Olcsóbb, gyorsabb, borzasztóbb örökre megsemmisíteni egy könyvet az MI kedvéért

Idén tavasszal néhány angol és amerikai online könyvesbolt tulajdonosa érdekes jelenségre lett figyelmes: egyre több könyvet adtak el. A magyarázat viszont nem a BookTok vagy a performatív olvasás volt, a boltok ugyanis arra gyanakodtak, a könyvek nem biztos, hogy emberekhez jutnak el. A rendelések furcsák voltak, többféle téma, kiadás, állapot volt egy-egy csomagban, tehát nem arról volt szó, hogy valaki különösebben egy téma után érdeklődne, vagy valami más szervezőelv alapján végezné a rendeléseket. A BBC által megkérdezett bolttulajdonos az utóbbi harminc évben nem látott ekkora érdeklődést használt könyvek iránt.

Ez az érdeklődés nem kizárólag az angolszász országokban terjedt, hasonlóan megnövekedett a szervezett vásárlások száma Németországban, Svájcban, Hollandiában bizonyos online antikváriumokban. Egy német eladó azt vette észre, hogy minden éjjel, helyi idő szerint három és öt óra között érkeznek megrendelések. A 404 Mediának nyilatkozó egyik könyvárus szerint ha a téma vagy a kiadó nem is volt közös ezekben a rendelésekben, egy tényező az volt: nevezetesen az, hogy minden egyes könyvnek volt ISBN-száma. Az ISBN-szám egy hivatalosan kiadott könyvnek az egyedi ismertetőjegye. Egy adatsor, ami alapján pontosan be lehet azonosítani egy könyvet, annak megjelenési évét, szerzőjét, nyelvét.

A boltosok gyanakodni kezdtek, hogy az eladott könyveket nagy valószínűséggel mesterséges intelligencia használatán alapuló nyelvi modellek fejlesztésére használják. Egyszerűbben szólva: etetik vele az MI-t, hogy az jobban tudjon emberül. Az etetés pedig bizonyos esetekben azt is jelentheti, hogy az eredeti könyv eltűnik. Ahogy a felfalt dolgok szoktak. Ez már az MI-é, ezt már nem veheti el senki.

Az, hogy szépirodalommal etetik az MI-t a szebb nyelv érdekében, egyáltalán nem volt újdonság. Az utóbbi hónapokban kiadók és szerzők is jogi kereseteket indítottak a nagyobb MI-cégek ellen, amiért illegálisan letöltött e-könyveken fejlesztik a nyelvi modelleket. Egy ilyen cég volt az Anthropic, ami a Claude nevű MI-szolgáltatását a LibGen nevű adatbázisból leszedett, gyakorlatilag kalózpéldányokon fejlesztette. Nem az első alkalom lenne ez, hogy egy techcég az indulás előtt illegálisan beszerzett tartalomból szívja fel magát, a Spotify is többek között a Pirate Bayről torrentezett MP3-fájlokból pakolta össze az adatbázisát még a béta-fázisban, ezek aztán még 2009-ig ott voltak, amíg ki nem pucolták őket.

Az Anthropic ugyan tagadta, hogy kalózkönyvekkel etette volna a Claude-ot, végül 1,5 milliárd dolláros (463 milliárd forintos) kártérítést kellett fizetnie kiadóknak. A jogi eljárásnak viszont lett egy másik következménye. Ugyan nem derült ki egyértelműen, hogy az illegálisan beszerzett e-könyvek felhasználása problémás-e jogilag, egy bírói végzés kimondta, hogy mi nem illegális: felvásárolni könyveket és azokat ilyen módon feldolgozni. Az ilyen módon azt jelenti, hogy megvásárolni őket, levágni a gerincüket, egy gyorsszkennerbe betölteni a lapokat, majd ha végzett a gép, az egészet kukába dobni.

A bírói határozat szerint mivel a cég ilyenkor vásárlónak számít, azt tesz a könyvvel, amit csak szeretne, és mivel a gerinceket levágja, ezzel kellő mértékben megváltoztatja azt, hogy jogos felhasználás legyen. Valahogy úgy, ahogy Richard Prince készíti az újrafotózott műalkotásait. Ez viszont azt jelentette, hogy az MI-cégeknek nem kell mindenféle jogi mizériákba keveredni azokkal az idegesítő kiadókkal, meg a kotnyeleskedő szerzőkkel, akik még pénzt is szeretnének azért, hogy felfalatják a géppel a munkájukat, hanem sokkal könnyebb megoldás ezeket a könyveket megvásárolni, szétszedni, és beszkennelni. Az Anthropicnál nem túl bizalomgerjesztő nevet is kapott ez az eljárás: ez volt a Project Panama. A cégnél tudták, hogy nem túl jó lenne a megítélése az eljárásnak, ha a szélesebb közönség előtt is kiderülne, ezért választották ezt a szoftos, szinte barátságos, bár kétségtelenül a Panama-iratokra emlékeztető kódnevet.

Nem minden szkennelés teszi tönkre a könyveket. Az Internet Archive még évekkel korábban tette közzé azt a videót, amiben az egyik munkatársuk határozottan gépszerűen, hatékonyan, de aprólékos munkával szkennel be egy könyvet. A videóban a munkatárs a lábával irányítja az olvasófejet, az oldalakat pedig neki kell lapoznia. A hatalmas digitális adatbázist építő Internet Archive a saját blogjában elmagyarázta, hogy próbálkoztak automatikus megoldásokkal, de a gép nehezen tud megbirkózni a rosszabb állapotú példányokkal. A megsemmisítés pedig nem feltétlenül gonosz dolog, a magyar Arcanum még 2019-ben mesélte el az akkori Indexnek, hogy bizonyos kiadványoknál ők is levágják a gerincet, ha az alapanyagot feláldozhatónak tekintik. Az, hogy az Anthropic – vagy bármilyen másik MI-cég – ezt a megoldást választja bármilyen kiadvány beszkennelésére, azt jelenti, hogy az alapanyaguk mindig, minden esetben feláldozható, és jogilag egyáltalán nem aggályos.

Ahol jogilag nem aggályos dolgokról van szó, ott meg is jelenik a kínálat egy szolgáltatásra. A 404 Media írt még augusztusban az ISBNdb nevű weboldalról, ami kifejezetten arra specializálódott, hogy MI-cégek számára könyveket szállítson. Az oldal egy közvetítő a webshopok és az olyan cégek között, mint az Anthropic, kifejezetten azzal a hangsúllyal, hogy segít 2022 előtti könyveket és szövegeket megszerezni a feldolgozásra. Ez az időpont azért olyan fontos, mert ez garantálja, hogy a feldolgozandó szövegben még semmilyen befolyása nem volt az MI-nek, így nem fordulhat elő, hogy a nyelvi modellt csak a nyelvi modell végtermékével etetik, amitől mint egy érzékeny emésztőrendszernek, egyre jobban leépülnek a képességei.

Mivel az ISBNdb anonimitást biztosított az MI-cégeknek, a 404 Media biztosra akart menni, és egy feltehetőleg oda szánt csomagba az eladó segítségével nyomkövetőt rakott. Miután a csomagot keresztbe-kasul utaztatták az Egyesült Államokban, Kaliforniától Wisconsin államon keresztül, pár nappal később megérkezett egy Las Vegas-i depóba. Ami valójában az Amazon alvállalkozójának tulajdonában állt, az épület bejáratánál egy könyvet tartó dínó logójával. Belépni ugyan nem lehetett az épületbe, viszont a cikk írója hozzáfért olyan fórumokhoz, ahol az Amazon dolgozói írnak a saját tapasztalataikról. Itt kiderült, hogy a VGT3-ban valóban könyveket dolgoznak fel, ráadásul destruktív módon, feltehetőleg azért, hogy az Amazon saját fejlesztésű, világverőnek szánt MI-modelljét etessék megfelelő minőségű szöveggel. A 404 Media cikkével bebizonyosodott az, amit a könyvkereskedők sejtettek. Az Amazon annyit reagált hivatalosan az újságírói megkeresésre, hogy a cég könyveket vásárol azért, hogy fejlessze azokat a termékeket és szolgáltatásokat, amelyeket a vásárlói használnak.

Az Anthropic tagadta, hogy ritka, értékes, antikváriumokból származó könyveket semmisítettek volna meg a szkennelés során. A BBC-nek nyilatkozó könyvárusok pedig nem egyértelműen negatívan álltak hozzá a jelenséghez, hiszen ők pénzt kerestek ezzel, és megszabadultak olyan könyvektől, amiket például egyes esetekben évtizedekig nem tudtak eladni. „A világnak már nem kell ötmillió példány A Da Vinci-kódból” – mondta egy másik árus, amikor a könyvek megsemmisítéséről kérdezték.

Menyhárd László, a Budapesten működő Vonnegut antikváriumhálózat tulajdonosa hallott már arról a jelenségről, hogy MI-etetés miatt rendelnek nagy mennyiségben könyveket, de személy szerint nem találkozott még vele. „Bárcsak találkoznék, jó lenne egy kis pluszforgalom” – írta a Telexnek. Menyhárdnak nem tetszene, ha olyan könyveket semmisítenének meg, amelyekből kevés létezik, de szerinte vannak olyan szakmai munkák, kevésbé népszerű témákban, amik viszonylag nagy számban érhetők el, „ezek közül egy-egy példány elvesztése nemigen fájna” a tudománynak.

A Libri a Telexhez eljuttatott közleményében elismeri, hogy nagyobb rendelések előfordulnak náluk, de a rendelkezésre álló adatok alapján

„jelenleg nem ismerhető fel olyan rendelés, amelyről biztosan kijelenthető, hogy a jelenséghez kapcsolódik”.

Kérdéseinkkel megkerestük az Antikvárium.hu tulajdonosát is, de a cikk megjelenéséig nem érkezett válasz.

Szemes Botond, a Digitális irodalomtudomány. Olvasás, számítás és ábrázolás egysége az irodalmi elemzésben című kötet szerzője nem lát semmi kivetnivalót abban, hogy valaki szellemi munkáját felhasználják egy nyelvi modell tanításához, itt a szerző vagy a könyv csak csepp a tengerben, és külön örül, ha „ezek között szépirodalom is van, és nem csak Reddit-kommentek”. Fájónak találja, hogy viszont emiatt tulajdonképpen antikváriumok állományát semmisítik meg, mert valószínűleg aprópénz lenne visszaküldeni. Szemesnek kifejezetten nem tetszik ez a profitorientált üzleti logika, ami meghatározza a nyelvmodellek fejlődését, és úgy gondolja, hogy a beszkennelt anyagot elérhetővé kellene tenni, a szerzői jogvédelem alatt állót kutatás és más modellek számára, a többit pedig mindenkinek. Szerinte nem kell eljátszani a naiv humanistát sem, „mintha egy könyv nem egy tárgy lenne, ami kitűnően használható projektor kiszintezéséhez, kávéalátétnek, és amit adott esetben meg lehet semmisíteni”.

Szemes úgy gondolja, hogy a művészet reagálni fog a mesterséges intelligencia által állított kihívásokra: a műalkotások értékéhez hozzá fog majd tenni az, ha valami nem MI-generált, és ennek a jelét látja abban is, hogy a napjainkban egyre jobban előtérbe kerül az irodalomban a személyesség, és egyre több az önéletrajzi művek száma.

A kutató szerint a történelem során mindig is gyűjtötték a könyveket és a tudást, könyvtárakban, de fontos kiemelni, hogy ezek sosem profitorientált vállalkozások voltak, és kifejezetten a megőrzést célozták meg.

„Egy nagy cégtől ilyet elvárni nem lehet, hacsak nem nemzeti és nemzetközi szabályozások révén”

– mondja Szemes.