Πώς εκατομμύρια βιβλία κατέληξαν στα σκουπίδια για να βελτιωθεί το AI μοντέλο Claude (VIDEO)

Πώς θα ήταν, άραγε, αν κάποιος πολτοποιούσε όλα, μα όλα τα βιβλία που βρίσκονται σε βιβλιοπωλεία, βιβλιοθήκες και αποθήκες;

Μία κάποια απάντηση στο ερώτημα δίνει η δικογραφία μίας δικαστικής διαμάχης στις ΗΠΑ, η οποία ξεκίνησε το 2024 από τη μαζική αγωγή των συγγραφέων Andrea Bartz, Charles Graeber και Kirk Wallace Johnson κατά της Anthropic, της εταιρείας που βρίσκεται πίσω από το γλωσσικό μοντέλο τεχνητής νοημοσύνης Claude.

Για την υπόθεση, μας ενημερώνει η βιβλιοθηκονόμος Kathryn James, με άρθρο της στον Guardian, εκδόθηκε οριστική απόφαση από δικαστήριο της Καλιφόρνια τον περασμένο Ιούλιο, με την οποία ήρθε στο φως το λεγόμενο “Project Panama”, μία από τις μεθόδους με τις οποίες η Anthropic προσπάθησε να εκπαιδεύσει το Claude, ώστε να παράγει πιο σύνθετο και ορθο γλωσσικά περιεχόμενο.

Βάσει αυτής της αμετάκλητης πια απόφασης, η Anthropic καλείται να καταβάλει συνολικά 1,5 δισ. δολάρια, σε αποζημιώσεις.

Σε ένα από τα εσωτερικά έγραφα της εταιρείας, που αποδίδεται στον Tom Turvey, αντιπρόεδρο της Anthropic, και αποτελεί κομμάτι της δικογραφίας, σημειώνεται ότι το “Project Panama” είναι «η προσπάθειά μας να προχωρήσουμε σε καταστροφική σάρωση όλων των βιβλίων του κόσμου» (“Project Panama is our effort to destructively scan all the books in the world“). Αμέσως παρακάτω μέσα στο σημείωμα, τονίζεται ότι ο σκοπός του project θα πρέπει να παραμείνει κρυφός και ότι καμία αναφορά σε αυτό δεν θα πρέπει να γίνεται δημοσίως.

«Χρειαζόμαστε λέξεις, αλλά όχι ό,τι κι ό,τι!»

Η «καταστροφική σάρωση» (destructive scanning) ήταν η λύση της Anthropic σε ένα πρόβλημα: για να εκπαιδεύσει το Claude, η Anthropic έπρεπε να εξασφαλίσει ένα μεγάλο, υψηλής ποιότητας σύνολο γλωσσικών δεδομένων, με ημερομηνία δημιουργίας κατά προτίμηση πριν το 2022, ώστε να είναι σχετικά «καθαρό» από την επίδραση της τεχνητής νοημοσύνης. Τα δεδομένα θα χρησιμοποιούνταν για να βελτιώσουν την ικανότητα του Claude να συνθέτει ολοένα και καλύτερο γλωσσικό περιεχόμενο, με βάση τα αιτήματα των χρηστών. Για αυτόν το σκοπό, χρειάζονταν μεγάλο, πολύ μεγάλο όγκο κειμένων, ιδανικά υψηλού γλωσσικού επιπέδου.

Προφανώς, τα βιβλία είναι μία από τις καλύτερες πηγές για τέτοιους είδους κείμενα. Όπως αναφέρεται στην απόφαση του δικαστηρίου, η Anthropic ήλπιζε ότι, μέσα από τις αποτυπώσεις γεγονότων, τις εμβριθείς αναλύσεις ή τις πρωτότυπες ιστορίες φαντασίας που φιλοξενούν τα βιβλία, το Claude θα μπορούσε να εκπαιδευτεί ώστε να γράφει με την ίδια ακρίβεια και πειστικότητα που το κάνει ένας συγγραφέας.

Η Anthropic είχε την επιλογή να χρησιμοποιήσει για αυτόν το σκοπό την τεράστια γκάμα από νόμιμα e-books που υπάρχουν στην αγορά, πληρώνοντας φυσικά τα ανάλογα πνευματικά δικαιώματα. Όμως, αυτό σήμαινε «νομικά, πρακτικές και επιχειρηματικές επιπλοκές» για την εταιρεία, σύμφωνα με τα λεγόμενα του ίδιου του διευθύνοντα συμβούλου της. Έτσι, αντί να συνεργαστεί με τους κατόχους των κειμένων, η Anthropic επέλεξε αρχικά να στραφεί σε πειρατικό ψηφιακό περιεχόμενο.

Όταν αυτή η προσέγγιση φάνηκε υπερβολικά περίπλοκη (ή, όπως διατυπώνεται στην απόφαση του δικαστηρίου: «η Anthropic έπαψε να είναι “τόσο ενθουσιώδης” για την εκπαίδευση με πειρατικά βιβλία “για νομικούς λόγους”»), η εταιρεία στράφηκε στη λύση της καταστροφικής σάρωσης.

Συνολικά, η Anthropic προχώρησε στις παρακάτω προμήθειες βιβλίων, πειρατικών και μη:

• Ο συνιδρυτής της εταιρείας, Ben Mann, κατέβασε ατομικά τουλάχιστον 5 εκατ. πειρατικά βιβλία από το ψηφιακό αποθετήριο LibGen τον Ιούνιο του 2021.
• Επίσης, η Anthropic κατέβασε τουλάχιστον 2 εκατ. πειρατικά βιβλία από το ψηφιακό αποθετήριο Pirate Library Mirror τον Ιούλιο του 2022. Συνολικά, στο δικαστήριο αποκαλύφθηκε ότι χρησιμοποιήθηκαν πάνω από 7 εκατ. πειρατικά βιβλία για τους σκοπούς της εταιρείας.
• Επίσης, αγοράστηκαν και 196,640 αντίτυπα και από την ψηφιακή βάση Books3.
• Εκτός των παραπάνω, η εταιρεία αγόρασε εκατομμύρια τόμους έντυπων βιβλίων, τα οποία σάρωσε, ώστε να τα ψηφιοποιήσει.

Η χρηματική ποινή του 1,5 δισ. καλύπτει «μόλις» 482.460 βιβλία από το LibGen και το Pirate Library Mirror. Συνεπώς, προβλέπεται ποινή περίπου 3.000 δολαρίων ανά βιβλίο.

Από το σάρωμα στο… ζάρωμα και μετά στα σκουπίδια

To δύσκολο έργο του “Project Panama” ανέλαβε ένα έμπειρο στέλεχος με προϋπηρεσία στα logistics. Το στέλεχος φρόντισε να προμηθευτεί μεγάλες ποσότητες βιβλίων από διάφορους προμηθευτές, τα αποθήκευσε σε μία αποθήκη και συνεργάστηκε με μία εταιρεία ψηφιοποιήσεων ώστε να προχωρήσει με τη σάρωση.

Γιατί, όμως, η σάρωση ήταν «καταστροφική»;

Όπως αναφέρεται στη δικαστική απόφαση, οι συνεργάτες της Anthropic αφαίρεσαν τα εξώφυλλα και τη βιβλιοδεσία από τα βιβλία, έκοψαν τις σελίδες τους στο κατάλληλο μέγεθος και έπειτα τις σάρωσαν σε ψηφιακή μορφή, πετώντας τα πρωτότυπα στον κάλαθο των αχρήστων. Στις εικόνες που προσκομίστηκαν στο δικαστήριο φαίνονται στοίβες βιβλίων λίγο πριν τους συμβεί το…μοιραίο.

Αυτό, όμως, που δεν αποτυπώθηκε σε φωτογραφίες είναι το μετά: οι εκατομμύρια σκαναρισμένες σελίδες που κατέληξαν στην ανακύκλωση ή σε κάποιο χώρο ταφής απορριμμάτων…

Πάντα σύμφωνα με τις καταγγελίες, για το κομμάτιασμα των βιβλίων χρησιμοποιήθηκαν υδραυλικά εργαλεία κοπής και σαρωτές υψηλής ταχύτητας, ώστε η διαδικασία να κυλήσει όσο το δυνατόν συντομότερα.

«Εύλογη» η χρήση των βιβλίων για το δικαστήριο – Ποινή μόνο για το πειρατικό περιεχόμενο

Να σημειωθεί ότι η οριστική απόφαση του περασμένου μήνα πάτησε πάνω σε περσινή απόφαση για την ίδια υπόθεση, υπό το δικαστή William Alsup. Σε αυτήν, η χρήση των έντυπων βιβλίων ως πρώτη ύλη για τη σάρωση κρίθηκε ως «εύλογη» (fair use), σε αντίθεση με την αξιοποίηση του πειρατικού περιεχομένου, για την οποία και επιβλήθηκε εντέλει η χρηματική ποινή.

Συνεπώς, το δικαστήριο δεν στάθηκε στον προβληματισμό γύρω από την προστασία του έντυπου βιβλίου ως δημιουργήματος που καλό θα ήταν να μην… κανιβαλίζεται αλλά καθαρά στα διαφύγοντα κέρδη λόγω της πειρατίας.

Η ευκολία με την οποία το δικαστήριο παραμέρισε την καταστροφική σάρωση οφείλεται στο νομικό σύστημα των ΗΠΑ.

Σύμφωνα με τη νομοθεσία της χώρας περί πνευματικών δικαιωμάτων, η αρχή της «εύλογης χρήσης» επιτρέπει την «μετασχηματιστική» (transformative) χρήση έργων που προστατεύονται από πνευματικά δικαιώματα χωρίς την άδεια του δικαιούχου. Η Anthropic πήρε έντυπα βιβλία και τα σάρωσε, «μετασχηματίζοντάς» σε μια νέα, ηλεκτρονική μορφή. Το ότι η αρχική πηγή του περιεχομένου κατέληξε στα σκουπίδια είναι αδιάφορο.

Σε άλλο σημείο της απόφασής του, ο Alsup ισχυρίστηκε ότι η χρήση περιεχομένου για την εκπαίδευση ενός μοντέλου τεχνητής νοημοσύνης δεν συνιστά, από μόνη της, παραβίαση πνευματικών δικαιωμάτων. Στα μάτια του νόμου, η εκπαίδευση ενός άψυχου μοντέλου με τη χρήση γραπτού λόγου ισοδυναμεί με την εκπαίδευση ενός ανθρώπου που μαθαίνει ανάγνωση και γραφή.

Πάντως, ακόμα και αν η Antropic γλίτωσε την «καμπάνα» για την τύχη που επιφύλαξε σε εκατομμύρια τόμους βιβλίων, το ερώτημα παραμένει: Πρέπει να αφήσουμε το βιβλίο, μία ανθρώπινη επινόηση τόσο καταλυτική για τη διάδοση γνώσης και ιδεών, να γίνει πολτός, για να εκπαιδευτεί μία νέα, επικερδής τεχνολογία που θα τραφεί με το ανθρώπινο βίωμα ώστε μελλοντικά να σκέφτεται σαν κι εμάς –για να μην πούμε… αντί για εμάς;