هاد السيمانة، خبر على تفرام كميات كبيرة من الكتب القيمة غير باش توفر بيانات لتدريب النماذج اللغوية الكبيرة (LLM)، أثار اهتمام واسع عند محبي القراءة ومستخدمي الإنترنت العاديين.
حسب الأخبار، شي مورّدين ديال الكتب توصلو مؤخراً بطلبات ضخمة بشكل غير عادي. وكيخمّنو ناس من القطاع أن شركات الذكاء الاصطناعي باغية تحصل على بيانات تدريب بجودة أعلى وأنقى، مع محاولة تفادي مخاطر حقوق النشر قدر الإمكان. لكن مركز الجدل كان هو موقع قاعدة بيانات الكتب ISBNdb. وكايعتقدو بعض الناس أن الموقع ماشي غير شجّع على هاد الممارسة، بل حتى لعب دور الوسيط بين شركات الذكاء الاصطناعي ومورّدي الكتب. ومع الانتشار السريع للجدل، بدا ISBNdb كيحاول يبعد راسو عليه، وحيد المواد اللي كان نشرها من قبل بخصوص هاد الموضوع.
قال ISBNdb فآخر بيان ليه: «حنا واعيين بالتغطية الأخيرة المتعلقة بصفحة تسويقية مخصصة نُشرت فالموقع، وكنتفهمو المخاوف اللي أثارتها. حنا ما كندربوش نماذج الذكاء الاصطناعي، وعمرنا مارسنا شي نشاط من هاد النوع. هديك الصفحة كانت غير اختباراً لاحتياجات السوق، والخدمات المعنية عمرها دخلات حيز التنفيذ، ودابا حيدنا الصفحة».
قبل أيام، أفادت 404 Media بأن عدة مورّدين ديال الكتب توصلو فجأة بطلبات كبيرة لشراء الكتب. وبما أن المدارس والمكتبات كيعانيو فهاد السنوات من ضيق الميزانيات وتراجع الطلب على الشراء، ولى الضغط كبير على عدد من المورّدين، وهادشي خلاهم أكثر استعداداً لقبول هاد النوع من الطلبات الكبيرة.
فداك الوقت، كان الشك السائد هو أن المشترين اللي ورا هاد الطلبات شركات ذكاء اصطناعي، بينما ولى ISBNdb محور الاهتمام، حيث سبق ليه أطلق خدمة باينة مخصصة لمساعدة شركات الذكاء الاصطناعي على التواصل مع مؤسسات تخزين الكتب.
الصفحة الترويجية اللي تحيدات دابا كانت كاتقول: «أجود بيانات تدريب الذكاء الاصطناعي فالعالم كاينة فوق الرفوف. الكتب كتحمل معرفة بشرية منتقاة، خضعت لمراجعة الأقران وتراكمت داخل مجالات متخصصة، ودرجة تنظيمها ما يقدر حتى زاحف للإنترنت يقلدها؛ فهي كثيفة المحتوى، محررة وموثوقة».
فالحقيقة، هادي ماشي أول مرة كتنكشف فيها هاد الممارسة. فمن يناير ديال هاد العام، كشفت وثيقة قضائية علنية على مشروع داخل Anthropic كان عندو الاسم الرمزي «Project Panama (مشروع بنما)». وكان الهدف ديالو هو شراء أكبر عدد ممكن من الكتب، ومن بعد مسحها رقمياً والتخلص من النسخ الورقية.
من بعد، توصلات Anthropic مع المؤلفين لاتفاق تسوية بقيمة إجمالية قدرها 1.5 مليار دولار (ملاحظة: حوالي 10.147 مليار يوان صيني حسب سعر الصرف الحالي). ولكن وثائق قضائية تنشرات من بعد بيّنت أن هاد الممارسة بحد ذاتها كانت كتعتبر قانونية، وأن القلق الحقيقي ديال الشركة كان هو تداعيات الرأي العام السلبية. ونتيجة لذلك، كانت Anthropic مستعدة تخلص مبلغاً كبيراً باش تتفادى انكشاف هاد الممارسات.
ودابا بعدما خرجات هاد التفاصيل للعلن، ولات طلبات شراء كميات كبيرة من الكتب النادرة فالفترة الأخيرة تحت مراقبة أكثر صرامة.
قال بائع كتب مجهول فمقابلة مع 404 Media: «هاد الشي كيعاونني نصفي المخزون اللي كان صعيب يتباع أصلاً، وكيخليني نربح الفلوس. ولكن من جهة أخرى، ما كيعجبنيش الاستعمال النهائي ديال هاد الكتب، وما بغيتش نشوف شي كتب نادرة كتتحول مباشرة لعجينة الورق».
وذكر التقرير أن شركات الذكاء الاصطناعي، مع تزايد صعوبة حصولها على بيانات تدريب «نقية»، ولات كتقلب على مصادر جديدة للبيانات.
الكميات الكبيرة ديال المحتوى منخفض الجودة فالإنترنت، ومعها المحتوى اللي كينتجو الذكاء الاصطناعي براسو بشكل متزايد، يقدرو يسببو مشكل «حلقة التغذية الراجعة السلبية» فتدريب النماذج. لذلك، كتحاول الشركات تحصل على بيانات بجودة أعلى، وفنفس الوقت تتفادى قدر الإمكان لفت انتباه الرأي العام.
فصيف هاد العام، أعلنت شركة الأفلام A24 أنها دخلات فشراكة مع Google باش توفر مواد تدريب لـ DeepMind، على أمل تعاون نموذجها لتوليد الوسائط على التخلص من الكم الكبير ديال محتوى الذكاء الاصطناعي الضعيف والمضطرب من ناحية الأسلوب.
أما علاش كيتلفو الكتب الورقية، فالتقرير كايعتبر أن السبب ماشي هو إخفاء الآثار، وماشي حتى الرغبة فاحتكار المعرفة النادرة.
ورغم أن الوثائق المتعلقة بـ«مشروع بنما» ما وضحاتش السبب الدقيق لإتلاف الكتب، فأكثر تفسير محتمل باقي هو تخفيض التكاليف. فعلياً، الرقمنة بالمسح الضوئي ما كتحتاجش بالضرورة لتخريب الكتاب الأصلي، ولكن إلا كانت العملية كاملة كاتستهدف تكلفة منخفضة وفعالية عالية، فمن المحتمل يتفك الغلاف واللاصق ديال الكتاب مباشرة باش يتم الحصول على سطح أكثر استواءً ومسح أوضح، ومن بعد كتتعامل مع الكتب المتضررة كنفايات ورقية.