Κάπου ανάμεσα σε ένα παλαιοβιβλιοπωλείο της Ολλανδίας και ένα data center στις Ηνωμένες Πολιτείες, ένα παλιό βιβλίο αλλάζει χρήση. Αγοράζεται μαζί με εκατοντάδες φαινομενικά άσχετους τίτλους, αποστέλλεται σε μια εγκατάσταση ψηφιοποίησης και τοποθετείται σε ένα μηχάνημα που αφαιρεί τη ράχη του. Οι σελίδες του σαρώνονται με μεγάλη ταχύτητα, μετατρέπονται σε ψηφιακό κείμενο και προστίθενται στο υλικό εκπαίδευσης ενός μοντέλου τεχνητής νοημοσύνης. Το έντυπο αντίτυπο καταλήγει, τεμαχισμένο, στην ανακύκλωση.
Η διαδικασία ονομάζεται destructive scanning και εξελίσσεται σε μία από τις πιο αλλόκοτες παρενέργειες της κούρσας για ισχυρότερα μοντέλα AI. Καθώς τα εργαστήρια εξαντλούν τις εύκολα προσβάσιμες πηγές του διαδικτύου, οι εταιρείες στρέφονται στα ράφια των βιβλιοπωλείων αναζητώντας καλογραμμένο, επιμελημένο και θεματικά εξειδικευμένο κείμενο.
Tο Ars Technica αποκάλυψε ότι η Anthropic είχε δαπανήσει εκατομμύρια δολάρια για την απόκτηση βιβλίων στο πλαίσιο μιας επιχείρησης με την κωδική ονομασία Project Panama.
Τα παλαιότερα βιβλία έχουν, άλλωστε, ιδιαίτερη αξία σήμερα. Τίτλοι που κυκλοφόρησαν πριν από τη μαζική εξάπλωση των generative AI εργαλείων προσφέρουν περιεχόμενο απαλλαγμένο από συνθετικό κείμενο. Σε ένα διαδίκτυο που γεμίζει με άρθρα, αναρτήσεις και περιγραφές προϊόντων παραγόμενες από μοντέλα, τα έντυπα της προ-LLM εποχής λειτουργούν ως ένα είδος «καθαρού» αποθέματος ανθρώπινης γραφής.
Η πλήρης έκταση της πρακτικής παραμένει δύσκολο να υπολογιστεί. Οι εταιρείες που αγοράζουν τα βιβλία σπάνια δημοσιοποιούν τις σχετικές επιχειρήσεις και οι προμηθευτές τους προσφέρουν συχνά εμπιστευτικότητα.
Τα τεκμήρια, ωστόσο, σχηματίζουν ήδη μια αρκετά καθαρή εικόνα: από τα δικαστικά έγγραφα που αποκάλυψαν τη βιομηχανική κλίμακα της επιχείρησης της Anthropic έως την εμφάνιση υπηρεσιών μαζικής προμήθειας βιβλίων και τις ύποπτες παραγγελίες που καταγράφουν σήμερα παλαιοβιβλιοπώλες σε ολόκληρη την Ευρώπη.
Η βιβλιοθήκη που έγινε γραμμή παραγωγής
Η πιο σαφώς καταγεγραμμένη περίπτωση αποκαλύφθηκε το 2025 μέσα από την αμερικανική δικαστική υπόθεση Andrea Bartz, Charles Graeber και Kirk Wallace Johnson v. Anthropic PBC. Η απόφαση του ομοσπονδιακού δικαστηρίου της Βόρειας Περιφέρειας της Καλιφόρνιας περιγράφει πώς η εταιρεία πίσω από το Claude αγόραζε έντυπα βιβλία, αφαιρούσε τις βιβλιοδεσίες τους, έκοβε τις σελίδες σε κατάλληλες διαστάσεις, τις σάρωνε και πετούσε τα φυσικά αντίτυπα, διατηρώντας στη θέση τους ψηφιακά αρχεία.
Βασισμένο σε αυτά τα δικαστικά έγγραφα, το Ars Technica αποκάλυψε ότι η Anthropic είχε δαπανήσει εκατομμύρια δολάρια για την απόκτηση βιβλίων στο πλαίσιο μιας επιχείρησης με την κωδική ονομασία Project Panama. Από τον Φεβρουάριο του 2024, επικεφαλής της προσπάθειας τέθηκε ο Tom Turvey, πρώην υπεύθυνος συνεργασιών του Google Books, με την εξαιρετικά φιλόδοξη αποστολή να αποκτήσει «όλα τα βιβλία του κόσμου».
Το Project Panama επέλεξε την ταχύτητα και το χαμηλότερο κόστος. Το Google Books είχε βασιστεί κυρίως σε μη καταστροφικά συστήματα φωτογράφισης, ώστε τα βιβλία που δανειζόταν από βιβλιοθήκες να επιστρέφονται στα ράφια τους. Η Anthropic και οι συνεργάτες της χρησιμοποίησαν μια πολύ ταχύτερη γραμμή παραγωγής: αφαίρεση της ράχης, αποκοπή των σελίδων, βιομηχανική σάρωση και απόρριψη του πρωτοτύπου.
Η πρακτική απέκτησε και νομική κάλυψη. Ο ομοσπονδιακός δικαστής William Alsup έκρινε ότι η μετατροπή των νομίμως αγορασμένων εντύπων σε ψηφιακά αρχεία μπορούσε να θεωρηθεί θεμιτή χρήση. Η Anthropic είχε δικαίωμα να διαθέσει τα αντίτυπα που αγόρασε και η αλλαγή μορφής κρίθηκε μετασχηματιστική, καθώς τα ψηφιακά αρχεία χρησιμοποιούνταν εσωτερικά και δεν διανέμονταν εκτός εταιρείας. Η ίδια απόφαση αντιμετώπισε διαφορετικά τα εκατομμύρια βιβλία που είχαν αποκτηθεί από πειρατικές ψηφιακές βιβλιοθήκες, τα οποία αποτέλεσαν αργότερα αντικείμενο διακανονισμού ύψους 1,5 δισ. δολαρίων.
Παράλληλα, μια νέα εμπορική υποδομή δημιουργείται γύρω από αυτή τη ζήτηση. Η ISBNdb, εταιρεία που διατηρεί μία από τις μεγαλύτερες βάσεις βιβλιογραφικών δεδομένων, διαφημίζει τη δυνατότητα συγκέντρωσης από 1.000 έως και ένα εκατομμύριο βιβλία ανά παραγγελία. Σύμφωνα με ρεπορτάζ του 404 Media, προβάλλει τα βιβλία ως πυκνή και επιμελημένη πηγή ανθρώπινης γνώσης και προσφέρει εμπιστευτικότητα στους αγοραστές, αναγνωρίζοντας ευθέως το πρόβλημα δημόσιας εικόνας που θα δημιουργούσε η καταστροφή εκατομμυρίων αντιτύπων.
Οι ύποπτες παραγγελίες στην Ευρώπη
Το νεότερο κομμάτι του παζλ έρχεται από την ευρωπαϊκή αγορά παλαιών βιβλίων. Παλαιοβιβλιοπώλες στην Ολλανδία, στη Γερμανία, στην Ελβετία και στην Ισπανία αναφέρουν μαζικές παραγγελίες τίτλων με ελάχιστη θεματική συνοχή. Ένας Ολλανδός έμπορος έλαβε λίστα 3.000 αγγλόφωνων βιβλίων από εταιρεία της Σιγκαπούρης, στην οποία συνυπήρχαν μελέτες γεωμηχανικής, ιρλανδικής λαογραφίας και προηγμένων κεραμικών. Οι λίστες οργανώνονταν μέσω ISBN, σαν κατάλογοι πρώτης ύλης.
Οι συγκεκριμένες αναφορές αποτελούν ισχυρές ενδείξεις μιας ευρύτερης αγοράς δεδομένων, παρότι οι βιβλιοπώλες δεν μπορούν να γνωρίζουν με βεβαιότητα ποιοι βρίσκονται πίσω από κάθε παραγγελία ή τι συμβαίνει στα βιβλία μετά την πώλησή τους. Η τυχαιότητα των τίτλων, η μεγάλη κλίμακα και η συγκέντρωση σπάνιων, ξενόγλωσσων και εξαντλημένων εκδόσεων ενισχύουν την υποψία ότι τα αντίτυπα προορίζονται για εκπαίδευση μοντέλων.
Όταν ένας χρήστης κατηγόρησε τις εταιρείες AI ότι αγοράζουν, σαρώνουν και καταστρέφουν σπάνια βιβλία, ο Elon Musk απάντησε ότι είχε ζητήσει από την ομάδα των SpaceX και xAI να διατηρεί τα σπάνια βιβλία σε βιβλιοθήκη και να τα σαρώνει «με τον δύσκολο τρόπο», χωρίς να κόβεται η ράχη τους.
Για τα ευρέως διαθέσιμα βιβλία, η απώλεια ενός μεταχειρισμένου αντιτύπου μοιάζει περιορισμένη. Η εξίσωση αλλάζει όταν η παραγγελία περιλαμβάνει έργα από τα οποία σώζονται ελάχιστα αντίτυπα. Οι αγοραστές παραμένουν συνήθως ανώνυμοι, ενώ οι πωλητές αγνοούν πόσα ακόμη αντίτυπα επιβιώνουν σε άλλες συλλογές.
Η συζήτηση έφτασε τελικά και στο X. Όταν ένας χρήστης κατηγόρησε τις εταιρείες AI ότι αγοράζουν, σαρώνουν και καταστρέφουν σπάνια βιβλία, ο Elon Musk απάντησε ότι είχε ζητήσει από την ομάδα των SpaceX και xAI να διατηρεί τα σπάνια βιβλία σε βιβλιοθήκη και να τα σαρώνει «με τον δύσκολο τρόπο», χωρίς να κόβεται η ράχη τους. Η στιχομυθία δεν τεκμηριώνει από μόνη της συγκεκριμένη επιχείρηση της xAI, ούτε επιβεβαιώνει τους ισχυρισμούς για την έκταση του φαινομένου. Πάντως η απάντηση του Musk αντιμετώπισε το destructive scanning ως συνήθη πρακτική του κλάδου και επικεντρώθηκε στην ανάγκη να εξαιρεθούν από αυτήν τα σπάνια βιβλία.
Η τεχνητή νοημοσύνη αντιμετωπίζει πλέον το βιβλίο ταυτόχρονα ως φορέα γνώσης και ως αναλώσιμη υποδομή δεδομένων. Το περιεχόμενο περνά στο μοντέλο, ενώ στη διαδικασία η υλική του ιστορία —η έκδοση, το χαρτί, οι σημειώσεις, η διαδρομή του στον χρόνο— χάνεται. Η νέα ψηφιακή βιβλιοθήκη του AI μπορεί να χωρέσει εκατομμύρια τίτλους. Πολλές σελίδες της, όμως, ίσως αντιστοιχούν σε ένα βιβλίο που δεν υπάρχει πια.
