Amazon скупает и уничтожает редкие книги: обучение нейросети на своих данных важнее антиквариата

До сих пор крупные компании пополняли обучающие датасеты в основном из интернета. Теперь, по данным расследования 404 Media, Amazon переключилась на физические книги, особенно редкие и вышедшие из печати. Причина проста: интернет-тексты для обучения языковых моделей (LLM, large language model, большая языковая модель, генерирующая текст) в значительной степени исчерпаны, а бумажные книги, изданные до 2022 года, гарантированно написаны людьми, а не другими нейросетями.

Зачем Amazon уничтожает книги?

• Интернет-тексты заканчиваются. Компании уровня Amazon уже «проглотили» доступные онлайн-тексты и ищут новые массивы данных для обучения нейросети на своих данных.
• Старые книги защищают от «коллапса модели». Когда нейросеть учится на текстах, которые сгенерировала другая нейросеть, качество её ответов деградирует. Это называют «коллапсом модели» (model collapse). Книги, напечатанные до 2022 года, точно написаны людьми, поэтому они особенно ценны.
• Книги срезают и сканируют. По данным 404 Media, у книг срезают переплёты, чтобы быстрее пропустить страницы через сканер. После этого физический экземпляр, как правило, перестаёт существовать как цельное издание.
• Amazon подтвердила закупки, но не детали. В заявлении для 404 Media компания сказала, что «покупает книги через коммерческие каналы для улучшения продуктов и сервисов, которыми пользуются клиенты». Ни объёмы, ни критерии отбора компания не назвала.

Склад с динозавром и книгой

Объект VGT3 в Лас-Вегасе использует необычную эмблему: динозавр, держащий книгу в когтях. Именно на этот склад приехало издание с GPS-трекером, спрятанным журналистами 404 Media. Расследование стало редким случаем, когда путь конкретной книги от продавца до корпоративного сканера задокументирован физически, а не на основе косвенных данных.

Примечательно, что Amazon не единственная компания, обращающаяся к книгам. По данным того же 404 Media, Anthropic ранее использовала пиратские копии книг для обучения своих моделей, и издание назвало это незаконным.

Что это значит для коллекционеров в России?

Российский антикварный книжный рынок пока не затронут напрямую, но механизм понятен: если Amazon скупает редкие англоязычные издания через «коммерческие каналы», значит, книги уходят с открытых площадок, букинистических аукционов, маркетплейсов.

• Букинистам и библиофилам стоит учитывать: редкие англоязычные издания, выставленные на международных площадках, могут быть выкуплены не коллекционером, а корпорацией, которая их уничтожит ради сканирования.
• Авторам Дзена, пишущим о книгах и антиквариате, это готовый информационный повод и повод предупредить аудиторию.
• Предпринимателям в сфере букинистики: если вы продаёте через Amazon или международные площадки, имейте в виду, что покупателем может оказаться не читатель.

Прямого российского аналога ситуации нет. Яндекс и Сбер (YandexGPT, GigaChat) не сообщали о закупке физических книг для обучения своих моделей. Но принцип обучения нейросети на своих данных тот же: чем качественнее и «человечнее» текст, тем лучше модель.

Как проверить, не скупают ли ваши книги?

1. Если вы продаёте редкие издания через Amazon или международные букинистические площадки, отслеживайте покупателя: корпоративный адрес доставки или оптовая закупка могут быть сигналом.
2. Для особо ценных экземпляров рассмотрите продажу через локальные каналы или напрямую коллекционерам, минуя крупные маркетплейсы.
3. Следите за публикациями 404 Media: издание продолжает расследование и обещает новые подробности.

Частые вопросы

Зачем Amazon именно старые книги, а не любые тексты?

Тексты, написанные до 2022 года, гарантированно созданы людьми. Если модель учится на текстах, которые сгенерировала другая модель, качество её работы падает. Это явление называют «коллапсом модели». Старые книги, особенно редкие и не оцифрованные, дают «чистые» данные.

Это законно?

Amazon заявила, что покупает книги через «коммерческие каналы». Формально покупка книги на открытом рынке законна. Вопрос авторских прав на содержание при использовании для обучения ИИ остаётся предметом судебных споров в нескольких юрисдикциях, но конкретных исков к Amazon по этому эпизоду 404 Media не упоминает.

Грозит ли это российским коллекционерам?

Напрямую пока нет: речь о международных площадках и англоязычных изданиях. Но если вы продаёте редкие книги через Amazon, покупателем может оказаться не библиофил, а корпорация, и книга будет разрезана, а не прочитана.