Firmy AI masowo skupują i niszczą stare książki w poszukiwaniu czystych danych

Sprzedawcy antykwariatów w kilku krajach Europy zauważyli w ostatnich miesiącach ten sam niepokojący wzorzec: ktoś zamawia hurtowo setki losowych, niszowych tytułów, płaci bez targowania się i nie pyta o stan okładki. Książki nie trafiają jednak do kolekcjonerów ani czytelników, tylko do skanerów przemysłowych, po czym są niszczone. Branża AI, wyczerpawszy łatwo dostępne zasoby internetu, sięgnęła po drukowane książki sprzed 2022 roku jako ostatnie źródło wiedzy stworzonej wyłącznie przez ludzi.

Sygnał alarmowy pierwsi wysłali antykwariusze w Holandii. Pieter de Vries z antykwariatu De Vries & De Vries w Haarlemie dostał e-mail od osoby przedstawiającej się jako Nataly z singapurskiej firmy 2077AI, z listą blisko trzech tysięcy tytułów do kupienia. Podobne zamówienia zaczęły napływać do sklepów w Niemczech, Szwajcarii i Hiszpanii, a lokalne media, od holenderskiego BNR po szwajcarski SRF, opisały to jako nowy, systematyczny model skupu.

Antykwariaty pod presją

Dla właścicieli antykwariatów to sytuacja niejednoznaczna. Z jednej strony masowe zamówienia oznaczają szybką gotówkę za książki, które latami stały na półkach bez nabywcy. Z drugiej, sprzedawcy nie mają pewności, co faktycznie dzieje się z egzemplarzami po transakcji, a podejrzenie, że unikatowe lub rzadkie wydania akademickie kończą jako makulatura po jednorazowym skanowaniu, budzi sprzeciw środowiska związanego z ochroną dziedzictwa piśmienniczego.

Kanadyjska firma Zoom Books działa inaczej niż 2077AI, bo nie wysyła list z tytułami, tylko codziennie, w środku nocy, skupuje losowe partie niszowych publikacji. Sama spółka opisuje tę działalność jako standardowy model recyklingu i handlu książkami, nie precyzując, kto ostatecznie kupuje zeskanowane dane.

Anthropic i Project Panama

Najpełniejszy obraz tego, jak wygląda taka operacja w dużej skali, dały odtajnione w tym roku dokumenty sądowe dotyczące Anthropic. Firma od 2024 roku prowadziła wewnętrznie nazwany Project Panama, w ramach którego zatrudniła Toma Harveya, wcześniej pracującego przy Google Books, kupowała zapasy od organizacji Better World Books i zlecała skanowanie, w tym niszczące, firmie Datamation. Skala zamówień sięgała od pół miliona do dwóch milionów woluminów w ciągu około sześciu miesięcy.

Sądowy spór o te praktyki zakończył się ugodą Anthropic z autorami książek na 1,5 miliarda dolarów, co nowosci.ai opisywało wcześniej. Nowe, odtajnione dokumenty pokazują jednak coś innego niż sama wysokość odszkodowania: skalę i metodyczność operacji pozyskiwania fizycznych książek, która okazuje się praktyką znacznie szerszą niż jeden przypadek jednej firmy.

Dlaczego akurat książki sprzed 2022 roku

Powód tej gorączki skupu tłumaczy się zjawiskiem model collapse. Modele językowe uczone na treściach, które same wygenerowały wcześniejsze modele, stopniowo tracą jakość, powielają błędy i stają się bardziej podatne na halucynacje. Internet po fali narzędzi generatywnych jest coraz mocniej zanieczyszczony takim materiałem, więc laboratoria AI szukają danych sprzed upowszechnienia się dużych modeli językowych, czyli sprzed mniej więcej 2022 roku, kiedy tekst w sieci i w druku był z założenia dziełem ludzi.

Drukowana książka ma nad tekstem internetowym dodatkową przewagę: przeszła przez redakcję, korektę i czas, co w oczach firm AI czyni ją bardziej wiarygodnym materiałem do nauki rozumowania i klarownego pisania niż fragmentaryczne, często niesprawdzone treści z sieci.

Sekret pod NDA

ISBNdb, dysponujący jedną z największych baz danych rynku wydawniczego, przekształcił się w pośrednika obsługującego zamówienia dla laboratoriów AI liczące od tysiąca do miliona egzemplarzy naraz, zawsze pod ścisłymi umowami o poufności. Serwis sam przyznaje na swojej stronie, że dyskrecja nie jest przypadkowa.

Problem wizerunkowy jest realny. "Firma AI niszczy dwa miliony książek" to nie jest nagłówek, który budzi sympatię - ISBNdb

Kwestię prawną rozstrzygnął już częściowo sędzia federalny William Alsup, który orzekł, że cyfryzacja zakupionej książki mieści się w granicach dozwolonego użytku, ponieważ fizyczny egzemplarz zostaje przy tym zniszczony, a nie powielony. Ten precedens daje firmom AI prawną podstawę do kontynuowania skupu i niszczenia na dużą skalę, mimo rosnącego oporu społecznego.

Co to oznacza dla rynku książki

Dla polskiego rynku książki używanej zjawisko na razie pozostaje odległe, ale mechanizm jest ten sam wszędzie: zapotrzebowanie na dane treningowe rośnie szybciej niż podaż nieskażonego tekstu, a antykwariaty na całym świecie siedzą na fizycznych zasobach, których internet nie ma. Jeśli praktyka opisana w Holandii, Niemczech, Szwajcarii i Hiszpanii się rozszerzy, kolejne rynki, w tym środkowoeuropejskie, mogą zobaczyć podobne, nagłe zainteresowanie kupców, których jedynym kryterium jest wolumen, a nie wartość kolekcjonerska.

Na razie największym pytaniem pozostaje to, ile rzadkich, niepowielonych nigdzie indziej wydań zniknęło już bezpowrotnie pod nożem przemysłowego skanera, zanim ktokolwiek zdążył je zdigitalizować w sposób nieniszczący. Środowisko antykwariuszy i bibliotekarzy zaczyna domagać się przejrzystości co do tego, kto kupuje i w jakim celu, ale przy zamówieniach chronionych klauzulami poufności trudno o pełny obraz skali zjawiska.