujący mogą dostrzegać tę samą okazję. Firma skanująca może agregować mało znane książki i sprzedawać dostęp cyfrowy, metadane lub usługi przetwarzania. Firma recyklingowa może wydobywać wartościowe tytuły przed przerobieniem niechcianych zapasów na makulaturę.
Czytelnicy Google News powinni więc oddzielać motyw od tożsamości. Twórcy AI mają wyraźny powód, by szukać książek, podczas gdy tożsamość tych konkretnych kupujących pozostaje ukryta.
Rzeczywisty konflikt dotyczy legalnego zakupu kontra przejrzyste wykorzystanie
Zakup fizycznego egzemplarza może wzmocnić pozycję prawną firmy, nie odpowiadając na pytanie, czy autorzy wyrazili zgodę na szkolenie AI.
Postępowanie sądowe dotyczące Anthropic ustaliło ważne rozróżnienie między pozyskaniem książki a wykorzystaniem jej treści. Sędzia Sądu Okręgowego USA William Alsup uznał, że szkolenie modeli na książkach może w rozpatrywanych przez niego okolicznościach kwalifikować się jako transformacyjne dozwolone wykorzystanie.
Sędzia potraktował legalnie zakupione przez Anthropic książki inaczej niż miliony plików pozyskanych za pośrednictwem nieautoryzowanych bibliotek cieni. Biblioteka cieni rozpowszechnia utwory chronione prawem autorskim bez zgody ich właścicieli praw.
Opinia z czerwca 2025 roku stwierdziła, że Anthropic mógł digitalizować zakupione książki na potrzeby swojej centralnej biblioteki i szkolenia modeli. Firma nadal jednak mierzyła się z roszczeniami związanymi z pirackimi kopiami przechowywanymi w jej zbiorach.
Anthropic później zgodził się na ugodę w wysokości 1,5 miliarda dolarów dotyczącą zarzutów piractwa. Ugoda nie uchyliła ustalenia sądu dotyczącego dozwolonego wykorzystania podczas szkolenia na legalnie pozyskanym materiale.
Taki podział tworzy bezpośrednią zachętę do kupowania fizycznych książek. Udokumentowana transakcja zapewnia czystsze pochodzenie niż anonimowe pobranie ze strony z piracką treścią. Pochodzenie dokumentuje, skąd pochodził materiał i jak został pozyskany.
Posiadanie fizycznego egzemplarza nie przenosi automatycznie praw autorskich. Zakup powieści pozwala właścicielowi czytać, pożyczać, odsprzedawać lub pozbyć się tego egzemplarza. Nie daje nieograniczonych praw do reprodukcji.
Dozwolony użytek może jednak zezwalać na pewne kopiowanie zgodnie z prawem USA. Sądy ważą cel, charakter, zakres wykorzystania i wpływ na rynek. Sprawy dotyczące szkolenia AI sprawdzają, jak czynniki te mają zastosowanie w rozwoju modeli.
Amerykańskie Biuro Praw Autorskich ostrzega przed uniwersalnymi odpowiedziami. Jego analiza szkolenia wskazuje, że wyniki zależą od czynników obejmujących materiał źródłowy, cel wykorzystania, zabezpieczenia dotyczące wyników oraz wpływ na rynki licencjonowania.
Obraz prawny zmienia się również między jurysdykcjami. Transakcja rozpoczynająca się w Wielkiej Brytanii lub Irlandii może obejmować skanowanie gdzie indziej, przechowywanie w innym kraju i szkolenie modelu w Stanach Zjednoczonych.
Różne jurysdykcje przewidują różne wyjątki dotyczące eksploracji tekstu i danych. Warunki umowne, prawa do baz danych, okres ochrony praw autorskich i cel komercyjny mogą dodatkowo komplikować analizę.
Dla księgarzy natychmiastowa decyzja jest prostsza, lecz emocjonalnie trudna. Są właścicielami zapasów i mogą zasadniczo sprzedawać je chętnym klientom. Wielu uważa się jednak także za opiekunów materiału kulturowego.
Obawy stają się większe, gdy zamawiany egzemplarz jest rzadki. Zniszczenie jednego powszechnego paperbacka ma niewielki wpływ na publiczny dostęp. Zniszczenie rzadziej spotykanej historii regionalnej lub specjalistycznego wydania może usunąć z obiegu ważny egzemplarz.
„Rzadkie” również wymaga ostrożnego traktowania. Nakład wyczerpany nie zawsze oznacza, że książka jest niezastąpiona, wartościowa lub wyjątkowa. Tysiące egzemplarzy mogą przetrwać w prywatnych kolekcjach, bibliotekach i magazynach.
Z kolei książka niedroga pod względem finansowym może zachowywać informacje, które trudno znaleźć gdziekolwiek indziej. Cena rynkowa jest niedoskonałą miarą wartości historycznej lub badawczej.
Księgarze stają więc wobec sprzecznych sygnałów. Duże zamówienia mogą rozruszać zalegający towar i wspierać firmy działające na niskich marżach. Te same zamówienia mogą ograniczać dostępność dzieł cenionych przez księgarnie, kolekcjonerów i badaczy.
Spór prawny koncentruje się na reprodukcji i trenowaniu modeli. Obawy księgarzy rodzą dodatkowe pytanie o ochronę zbiorów: czy kupujący powinien ujawniać zamiar destrukcyjnej digitalizacji przy nabywaniu materiałów o znaczeniu kulturowym?
Nie istnieje ogólna zasada wymagająca takiego ujawnienia. Wymaganie od każdego klienta wyjaśniania zakupu stwarzałoby również problemy dotyczące prywatności i administracji.
Możliwe byłoby węższe podejście. Sprzedawcy mogliby poddawać dodatkowej weryfikacji książki z autografem, materiały archiwalne, unikatowe adnotacje, historie lokalne oraz wydania o ograniczonej dostępności w instytucjach.
Nadal nie rozwiązałoby to szerszego problemu przejrzystości. Firmy czerpiące wartość ze zdigitalizowanych książek mogą pozostawać kilka warstw umownych dalej od księgarni, które je dostarczają.
Czego nie potwierdzają dowody
Wyjaśnienie związane z AI pasuje do znanych zachowań, ale w publicznie dostępnych materiałach brakuje dokumentów potrzebnych, by przejść od podejrzeń do przypisania odpowiedzialności.
Żadna wskazana z nazwy firma AI nie przyznała, że zleciła opisywane zamówienia. Żaden księgarz nie opublikował umowy łączącej kupującego z Anthropic, OpenAI, Google, Meta lub innym twórcą modeli.
Nie ma też publicznego rejestru przesyłek śledzącego drogę książek z brytyjskich lub irlandzkich księgarni do zakładu skanowania. Magazyn w pobliżu Heathrow może konsolidować międzynarodowy fracht, nie znając jego ostatecznego przeznaczenia.
Niektórzy sprzedawcy wskazali Zoom Books jako jednego ze swoich klientów. Kanadyjska firma przedstawia się jako recykler książek, a sprzedawcy w kilku krajach dyskutowali o zamówieniach z nią powiązanych.
Udział recyklera nie dowodziłby związku z AI. Firmy zajmujące się używanymi książkami już teraz kupują, sortują, odsprzedają, eksportują, przekazują w darze i przerabiają na makulaturę duże ilości książek w ramach zwykłej działalności.
Usunięte treści marketingowe, nieprzejrzyste aliasy lub nietypowe wzorce zakupowe mogą uzasadniać dalsze pytania. Żaden z tych elementów samodzielnie nie ustala, kto finansował zamówienia ani co stało się po dostawie.
Wybory mogą wynikać z automatycznej analizy odsprzedaży. Kupujący mógłby skanować oferty na platformach handlowych w poszukiwaniu różnic cenowych, popytu instytucjonalnego, próśb o egzemplarze zastępcze lub możliwości eksportowych.
Mogą też służyć prywatnej bibliotece lub projektowi digitalizacyjnemu niezwiązanemu z generatywną AI. Uniwersytety, serwisy genealogiczne, grupy zajmujące się ochroną dziedzictwa i wyspecjalizowane bazy danych poszukują trudno dostępnych materiałów.
Sama skala stanowi ograniczony dowód. Niezależni sprzedawcy zauważają nagłe zamówienia na 200 lub 500 książek, ponieważ mogą one zakłócić normalną realizację. Duży odsprzedawca może uznawać ten sam wolumen za rutynowy.
Bardziej sugestywna jest chronologia. Relacje zaczęły się rozprzestrzeniać po tym, jak dokumenty sądowe ujawniły destrukcyjny projekt skanowania Anthropic. To ujawnienie dało księgarzom konkretną ramę do interpretowania nieznanych zamówień.
Może ono również prowadzić do błędu potwierdzenia. Gdy sprzedawcy wiedzą, że jedna firma AI zeskanowała miliony książek, każde nieregularne zamówienie może wydawać się powiązane z tą samą branżą.
Nie oznacza to, że obawy są bezpodstawne. Oznacza to, że relacjonowanie powinno weryfikować hipotezę za pomocą dokumentów, zamiast wzmacniać ją przez powtarzanie.
Jednym z użytecznych testów byłoby porównanie list kupujących u różnych sprzedawców. Wspólni operatorzy płatności, rejestracje firm, numery telefonów, jednostki magazynowe i konta do przekazywania przesyłek mogłyby ujawnić, czy pozornie różni klienci należą do jednej sieci.
Inny test polegałby na śledzeniu oznaczonej lub w inny sposób identyfikowalnej przesyłki, za odpowiednią zgodą i z zachowaniem zabezpieczeń prawnych. Jej trasa mogłaby odróżnić krajową odsprzedaż od międzynarodowej konsolidacji.
Reporterzy mogliby również zbadać deklaracje celne i dokumentację zakupową firm. Wykonawca skanowania obsługujący miliony książek potrzebowałby obiektów, sprzętu, pracowników, przetwarzania odpadów oraz zdolności logistycznych.
Twórcy modeli mogliby ograniczyć niepewność poprzez dobrowolne ujawnienia. Mogliby publikować zasady pozyskiwania materiałów, wskazywać głównych dostawców danych, opisywać zabezpieczenia ochrony zbiorów i rozróżniać materiały kupione od licencjonowanych kolekcji.
Obecna nieprzejrzystość nie przynosi korzyści żadnej ze stron. Księgarze nie mogą podejmować świadomych decyzji, autorzy nie mogą ocenić potencjalnych zastosowań, a firmy AI spotykają się z podejrzeniami nawet wtedy, gdy zakupy mają niezwiązane z nimi cele.
Niedawne postępowania sądowe przeciwko dużym twórcom modeli pogłębiają tę nieufność. W lipcu wydawcy oskarżyli Google o wykorzystywanie chronionych prawem autorskim książek do trenowania Gemini bez zezwolenia. Zarzuty pozostają sporne, lecz pozew dotyczący Gemini pokazuje, że pochodzenie książek stało się obecnie istotną kwestią prawną.
Ten kontekst wyjaśnia, dlaczego artykuł Guardiana szeroko rozszedł się za pośrednictwem Google News. Łączy on widoczny wzorzec sprzedaży detalicznej z ukrytą częścią łańcucha dostaw AI.
Mimo to odpowiedzialny wniosek pozostaje wąski. Tajemniczy kupujący nabywają nietypowe kolekcje książek. Trenowanie AI jest wiarygodnym wyjaśnieniem, a nie ustalonym faktem.
Kto odczuwa presję nowego popytu
Zamówienia stawiają księgarzy na styku komercyjnego przetrwania, ochrony dziedzictwa kulturowego i branży AI spragnionej możliwych do prześledzenia danych.
Niezależni sprzedawcy mogą z zadowoleniem przyjąć klienta kupującego wolno rotujący towar. Każda książka stojąca na półce zajmuje miejsce, wymaga pracy i czasu na katalogowanie oraz wiąże kapitał obrotowy.
Nagłe zamówienie może też przytłoczyć niewielką firmę. Pracownicy muszą odnaleźć każde wydanie, zweryfikować jego stan, zapakować je, skorygować błędy w ofertach i obsłużyć komunikację na platformach handlowych.
Gdy zamówienia napływają przez odrębne konta, sprzedawcy mogą nie dostrzec ich łącznej skali, dopóki nie rozpocznie się realizacja. Wiele paczek może ostatecznie trafić do jednego magazynu pośredniczącego.
Platformy handlowe stoją przed inną presją. Ich systemy zaprojektowano, by łączyć indywidualnych kupujących z rozproszonymi zapasami. Zautomatyzowane programy uzupełniania luk mogą przekształcić te platformy w sieci zaopatrzeniowe.
Platformy mogłyby identyfikować nietypowe skupiska zamówień bez publicznego ujawniania danych klientów. Mogłyby ostrzegać sprzedawców, gdy kilka kont współdzieli punkt dostawy lub wydaje się kontrolowanych przez jedną organizację.
Takie monitorowanie musi unikać traktowania legalnych zakupów hurtowych jako niewłaściwego działania. Biblioteki, szkoły, produkcje filmowe, projektanci wnętrz i eksporterzy regularnie składają duże lub eklektyczne zamówienia.
Wydawcy i autorzy mierzą się z bardziej fundamentalnym problemem. Sprzedaż z drugiej ręki zwykle nie generuje nowej tantiemy, ale też nie tworzy skalowalnego zasobu pochodnego.
Digitalizacja zmienia to równanie. Jeden zakupiony egzemplarz może stać się częścią zbioru danych wykorzystywanego w kolejnych procesach trenowania, ewaluacjach lub komercyjnych usługach modelowych.
Twórcy AI odczuwają presję, by dokumentować zgodne z prawem pozyskiwanie materiałów. Pirackie zbiory danych są tanie i wszechstronne, ale postępowania sądowe sprawiły, że ich koszty prawne i reputacyjne trudniej ignorować.
Kupowanie fizycznych książek oferuje łatwiejszą do obrony drogę. Wprowadza jednak koszty logistyczne, błędy skanowania, wykrywanie duplikatów, kwestie przechowywania oraz kontrolę dotyczącą niszczenia egzemplarzy.
Biblioteki i archiwa mogą stać się cichą przeciwwagą. Mogą zachować dostęp nawet wtedy, gdy egzemplarze znikają z rynku, lecz ich zbiory nie są uniwersalne ani trwale gwarantowane.
Rzadkie dzieła lokalne niosą największe ryzyko. Historia regionalna może mieć ograniczony popyt komercyjny, pozostając jednocześnie wartościowa dla genealogów, historyków i badaczy społeczności lokalnych.
Digitalizacja może zachować jej słowa, jednocześnie niszcząc jej fizyczny kontekst. Notatki na marginesach, oprawy, papier, inskrypcje, dołączone dokumenty i różnice drukarskie mogą zawierać informacje, których optyczne rozpoznawanie znaków nie wychwytuje.
Ta różnica ma znaczenie, gdy kupujący traktują każdą książkę jako zamienny materiał treningowy. Korpus tekstowy ceni możliwy do wyodrębnienia język, podczas gdy archiwum ceni kompletny obiekt i jego historię.
Konfliktu nie rozwiąże uznanie, że każde niszczenie książek jest niedopuszczalne. Biblioteki wycofują duplikaty ze zbiorów, wydawcy przerabiają niesprzedane nakłady na makulaturę, a recyklerzy każdego dnia przetwarzają uszkodzone tomy.
Brakującym elementem jest świadoma selekcja. Hurtowy kupujący optymalizujący pokrycie ISBN może nie rozpoznać, które egzemplarze zasługują na zachowanie przed destrukcyjnym skanowaniem.
Księgarze mogą pomóc w identyfikowaniu takich przypadków, lecz nie mogą ponosić tej odpowiedzialności sami. Ich katalogi mogą pomijać proweniencję, adnotacje lub cechy charakterystyczne dla konkretnego wydania, dopóki ktoś fizycznie nie sprawdzi każdego tomu.
Standardy branżowe mogłyby wymagać od wykonawców skanowania sprawdzania egzemplarzy z autografami, unikatowych rękopisów, adnotacji i rzadkich wydań. Cenne znaleziska można byłoby kierować do niedestrukcyjnego skanowania lub do archiwów.
Firmy AI mogłyby także finansować egzemplarze ochronne. Jeśli projekt niszczy jedną nabytą książkę, mógłby wspierać przekazanie innego egzemplarza lub wysokiej jakości cyfrowego substytutu dostępnej instytucji.
Te zabezpieczenia nie rozstrzygnęłyby sporów dotyczących praw autorskich. Dotyczyłyby odrębnej kwestii: zapobiegania temu, by wyścig w pozyskiwaniu danych po cichu usuwał rzadkie fizyczne zapisy.
Dla pracowników wiedzy ta sytuacja przypomina, że cyfrowe odpowiedzi mają własne łańcuchy dostaw. Odpowiedź chatbota może pośrednio czerpać z pracy autorów, redaktorów, sprzedawców, skanerów, katalogujących i pracowników logistyki, których użytkownicy nigdy nie widzą.
Przechowywanie dokumentów źródłowych i informacji o pochodzeniu w osobistej bazie wiedzy stanowi jedną z praktycznych odpowiedzi. Pozwala użytkownikom odróżnić płynną odpowiedź modelu od dowodów, które mogą samodzielnie sprawdzić.
Trzy sygnały, które mogą potwierdzić lub osłabić teorię AI
Kolejny etap powinien skupić się na tożsamości kupujących, miejscach docelowych przesyłek oraz dowodach destrukcyjnego skanowania.
Pierwszym sygnałem jest zweryfikowany związek umowny. Faktura, umowa zakupowa, zapis płatności lub potwierdzenie dostawcy łączące kupujących z twórcą AI znacząco wzmocniłyby tę teorię.
Znaczenie miałoby także powiązanie z dostawcą usług skanowania, zwłaszcza jeśli ten dostawca oferuje zbiory danych lub usługi digitalizacji twórcom modeli. Nadal wymagałoby to dowodu, że opisywane książki trafiły do projektu AI.
Jeśli dochodzenia powiążą zakupy ze zwykłą odsprzedażą, recyklingiem lub klientami tworzącymi prywatne biblioteki, główne twierdzenie osłabnie. Dziwny wzorzec selekcji mógłby wówczas odzwierciedlać zautomatyzowany handel, a nie trenowanie modeli.
Drugim sygnałem jest fizyczna trasa książek. Dostawy trafiające do magazynów frachtowych niewiele mówią czytelnikom, dopóki śledczy nie ustalą kolejnego miejsca docelowego.
Powtarzające się przesyłki do przemysłowych ośrodków skanowania, wykonawców danych lub zakładów destrukcyjnej digitalizacji wspierałyby podejrzenia księgarzy. Powtarzające się przesyłki do magazynów odsprzedażowych wskazywałyby na coś innego.
Dokumentacja celna, dane o najmie powierzchni magazynowych i dokumenty logistyczne mogą pomóc ustalić tę trasę. Sprzedawcy mogą również prywatnie porównywać dane dotyczące dostaw za pośrednictwem stowarzyszeń branżowych.
Trzecim sygnałem byłoby ujawnienie informacji przez firmę AI lub pośrednika. Twórcy mogliby oświadczyć, czy obecnie kupują używane książki, z których dostawców korzystają i czy skanowanie niszczy oryginały.
Zaprzeczenie powinno być wystarczająco konkretne, by można je było ocenić. Stwierdzenie, że firma przestrzega obowiązującego prawa, nie odpowiadałoby na pytanie, czy wykonawcy kupują i skanują książki w jej imieniu.
Warto także obserwować nowe dokumenty sądowe. Pozwy dotyczące praw autorskich wielokrotnie ujawniały wewnętrzne praktyki pozyskiwania materiałów, których firmy wcześniej publicznie nie omawiały.
Dokumenty Anthropic zmieniły sposób, w jaki sprzedawcy interpretują zamówienia hurtowe, ponieważ ujawniły kompletny mechanizm. Fizyczne książki były pozyskiwane, pozbawiane opraw, skanowane, digitalizowane i poddawane recyklingowi na masową skalę.
Podobne dokumenty dotyczące innych firm wzmocniłyby szerszy wniosek, że rynki wtórne stały się infrastrukturą pozyskiwania danych dla AI.
Ich brak nie dowodziłby jednak czegoś przeciwnego. Prywatne umowy mogą pozostawać ukryte, a pośrednicy mogą zacierać ślady prowadzące do ostatecznych klientów. Mimo to dowody muszą ostatecznie wyjść poza dopasowywanie wzorców.
Czytelnicy, którzy trafiają na tę historię za pośrednictwem Google News, powinni mieć na uwadze obie te rzeczywistości. Firmy zajmujące się AI wykazały silny apetyt na książki, a jeden z czołowych twórców prowadził destrukcyjne skanowanie na ogromną skalę.
Jednocześnie obecne brytyjskie i irlandzkie zamówienia pozostają bez przypisanego nabywcy. Sprzedawcy udokumentowali nietypowe zachowania, lecz nie tożsamość ani cel ostatecznego kupującego.
Ta luka w weryfikacji jest najważniejszym elementem tej historii. Ujawnia, jak niewielka przejrzystość otacza fizyczne łańcuchy dostaw zasilające modele cyfrowe.
W nadchodzących miesiącach warto wypatrywać wspólnych rejestrów nabywców, możliwych do prześledzenia miejsc docelowych transportu oraz ujawnień dotyczących zamówień. Sygnały te rozstrzygną, czy mamy do czynienia z siecią pozyskiwania danych dla AI, czy z nietypowym cyklem w globalnym handlu używanymi książkami.
Do tego czasu traktujmy zamówienia hurtowe jako wiarygodny trop, a nie rozwiązaną sprawę. Zachowujmy materiały źródłowe, śledźmy logistykę i pytajmy, kto zyskuje, gdy fizyczna książka staje się niewidzialnymi danymi treningowymi.
