Stare książki stały się paliwem dla AI. Anthropic zniszczył miliony egzemplarzy
Niemieckie antykwariaty zaczęły otrzymywać nietypowe, masowe zamówienia na używane książki. Sprzedawcy podejrzewają, że tomy są skupowane na potrzeby sztucznej inteligencji. Nie ma jednak dowodu, że stoi za tym któryś z największych producentów modeli AI.
Sprawę opisał szwajcarski nadawca SRF. Od początku maja część niemieckich antykwariatów internetowych miała otrzymywać duże zamówienia składane automatycznie w środku nocy. Kupowano zwykle po jednym egzemplarzu danego tytułu. Największym zainteresowaniem cieszyły się starsze książki z numerem ISBN, często od dawna zalegające w magazynach.
Za znaczną częścią zakupów miała odpowiadać kanadyjska firma Zoom Books. Antykwariusze podejrzewają, że książki mogą być skanowane i wykorzystywane jako dane treningowe. Spółka temu zaprzecza i twierdzi, że prowadzi zwykłą działalność handlową oraz recyklingową.
Niepotwierdzone pozostają także liczby pojawiające się w mediach. Informacja o około 700 tys. książek skupionych w Niemczech i 3 mln egzemplarzy na świecie jest szacunkiem jednego z antykwariuszy cytowanych przez SRF, a nie oficjalnym zestawieniem.
Sam pomysł kupowania papierowych książek po to, by zamienić je w dane, nie jest jednak teorią. Na dużą skalę zastosowała go firma Anthropic, twórca chatbota Claude.
Z dokumentów sądowych w sprawie Bartz v. Anthropic wynika, że spółka wydała miliony dolarów na zakup milionów drukowanych książek, często używanych. Zewnętrzni wykonawcy usuwali oprawy, przycinali kartki i przepuszczali je przez przemysłowe skanery. Papierowe egzemplarze trafiały później do recyklingu.
W ramach projektu Panama powstawały cyfrowe kopie książek oraz tekst rozpoznany maszynowo. Pliki trafiały do wewnętrznej biblioteki Anthropic. Nie każda publikacja musiała zostać użyta podczas trenowania Claude’a. Firma zachowywała jednak zbiór jako zasób dla kolejnych modeli.
„The Washington Post” podał, że jeden z wykonawców przygotowywał się do przetworzenia od 500 tys. do 2 mln książek w ciągu pół roku. Ostateczna liczba została częściowo utajniona, ale sąd potwierdził, że chodziło o miliony egzemplarzy.
Starsze książki są atrakcyjne dla branży AI, ponieważ zawierają zredagowany tekst i specjalistyczną wiedzę, której często brakuje na stronach internetowych. Publikacje sprzed upowszechnienia generatywnej AI nie są też zanieczyszczone treściami wytworzonymi przez wcześniejsze modele.
W czerwcu 2025 roku amerykański sąd uznał, że w tej konkretnej sprawie wykorzystanie książek do trenowania modeli Anthropic mieściło się w granicach fair use. Za dopuszczalne uznano również zastąpienie legalnie kupionego papierowego egzemplarza jedną kopią cyfrową, gdy oryginał został zniszczony, a pliku nie udostępniano poza firmą.
Inaczej oceniono miliony książek pobranych wcześniej z pirackich bibliotek, między innymi LibGen. W tej części sporu Anthropic zawarła ugodę o wartości 1,5 mld dolarów, nie przyznając się do naruszenia prawa.
Nie wiadomo, kto stoi za obecną falą zakupów w europejskich antykwariatach. Przypadek Anthropic pokazuje jednak, że destrukcyjne skanowanie książek na potrzeby AI jest już stosowaną praktyką.
