AI-компании уничтожают старые книги для обучения искусственного интеллекта

Компании, разрабатывающие искусственный интеллект, за годы изъяли тексты для обучения из интернета. Но когда интернет начал захлёбываться в потоке текста, сгенерированного ИИ, некоторые фирмы обратили внимание на последний неиспорченный земной угол – полки с подержанными книгами. До 28 июля компания ISBNdb, владеющая одной из крупных баз данных книг, предлагала разработчикам ИИ до миллиона физических книг за заказ – от раритетов до узкоспециализированных, давно забытых изданий. От рекламных материалов с предложением подобрать книги, "идеально подходящие для ваших LLM" (это такие большие языковые модели), исходил почти заговорческий флёр – обязательство конфиденциальности, строгий NDA (договор о неразглашении), полное отсутствие информации о клиентах и целях их закупок. Причина секретности проста: превращение книги в AI-датасет нередко означает её физическое уничтожение – книгу разрезают, страницы прогоняют через промышленный сканер, оригинал выбрасывают или отправляют на переработку. К 28 июля страница ISBNdb исчезла, как и обещание NDA. Компания объяснила это сменой вектора развития. Но за короткий период ISBNdb успела приоткрыть завесу над тайной покупки книг для AI – и стало понятно, что этим уже давно и в промышленных масштабах занимается Anthropic. Судебные документы подтверждают: Anthropic закупила и отсканировала миллионы физических книг. Продавцы подержанных книг в США и Европе стали получать внезапные заказы на редкие и давно не издающиеся книги – явно не для коллекционеров. Неминуемо возникает ряд вопросов: почему старые книги — новая золотоносная жила «айтишников», как часто уничтожают оригиналы, и что остаётся после того, как страницы отправляются в AI? Во-первых, книги дают то, что сегодня практически не найти онлайн: стопроцентно человеческий текст. Проблема — современные AI слишком часто обучаются на результатах работы других AI, и без притока «чистых» данных могут начать повторять чужие ошибки и терять уникальную информацию. Учёные называют это «крахом модели». Старые книги выходят на арену как относительно «чистый» материал для ИИ: к их тексту никто не прикасался из чат-ботов и генераторов. Книги структурированы, отредактированы и содержат редкую, зачастую уникальную информацию. ISBNdb подчёркивала, что многие ценные издания ещё не оцифрованы. В предложениях компании полка доэпохи чат-ботов описывалась как последнее убежище годного обучающего материала. К слову, проект по конвертации книг в цифру не нов: ещё в 1970-х стартовал Project Gutenberg, позже – Google Books, создавший цифровой архив из более чем 40 миллионов томов, сформировался HathiTrust, и Internet Archive ведёт подобную работу с сохранением обложек и отсканированных страниц. Но не обязательно всё это становится публичным: пример книготорговца из Хьюстона, которому за раз заказали десятки малоизвестных изданий, показывает – часть книг оседает в частных «облачных кладовых», исчезая из публичного доступа. Самое жёсткое: Anthropic фактически уничтожал купленные книги – страницы отрезали от корешков, сканировали, а бумажные оригиналы выбрасывали. Суд в июне 2025 признал действия компании трансформативным использованием по «праву добросовестного применения», ибо у них на каждый цифровой файл был куплен и уничтожен один бумажный оригинал. За пиратство пришлось заплатить: 1,5 млрд долларов по коллективному иску. Авторы всё равно возмущены – их труд попал в капкан алгоритмов без их прямого согласия, а лицензирования никто не спрашивал. Для некоторых книголюбов самое тревожное – не юридические нюансы, а само уничтожение книг, особенно редких. Когда фотографии порезанных томов дошли до соцсетей, сравнения с «451 градус по Фаренгейту» и Александрийской библиотекой были неизбежны. Символизм сожжения книг всегда был сильнее, чем судьба обычных бумажек: от нацистских акций и до Бредбери. Даже Илон Маск не выдержал и велел своей команде аккуратно сканировать книги, не ломая им хребет. Дискуссия разворачивается: неужели оцифровка всё-таки лучше, чем исчезновение книги навсегда, если её в любом случае сдали бы в макулатуру? Но для издателей и авторов главное, что их труд уйдёт не в народ, а в частную базу AI, где за него заново никто не заплатит. Разработчики AI парируют: мы не заменяем книги, а переосмысляем их для обучения модели. ISBNdb закрыли страницу закупки, но нехватка чистых текстов ведёт инженеров обратно к книжным полкам. Останутся ли shelves полными — зависит от того, сумеют ли они выделить нужное, не опустошив последние залежи.