به گزارش خبرنگار ایلنا، یک گزارش تحقیقی نشان میدهد آمازون برای دسترسی به منابع متنی مورد نیاز برای توسعه و آموزش سامانههای هوش مصنوعی، اقدام به خرید حجم زیادی از کتابهای کمیاب و قدیمی کرده است!
برخی از این کتابها پس از انتقال به یکی از مراکز این شرکت در لاسوگاس، برای اسکن دیجیتال از عطف بریده و در نتیجه نسخه فیزیکی آنها نابود میشود.
پایگاه خبری فناوری «۴۰۴ مدیا» در گزارشی تحقیقی به بررسی روند خرید کتابهای کمیاب توسط خریداران ناشناس و ارتباط احتمالی این روند با نیاز شرکتهای هوش مصنوعی به دادههای متنی پرداخته است.
کشف یک جرم پنهان توسط ردیاب!
در این تحقیق، خبرنگار «۴۰۴ مدیا» با همکاری یک کتابفروش، یک دستگاه ردیاب «اپل ایرتگ» را در یکی از کتابهای یک محموله حدود هزار جلدی قرار داد تا مسیر آن را دنبال کند.
این محموله که از طریق بازار آنلاین کتاب «بیبلیو» خریداری شده بود، پس از طی مسیری در آمریکا سرانجام به مجموعهای متعلق به آمازون در لاسوگاس رسید.
گزارش «۴۰۴ مدیا» نشان میدهد ردیاب در بخش شمالی تأسیسات آمازون با کد «الایاس۸» قرار گرفت؛ بخشی که کارکنان آمازون آن را با نام «ویجیتی۳» معرفی کردهاند.
اسکن کتابها با بریدن عطف و شیرازه
بر اساس اظهارات کارکنانی که با «۴۰۴ مدیا» گفتوگو کردهاند، در این بخش حجم زیادی از کتابهای چاپی دریافت و برای اسکن آماده میشود.
روش مورد استفاده برای افزایش سرعت اسکن، جدا کردن عطف و شیرازه کتاب است؛ به این ترتیب صفحات از بدنه کتاب جدا شده و میتوان آنها را با سرعت بیشتری اسکن کرد. نتیجه این فرآیند، از بین رفتن نسخه چاپی کتاب است.
گزارش میافزاید که محل فعالیت «ویجیتی۳» حتی نشان تجاری خاص خود را دارد؛ تصویری از یک دایناسور که کتابی را در چنگالهای خود گرفته است.
کارکنان درباره تقسیم وظایف در این واحد نیز اطلاعاتی در اختیار «۴۰۴ مدیا» قرار دادهاند و گفتهاند فرآیند آمادهسازی و اسکن کتابها در این مرکز انجام میشود.
نیاز هوش مصنوعی به منابع متنی
اهمیت این موضوع از آنجا ناشی میشود که شرکتهای تولیدکننده مدلهای زبانی بزرگ به حجم بسیار زیادی از دادههای متنی برای آموزش مدلهای خود نیاز دارند. در حالی که بخش قابل توجهی از محتوای قابل دسترس اینترنتی پیشتر در مجموعهدادههای آموزشی مورد استفاده قرار گرفته، کتابهای قدیمی، نایاب و آثاری که نسخه دیجیتال آنها بهسادگی در اینترنت پیدا نمیشود، میتوانند منبعی ارزشمند برای دستیابی به دادههای جدید باشند.
در همین زمینه، «تک کرانچ» نیز با استناد به تحقیق «۴۰۴ مدیا» گزارش داده است که آمازون در حال خرید کتابهای کمیاب، جدا کردن عطف آنها و اسکن صفحات برای استفاده در فرآیند آموزش هوش مصنوعی است. این گزارش تأکید میکند که کتابهای منتشرشده پیش از ظهور گسترده محتوای تولیدشده توسط هوش مصنوعی، میتوانند برای آموزش مدلها ارزش ویژهای داشته باشند.
پاسخ آمازون به گزارش
آمازون در پاسخ به پرسش «۴۰۴ مدیا» درباره این فعالیت، اصل خرید کتاب از کانالهای تجاری را رد نکرده است!
این شرکت اعلام کرده که «کتابها را از طریق کانالهای تجاری خریداری میکند تا به توسعه و بهبود محصولات و خدمات مورد استفاده مشتریان کمک کند.»
با این حال، آمازون در این پاسخ به طور مشخص تأیید نکرده که تمام کتابهای مورد اشاره برای آموزش مدلهای هوش مصنوعی خریداری یا اسکن میشوند.
افزایش تقاضا برای کتابهای کمیاب
تحقیق «۴۰۴ مدیا» در شرایطی منتشر شده که فروشندگان کتابهای کمیاب در ماههای اخیر از افزایش سفارشهای عمده و غیرمعمول برای کتابهای قدیمی خبر دادهاند.
گزارشهای دیگری نیز از ارتباط بخشی از این تقاضا با نیاز شرکتهای هوش مصنوعی به دادههای آموزشی حکایت دارد.
«والاستریت ژورنال» نیز در گزارشی جداگانه از رونق فروش کتابهای کمیاب در پی افزایش سفارشهای عمده از سوی خریدارانی که با صنعت هوش مصنوعی ارتباط دارند، خبر داده است.
با این حال، از نظر فنی و خبری، نمیتوان ادعا کرد که تمام کتابهای خریداریشده مستقیماً وارد یک مدل هوش مصنوعی مشخص آمازون میشوند.
آنچه تحقیق «۴۰۴ مدیا» به طور مشخص مستند کرده، انتقال یک محموله بزرگ کتاب به تأسیسات آمازون، شناسایی واحد «ویجیتی۳»، اظهارات کارکنان درباره بریدن عطف و اسکن کتابها و نابودی نسخه فیزیکی آنها در جریان این فرآیند است.
نگرانی درباره حفظ میراث مکتوب
این ماجرا بار دیگر مسئله حفظ میراث مکتوب در عصر هوش مصنوعی را مطرح کرده است؛ به ویژه درباره کتابهایی که تنها چند نسخه از آنها باقی مانده یا اساساً نسخه دیجیتال معتبری از آنها وجود ندارد.
در چنین شرایطی، تبدیل یک کتاب کمیاب به داده دیجیتال میتواند از یک سو امکان دسترسی و استفاده گستردهتر از محتوای آن را فراهم کند و از سوی دیگر، در صورت استفاده از روشهای مخرب اسکن، به نابودی نسخههای فیزیکی و کاهش ذخیره مادی میراث فرهنگی منجر شود.
منابع: ۴۰۴ مدیا، تککرانچ و والاستریت ژورنال
/