Amazon скупает редкие книги для обучения нейросети на своих данных и уничтожает их: журналисты доказали

Издание 404 Media опубликовало расследование, в котором продавец книг по договорённости с журналистами вложил AirTag (трекер Apple для отслеживания вещей) в редкую книгу из оптового заказа. Трекер привёл на объект Amazon в Лас-Вегасе, где, по данным 404 Media, команда вырывала страницы из переплётов и сканировала их. Amazon не подтвердила и не опровергла использование книг для обучения ИИ, ограничившись общим заявлением о «развитии продуктов и сервисов».

Как журналисты доказали скупку?

• Продавцы книг около года подозревали, что ИИ-компании массово заказывают редкие издания, но доказательств не было.
• По данным 404 Media, один продавец согласился спрятать AirTag в книгу из оптовой партии.
• Трекер привёл журналистов к складу Amazon в Лас-Вегасе. На двери склада, по описанию 404 Media, был логотип подразделения VGT3 с изображением тираннозавра, пожирающего книгу.
• Команда на объекте, по данным издания, занималась тем, что вырывала книги из переплётов и сканировала страницы.

Почему Amazon нужны именно редкие книги?

Amazon разрабатывает собственные передовые модели ИИ. Для конкуренции с Google, OpenAI и Anthropic нужен огромный объём уникальных обучающих данных. Тексты из редких книг, которые сложно найти в открытом доступе, дают преимущество при обучении нейросети на своих данных, потому что конкуренты такими данными, скорее всего, не располагают.

При этом Anthropic и xAI публично заявляли, что не используют редкие и антикварные книги для обучения своих моделей. Amazon же отказалась прямо ответить на вопрос, связаны ли закупки с обучением ИИ.

Что сказала Amazon?

Компания предоставила одинаковый комментарий и 404 Media, и изданию Ars Technica:

«Amazon приобретает книги через коммерческие каналы, чтобы помочь разрабатывать и улучшать продукты и сервисы, которыми пользуются наши клиенты.» : Официальное заявление Amazon

Слово «обучение ИИ» в заявлении не упоминается. Формулировка намеренно размытая: «продукты и сервисы» может означать что угодно, от Alexa до внутренних инструментов.

Как это касается авторов и издателей в России?

Российского аналога этой ситуации пока нет в публичном поле, но параллель прямая. Крупные российские модели, такие как YandexGPT и GigaChat от Сбера, тоже нуждаются в обучающих данных на русском языке.

• Авторам Дзена и копирайтерам. Это документальное подтверждение того, что тексты имеют прямую ценность для ИИ-компаний. Если ваш контент уникален, он потенциально интересен для обучения моделей. Следите за условиями площадок, на которых публикуете тексты, и за тем, разрешают ли они использование контента для дообучения (fine-tuning, обучение модели на конкретных примерах под узкую задачу).
• Издателям и правообладателям. Кейс Amazon даёт аргумент для обсуждения лицензирования обучающих данных. В России дискуссия о допустимости использования текстов для обучения нейросетей идёт, но пока без громких судебных дел.
• Предпринимателям. Если вы создаёте базы знаний или корпоративные модели, вопрос легальности обучающих данных касается вас напрямую. Убедитесь, что источники данных лицензированы.

Частые вопросы

Amazon признала, что уничтожает книги для обучения ИИ?

Нет. Компания дала общий комментарий о «развитии продуктов и сервисов» и не упомянула обучение ИИ. Связь со сканированием для моделей установлена журналистами 404 Media на основании трекера и описания объекта.

Другие ИИ-компании тоже скупают редкие книги?

По данным 404 Media, Anthropic и xAI публично заявляли, что не используют редкие и антикварные книги для обучения. О практиках Google и OpenAI в этом контексте источник не сообщает.

Как это влияет на авторов в России?

Напрямую пока никак: расследование касается Amazon и американского рынка. Но оно создаёт прецедент и аргумент для дискуссии о защите русскоязычного контента при обучении нейросетей, включая YandexGPT и GigaChat.

Если вы автор и создаёте уникальные тексты, самый разумный шаг сейчас: перечитать условия площадки и понять, кому вы передаёте права на свой контент и разрешаете ли его использование для обучения моделей.