Firmy AI kupują i niszczą stare książki, by zdobyć dane wolne od sztucznej inteligencji

Z antykwariatów na całym świecie znikają setki tysięcy starych książek. Trafiają nie na półki nowych czytelników, lecz do skanerów, po czym są niszczone. Firmy trenujące duże modele językowe płacą za nie hurtowo, bo szukają czegoś, czego w internecie zaczyna brakować: tekstu napisanego przez ludzi, zanim sieć zalały treści generowane przez samą sztuczną inteligencję.

Zjawisko opisali dziennikarze Gazeta.pl, powołując się na doniesienia z antykwariatów w Polsce i za granicą. Skala zakupów jest na tyle duża, że część antykwariuszy zaczęła odmawiać współpracy z firmami, które nie kryją się z celem transakcji: książki mają posłużyć wyłącznie jako materiał treningowy dla modeli AI, a nie trafić z powrotem do obiegu czytelniczego.

Dlaczego akurat stare książki

Powód nie jest sentymentalny, tylko techniczny. Modele językowe kolejnych generacji trenowane są coraz częściej na danych, które same w dużej mierze pochodzą z internetu zalanego treściami wygenerowanymi przez wcześniejsze modele. Badacze nazywają ten proces model collapse, czyli degradacją jakości, w której algorytm powiela własne błędy, upraszcza wiedzę i stopniowo oddala się od wiarygodnych źródeł.

Książki wydane przed publicznym debiutem ChatGPT pod koniec 2022 roku stanowią więc rzadki zasób tekstu nieskażonego przez AI: spójną narrację, sprawdzoną terminologię specjalistyczną i język niepoprawiany przez algorytm. Dla laboratoriów AI to surowiec porównywalny z czystą wodą źródlaną w świecie zanieczyszczonych rzek danych internetowych.

Dlaczego niszczenie, a nie tylko skanowanie

Kluczowy jest sposób postępowania z fizycznym egzemplarzem po digitalizacji. Firmy nie odsprzedają zeskanowanych książek ani nie oddają ich do bibliotek, tylko rozcinają grzbiety i mielą papier. To nie przypadek, lecz konsekwencja wyroku w sprawie Bartz przeciwko Anthropic z 2025 roku, w którym amerykański sąd federalny uznał, że trenowanie AI na zeskanowanych książkach mieści się w granicach dozwolonego użytku, pod warunkiem że liczba kopii w obiegu się nie zwiększa.

Fizyczne zniszczenie oryginału jest więc dowodem, że doszło jedynie do zmiany nośnika, a nie do powielenia utworu. Anthropic prowadzi w tym celu operację o nazwie Project Panama, której celem jest zdigitalizowanie możliwie największej liczby istniejących książek świata. Wcześniej firma zapłaciła 1,5 miliarda dolarów ugody za wcześniejsze trenowanie modeli na pirackich bibliotekach cyfrowych, takich jak Books3.

Byłoby to zupełnie sprzeczne z moim rozumieniem roli antykwariusza - Marcin Gałązka, antykwariat Zakładka w Warszawie

Polski wątek

Zjawisko dotarło już do Polski. Kanadyjska firma Zoom Books, działająca jako Acirassi Books Ltd. i określająca się jako ekologiczny lider masowej odsprzedaży używanych książek, poszukuje ponad 800 tysięcy polskich tytułów oznaczonych numerem ISBN, kupowanych hurtowo, a nie pojedynczo. Oferty trafiły między innymi do warszawskiego antykwariatu Zakładka oraz wrocławskiego Szarlatana, prowadzonego przez Stanisława Karolewskiego. Obaj odmówili współpracy.

Marcin Gałązka ostrzegał, że tysiące książek wkrótce mogą trafić na zdigitalizowany przemiał. Aldona Mackiewicz z Toruńskiego Antykwariatu Księgarskiego zwróciła uwagę na inny problem: antykwariusze nie mają narzędzi, by zweryfikować, czy kupujący faktycznie zamierza odsprzedać książki czytelnikom, czy trafią one prosto do skanera.

Co to znaczy dla rynku

Dla wydawców i autorów sytuacja jest dwuznaczna. Z jednej strony sprzedaż hurtowa starych, często już niskonakładowych i trudno dostępnych tytułów przynosi antykwariuszom realny dochód. Z drugiej, książki znikają fizycznie z rynku wtórnego, a ich treść trafia wyłącznie do zamkniętych baz danych modeli AI, bez możliwości ponownego wypożyczenia czy zakupu egzemplarza przez czytelnika.

Podobne spory prawne toczą się już poza rynkiem antykwarycznym. Encyclopedia Britannica pozwała OpenAI, zarzucając firmie kopiowanie i naśladowanie treści encyklopedii przy trenowaniu modeli. Te sprawy pokazują, że granica między legalnym pozyskiwaniem danych treningowych a naruszeniem praw autorskich wciąż jest przedmiotem sporu w amerykańskich sądach, mimo korzystnego dla branży AI wyroku w sprawie Anthropic.

Na razie w Polsce nie ma przepisów regulujących wprost skup książek pod kątem trenowania sztucznej inteligencji, a decyzja o sprzedaży zbiorów zagranicznym firmom pozostaje w rękach poszczególnych antykwariuszy. Część z nich, jak Gałązka i Karolewski, traktuje odmowę jako kwestię zawodowej etyki, inni patrzą na transakcję czysto biznesowo.