Anthropic звинувачують у знищенні книжок для навчання Claude
Anthropic опинилася під критикою через спосіб, у який, за повідомленнями журналістів, готувала книжки для навчання мовної моделі Claude. Компанія нібито купувала паперові видання, зрізала палітурки та сканувала сторінки, перетворюючи їх на цифрові файли. Юридично такий підхід суд визнав таким, що може підпадати під принцип fair use, однак етичні питання навколо нього залишилися.
Як Anthropic формувала книжковий масив для Claude
Для оцифрування, як стверджують журналісти, компанія закуповувала книжки, опубліковані до 2022 року. Це мало зменшити ризик потрапляння до навчальної бази текстів, створених іншими системами штучного інтелекту.
Спочатку Anthropic користувалася цифровими бібліотеками. Однак через можливі претензії щодо авторських прав компанія почала шукати спосіб отримувати матеріали безпосередньо. У межах цієї роботи до проєкту, за наявною інформацією, залучили колишнього керівника Google Books, а також запустили внутрішню програму масового сканування паперових видань.
Книжки купували не для подальшого зберігання у фізичному вигляді, а для швидкого перетворення на цифровий корпус текстів. Після зрізання корінців сторінки можна було подавати до сканувального обладнання значно швидше, ніж під час ручного перегортання кожного примірника.
Відкрита книга. Фото: huss.com
Чому метод викликав обурення
Після публікації подробиць у соціальних мережах розгорнулася дискусія про межі допустимого під час розроблення ШІ. Критики вважають, що знищення фізичних примірників заради навчання моделей є сумнівною практикою, особливо якщо йдеться про рідкісні або важкодоступні видання.
Окреме занепокоєння пов’язане з тим, що книжка після зрізання корінця фактично втрачає первісний вигляд і може бути непридатною для подальшого використання. Водночас немає підтверджень, що Anthropic вилучала примірники з музейних фондів чи приватних колекцій: за повідомленнями, компанія купувала їх у великих дистриб’юторів.
Законність і етика — не одне й те саме
Прихильники Anthropic нагадують, що подібну техніку давно застосовують під час створення цифрових архівів і бібліотек. Саме сканування паперової книги не є новою технологією, а в описаному випадку суд дійшов висновку, що використання матеріалів може відповідати принципу fair use.
Проте юридичний висновок не знімає всіх питань. Дискусія стосується не лише авторського права, а й ставлення до фізичних книжок, прозорості підготовки навчальних даних та можливості компенсувати авторам і видавцям використання їхніх творів.
- Правовий аспект: чи дозволяє закон копіювати та обробляти книжки для навчання моделі.
- Етичний аспект: чи виправдано знищувати паперовий примірник, якщо його можна було зберегти.
- Культурний аспект: чи не ризикують рідкісні видання опинитися серед матеріалів, придбаних для масового сканування.
- Питання прозорості: наскільки докладно розробники мають розкривати походження навчальних даних.
Суперечка навколо Anthropic показує, що розвиток мовних моделей дедалі частіше виходить за межі суто технічної дискусії. Навіть метод, який може бути законним, потребує оцінки з погляду збереження книжок, поваги до авторів і відповідального формування даних для навчання ШІ.
