Baada ya kampuni za AI kuchangia kuongezeka kwa uhaba wa rasilimali za kumbukumbu na uhifadhi, sasa zinaonekana kuelekeza macho kwenye urithi wa fasihi wa binadamu. Vyombo vya habari vya uchunguzi 404 Media viliripoti hivi karibuni kwamba kampuni kadhaa za AI zinanunua kwa wingi vitabu vilivyotumika kupitia madalali, ili kupata data bora za mafunzo ya kuunda mifumo ya AI na wakati huo huo kuepuka kuzua upinzani wa umma.
Maendeleo ya AI hayawezi kutenganishwa na data nyingi, lakini si data zote zina thamani; jambo muhimu ni ubora wa data. Katika miaka ya hivi karibuni, maudhui mengi yenye ubora wa chini yaliyotengenezwa na AI, maarufu kama “maudhui taka ya AI”, yamejaa kwenye intaneti. Haya hayajachafua tu mazingira ya data, bali pia yamepunguza ufanisi wa AI katika kuendelea kujifunza. Kwa hiyo, kampuni zinazoongoza za AI zimeanza kutafuta tena maudhui yaliyoundwa na binadamu, hasa vitabu vya karatasi vilivyochapishwa kabla ya mwaka 2022, kwa sababu kuna uwezekano mkubwa kuwa ni kazi halisi ambazo bado hazijachafuliwa na maudhui yaliyotengenezwa na AI.
Kwa kweli, kampuni za AI zina historia ya kutumia vitabu vya karatasi kufundisha mifumo. Anthropic, ambayo ni mojawapo ya kampuni kuu za AI zinazokabiliwa na kesi za hakimiliki kwa sasa, iliwahi kutumia mamilioni ya dola kununua vitabu vingi vya karatasi ili kutoa maudhui na kufundisha mfumo wa Claude AI, kisha vitabu hivyo vikaharibiwa. Inasemekana kampuni hiyo ilinunua vitabu kwa wingi kutoka Better World Books. Ingawa mahakama iliamua kuwa kutumia vitabu halali kufundisha AI ni “matumizi ya haki” chini ya sheria ya hakimiliki, Anthropic ilikiuka hakimiliki za waandishi na wachapishaji kwa kuhifadhi kwa muda mrefu hifadhidata iliyokuwa na vitabu milioni 7 vilivyoibwa. Hatimaye, kampuni hiyo iliamriwa kulipa fidia ya hadi dola bilioni 1.5 (kumbuka: kwa kiwango cha sasa cha ubadilishaji, takriban yuan bilioni 10.162).
Mzozo kama huo pia umetokea kwa Google. Hivi karibuni, muungano wa wachapishaji uliishtaki Google, ukidai kuwa ilitumia bila idhini mamilioni ya vitabu vilivyolindwa na hakimiliki kufundisha mfumo wa Gemini AI.
Hifadhidata ya mtandaoni ISBNdb, yenye taarifa za katalogi ya vitabu zaidi ya milioni 111, kwa muda mrefu imekuwa jukwaa muhimu kwa wauza vitabu, maktaba na wasambazaji. Sekta ya AI ilipokua kwa kasi, ISBNdb pia ilianza kubadili mwelekeo wa biashara na kuzindua huduma maalumu ya ununuzi wa vitabu kwa wingi kwa ajili ya kampuni za AI.
Kwa mujibu wa 404 Media, ukubwa wa oda hizo huanzia ununuzi wa vitabu 1000 kwa mara moja hadi vitabu 1000000 kwa mara moja.
Muuza vitabu kitaalamu ambaye hakutaka kutajwa jina alisema kuwa tangu Aprili mwaka huu, mauzo ya vitabu yameongezeka kwa kiwango kisichowahi kushuhudiwa. Hapo awali, wakati biashara ilipokuwa nzuri, angeweza kuuza takriban vitabu 20 tu kwa wiki; lakini katika miezi ya karibuni, mauzo ya kila wiki yamepanda hadi mamia ya vitabu, takriban mara tano ya kawaida.
Wauza vitabu wengine kwenye majukwaa ya biashara ya vitabu vilivyotumika kama Alibris na Biblio pia wameripoti hali kama hiyo ya ununuzi wa kwa wingi.
Ingawa kwa sasa hakuna ushahidi thabiti unaothibitisha kuwa ununuzi huo unatoka ISBNdb au kampuni fulani ya AI, kuna mambo kadhaa yasiyo ya kawaida. Kwa mfano, karibu vitabu vyote vinavyonunuliwa kwa wingi vina Nambari ya Kimataifa ya Kitabu (ISBN), msimbo wenye tarakimu 13 unaotumika kama kitambulisho cha kipekee cha vitabu duniani.
Zaidi ya hayo, ununuzi huo karibu hauna upendeleo wowote wa mada, aina au mwandishi. Riwaya, vitabu vya kiada na vitabu vya kitaalamu vyote viko kwenye orodha ya ununuzi. Kinachoshangaza zaidi ni kwamba wanunuzi wanaonekana kutojali kabisa bei; hata vitabu vingine vinapokuwa na bei iliyo juu wazi ya bei ya soko, hununuliwa moja kwa moja.
Wakati wa kesi ya hakimiliki ya Anthropic, Tom Harvey, aliyewahi kushiriki katika mradi wa Google Books na baadaye kusimamia mradi wa kidijitali wa Anthropic “Project Panama”, alithibitisha kuwa Anthropic iliajiri kampuni kadhaa za kitaalamu za uchanganuzi wa nyaraka ili kuweka vitabu vya karatasi katika mfumo wa kidijitali.
Mojawapo ya kampuni zilizoshirikiana nayo ni Datamation Information Services, inayotoa huduma mbili za kuweka vitabu katika mfumo wa kidijitali: uchanganuzi usioharibu na uchanganuzi unaoharibu.
Uchanganuzi usioharibu kwa kawaida hutumia skana ya kupiga picha kutoka juu, skana bapa au kifaa cha skana chenye umbo la V, na hufanywa bila kuvivunjavunja vitabu. Kwa upande mwingine, uchanganuzi unaoharibu huhusisha kuvifungua moja kwa moja vitabu, kisha kila ukurasa huingizwa kwenye skana ya viwandani yenye kasi kubwa.
Kwa kuwa uchanganuzi unaoharibu una ufanisi zaidi na gharama ndogo, kampuni za AI kwa ujumla huchagua njia hii, hatimaye kusababisha mamilioni ya vitabu vya karatasi kuvunjwa.
Bila shaka, vitabu vya karatasi ni hazina kubwa ya maarifa kwa AI. Hata hivyo, mbinu hii pia imezua mijadala zaidi ya kimaadili.
Wakosoaji wanaamini kuwa bado haijulikani ikiwa kampuni za AI hutofautisha vitabu vya kawaida na vitabu adimu au vilivyoacha kuchapishwa wakati wa kuviweka katika mfumo wa kidijitali. Vitabu hivyo adimu vikivunjwa, vinaweza kuondolewa kabisa kwenye mzunguko wa matumizi.
Tatizo jingine kubwa zaidi ni kwamba maudhui yote yaliyochanganuliwa hatimaye huingia kwenye hifadhidata binafsi za kampuni za AI na kutumika tu kufundisha AI, huku umma wa kawaida ukikosa kuyafikia.
Hii inamaanisha kuwa huenda watu wakapata AI yenye akili zaidi, lakini gharama inaweza kuwa rasilimali nyingi za maarifa zilizokusanywa na binadamu hazitaachwa kwa vizazi vijavyo katika mfumo ulio wazi na unaoweza kufikiwa.